基于模糊满意度的软件定义网络交换机迁移策略

针对软件定义网络中多控制器间负载均衡的迁移代价和迁移效率问题,提出一种基于模糊满意度的交换机迁移策略。首先,构建均衡判断矩阵,监测控制器负载状态,且提出交换机组选择度,划分交换机组以选取迁移交换机;其次,考虑迁移代价和负载均衡率,构建模糊满意度迁移竞争模型,且提出改进蚁群算法优化求解,选择最佳迁入控制器;最后,将迁移交换机迁往迁入控制器,实现交换机的快速迁移。实验结果表明,与现有交换机迁移策略相比,所提方法在保证较高负载均衡率的同时,进一步优化了网络性能,迁移代价平均减少约26.8%,控制器平均响应时间缩短约0.41 s,改善了交换机迁移过程。     

SDN中基于迁移优化的控制器负载均衡策略*

针对SDN多控制器负载均衡过程中交换机迁移僵化和迁移冲突问题,本文对现有的交换机迁移模型实施优化,提出了一种阶段式控制器负载均衡策略。在阶段1,综合控制器的各类开销代价,基于遗传算法优化迁移目标,选取交换机迁入和迁出域;在阶段2,通过设定子域迁移度和交换机有效期,实现了多交换机的协调迁移。仿真结果表明,与现有的负载均衡策略相比,改善了迁移域的选取过程,优化了交换机到控制器的动态部署,控制器负载均衡率提升了约21%。     

SDN中基于生物启示的控制器负载均衡机制

针对SDN多域部署中存在子域控制器负载不均衡现象,基于生物领域物种遗传和种群迁徙的启示,依据交换机迁移,提出了SDN控制器负载均衡机制.首先综合网络中主要开销,应用生物遗传的思想,设计了最优迁移域选择算法,得到最优迁入/迁出域;同时类比种群迁徙现象,对交换机应用存活期和淘汰机制,设计了交换机竞争迁移算法,均衡了子域交换机数量.仿真结果表明,与现有算法相比,迁移域的选取过程得到优化,均衡子域控制开销,有效保证了控制器负载的均衡分布.     

SDN多控制器网络中基于交换机迁移的动态负载均衡策略

针对多控制器SDN网络环境下的负载均衡问题,论文提出了一种基于交换机迁移的动态负载均衡策略,共分为三个实施阶段:首先通过动态信息采集算法(DIA)收集各控制器间的负载信息,以决定需要实施交换机迁移算法的过载控制器;随后依据论文定义的迁移域及迁移交换机选取算法(MSS)决定迁移目标控制器以及需要迁移的交换机;最后依据交换机迁移协议完成交换机迁移,实现多控制器下的负载均衡.仿真实验结果表明负载均衡后SDN网络中交换机的吞吐率显著提升,且各控制器负载逐渐趋于均衡.     

面向SDN负载均衡的交换机自适应迁移策略

针对软件定义网络(SDN)多域部署中存在的子域控制器负载不均衡问题,提出了一种面向SDN负载均衡的交换机自适应迁移策略。首先,通过检测各子域控制器的负载,在网络中基于自适应遗传算法选择迁入和迁出域,可以实现全局最优迁移域的选取;然后,应用生存期和淘汰机制将迁出域中的高负载度交换机迁移至迁入域,有效地均衡了控制器负载。仿真结果表明,与现有的交换机迁移算法相比,迁移效率提升了19.7%,各个子域控制器的负载和交换机的数量到达了均衡,增强了网络的稳定性。     

基于改进引力搜索算法的交换机迁移策略

针对多控制器软件定义网络（SDN）中交换机迁移策略迁移代价衡量单一,不能适应交换机流量的变化的情况,提出基于改进引力搜索算法的交换机迁移策略（IGS-SMS）。在决策阶段,应用基于模糊满意度的多目标决策方法,优化目标根据隶属度大小竞争优先权;在计算阶段,通过改进引力搜索算法优化优先权高的目标函数。实验结果表明,IGS-SMS在实现负载均衡的同时,能保证传输时延与交换机重分配的指标;在实验中,当局部负载较重时,动态迁移算法（DSMA）和基于改进型拍卖交换机迁移机制（PASMM）不能缓解控制器过载,而IGS-SMS执行后无控制器过载,且负载均衡度小于DSMA和PASMM。     

基于自优化的SDN交换机动态迁移机制

为提高SDN控制器的使用效率以及多控制器之间的负载均衡度,对多控制器的部署问题进行了研究,并提出了一种交换机动态迁移机制.该动态迁移机制基于周期性运行的自优化的算法实现,按照控制器的部署情况,将网络划分成多个域,通过分析各域内相关参数,分别找出负载最高和最低的控制器节点,并根据控制器负载和交换机请求率快速选择出最佳的迁移交换机和迁移目的地.控制器的负载均衡度、交换机请求的处理时延和算法的复杂度是算法设计中所考虑的主要因素.该算法的优点在于通过局部的动态调整实现了对SDN控制层的灵活管理.仿真结果表明,基于自优化的交换机动态迁移方案能够有效提高多控制器间的负载均衡度,减小流请求的处理时延,同时将运算复杂度保持在一个相对合理的水平.     

基于SDN的动态负载均衡策略

针对SDN中静态网络结构不能适应动态流量变化所引起的控制器负载不均衡问题,提出一种阶段式动态负载均衡策略。阶段一以控制器负载均值化为目标,确定迁入控制器候选集,且综合考虑时延、负载,设计指标函数,选取待迁移交换机;阶段二考虑网络节点间的连通性,以最小迁移代价为目标,提出改进的EMD模型,并用线性逼近算法快速求解,实现了交换机的快速并行迁移。实验结果表明,与现有的负载均衡策略相比,其改善了迁入控制器和交换机的选取过程,优化了网络性能,控制器的负载均衡度提升了约31.4%。     

一种基于三层结构模型的SDN负载均衡方案

交换机与控制器之间的静态映射关系会导致SDN控制平面负载不均衡。针对这一问题,提出一种基于三层结构模型的负载均衡方案SMLB。SMLB采用控制器管理层-控制器集群-数据层结构模式,通过迁移交换机来改变交换机与控制器之间的静态映射关系,从而均衡控制平面负载。同时,SMLB在选择需要迁移的交换机和空闲控制器时,综合考虑负载因素和距离因素。实验结果表明,SMLB可以有效均衡控制平面负载,降低网络延迟,提高控制平面可拓展性。     

基于改进型拍卖的软件定义网络交换机迁移机制

多控制器软件定义网络(SDN)中交换机迁移策略单一,造成迁移效率低且多次迁移。为此,提出一种基于改进型拍卖的交换机迁移机制PASMM,将交换机的迁移问题优化成为控制器剩余资源的拍卖问题,通过提高处于供不应求状态的控制器资源的交易价格,完成拍卖过程,实现控制器和交换机的重新部署,提高网络效益。仿真实验表明,与典型的交换机迁移策略相比,PASMM达到了较好的控制器负载均衡,PACKET_IN消息的响应时间减少了约13.5%,同时随着交换机流请求的增大,PASMM的迁移时间最少。     

基于多目标优化的软件定义网络负载均衡方案

针对软件定义网络（SDN）中控制平面的负载均衡问题,提出了一种基于多目标优化的动态交换机迁移算法（M-DSMA）。该算法首先将交换机与控制器之间的映射关系转变为0-1矩阵优化问题;其次,通过基于NSGA-Ⅱ的多目标遗传算法同时优化控制平面负载均衡度和交换机迁移所产生的通信开销这两个相互冲突的目标。在多目标优化过程中,利用适应度函数选择个体进行交叉变异,随后采用快速非支配排序对种群进行精英策略,产生下一代种群,使得整个种群不断进化,搜索较优的解。仿真实验结果表示,相比于动态交换机迁移算法（DSMA）,M-DSMA在有效均衡控制平面负载的同时,降低了30%~50%的通信开销,且在提高控制平面可扩展性方面具有明显优势。     

云计算虚拟资源的熵优化和动态加权评估模型

云资源的动态变化和不确定性给资源管理及任务调度带来了很大的困难.为了准确地掌握资源动态负载和可用能力信息,提出一种基于熵优化和动态加权的资源评估模型,其中,熵优化模型利用最大熵和熵增原理的目标函数及约束条件,筛选出满足用户 QoS 和系统最大化的资源,实现最优调度,保障用户 QoS.对筛选后的资源再进行动态加权负载评估,对负载过重及长期不可用资源进行迁移、释放等,可减少能耗,实现负载均衡和提高系统利用率.设计了仿真实验,以验证所提评估模型的性能.实验结果表明,熵优化模型对用户 QoS 和系统最大化有很好的效果,动态加权负载评估有利于均衡负载,提高系统利用率.该评估模型实现了用户QoS保障、减少能耗、负载均衡以及提高系统利用率等多目标的优化.     

软件定义广域网中控制器部署与交换机动态迁移策略

在软件定义广域网（SD-WAN）部署中，由于广域网（WAN）覆盖范围极大这一特性，单控制器部署策略无论在容量、负载还是安全方面都无法满足其需求，多控制器的部署成为必然趋势。而多控制器部署后整体网络的静态配置很难适应动态的网络流变化，从而造成控制器的负载不均衡，整体网络性能降低。针对上述问题，提出一种多控制器部署算法SC-cSNN，以有效减小控制器和交换机之间的传播时延；并提出一种基于时延、控制器容量以及控制器安全等特征的交换机动态迁移算法，以有效解决控制器超负载问题。仿真实验结果表明，SC-cSNN控制器部署算法的平均最大时延优于现有的基于k-means和基于谱聚类的控制器部署算法，交换机动态迁移算法从多特征的角度有效地解决了SD-WAN控制器负载不均衡的问题。     

Solution of a non-convex optimization arising in PI/PID control design

As shown by Åström et al. (Automatica 34(5) (1998) 585), the problem of designing a stabilizing PI controller based on minimizing integral of error associated with step load disturbance while subjecting to constraints on maximum sensitivity and/or complementary sensitivity amounts to that of finding the maximum allowable integral gain. The latter problem is a non-convex optimization problem whose true solution cannot be obtained with a guarantee by a gradient-based search algorithm. In this paper, we present a novel and effective approach to solve such a non-convex optimization problem. Our approach is based on regarding an equality constraint set on controller gain parameters as a two-dimensional value set in the complex plane and using the notion of principal points to characterize its boundary. With this treatment, we are able to derive analytical expressions for describing the boundary of an equality constraint set in the controller gain plane. These expressions allow one to trace the boundaries of equality constraint sets using an existing path-following algorithm. Hence, by constructing the boundary of the feasible domain in the controller gain space, the maximum allowable integral gain can be obtained. In addition to having the ability to obtain global optimal solution, our approach can handle sensitivity and complementary sensitivity constraints simultaneously without using an iterative procedure.     

一种基于IBPSO的SDN控制器放置优化方案

提出了改进离散粒子群优化（improved binary particle swarm optimization,IBPSO）算法用来解决控制器放置问题。该算法基于粒子群的全局最优和单个粒子的个体最优来决定粒子当前取值概率,消除粒子当前值对下一步迭代的影响,从而加快收敛速度,找到更优的最终结果。仿真结果表明,与离散粒子群优化（binary particle swarm optimization,BPSO）算法相比,由该算法得出的控制器放置方案在实现控制器负载均衡的同时,还可以显著降低控制器的数量。     

基于粒子群优化算法的5G网络切片功能迁移机制

在5G的多应用场景中,数据流量经常出现剧增的情况,网络切片中虚拟机资源可能无法满足用户正常需求。鉴于此,提出了一种以负载均衡为目标的网络切片功能迁移机制。该机制基于粒子群优化算法,将虚拟机模拟成粒子,每次迁移过程中,将所有的粒子分成若干个子群,在群内和群间同时应用粒子群优化算法,参照历史最优解和当前全局最优解更新粒子位置,通过选取标记因子较小的粒子实时比较合适度等参数确定最佳目标粒子,完成迁移过程,该机制既提高了收敛速度,又提高了算法精度。通过与其他迁移方法比较,结果表明,所提迁移机制具有精度高、收敛快的优点,并能提升资源的使用效率,降低了数据中心的能耗,具有较好的自适应性。     

An innovative framework for designing genetic algorithm structures

Genetic Algorithms are popular optimization algorithms, often used to solve complex large scale optimization problems in many fields. Like other meta-heuristic algorithms, Genetic Algorithms can only provide a probabilistic guarantee of the global optimal solution. Having a Genetic Algorithm (GA) capable of finding the global optimal solution with high success probability is always desirable. In this article, an innovative framework for designing an effective GA structure that can enhance the GA's success probability of finding the global optimal solution is proposed. The GA designed with the proposed framework has three innovations. First, the GA is capable of restarting its search process, based on adaptive condition, to jump out of local optima, if being trapped, to enhance the GA's exploration. Second, the GA has a local solution generation module which is integrated in the GA loop to enhance the GA's exploitation. Third, a systematic method based on Taguchi Experimental Design is proposed to tune the GA parameter set to balance the exploration and exploitation to enhance the GA capability of finding the global optimal solution. Effectiveness of the proposed framework is validated in 20 large-scale case study problems in which the GA designed by the proposed framework always outperforms five other algorithms available in the global optimization literature.     

Three-time scale multi-objective optimal PID control with filter design

This paper presents the design of a multi-objective PID (proportional, integral, and derivative) controller in three time scales for a system with load disturbances and sensor noise. The key to this design method is to divide the problem into three time scales by following a singular perturbation approach, which allows for the optimization of fewer parameters in each time scale instead of all the three PID gains at once, hence less computation and design effort. The optimization objectives are the minimization of the overshoot and peak time and the maximization of the closed-loop system's ability to reject noise and load disturbances. The impact of the integral action and filter on the optimal results is investigated by tuning the singular perturbation parameters. The obtained results show that the performance of the closed-loop system recovers the optimal solution, which is based on the fast subsystem, as the singular perturbation parameters get sufficiently small.     

基于混沌搜索的二级倒立摆模糊控制器设计

利用混沌优化的模糊控制方法对二级倒立摆系统进行闭环控制。用混沌算法优化控制器的参数,首先将混沌变量引入到模糊控制器的参数域,并进行全局范围内直接寻优,当获得全局近似最优解后,再缩小寻优区间,根据性能指标,在次优解附近继续寻优,得到全局最优参数。控制结果说明该方法是有效可行的。