边缘智能下基于强化学习的车联网路由协议

为实现复杂城市车联网环境下高可靠、自适应的数据包路由协议,提出一个端-边-云边缘智能架构,该架构包括终端用户层、边缘协作层和云计算层。在所提边缘智能架构的基础上,设计了一个基于多智能体强化学习的数据包路由协议。实验结果表明,相比于现有的紧急消息传输机制、基于交叉路口雾节点的分布式路由协议和基于双深度Q网络的路由协议,所提协议在消息传输时延和接收率方面分别取得29.65%~44.06%和17.08%~25.38%的优化。

一种SDN环境的SNMP Trap报文聚合方法

随着物联网和移动互联网的发展,网络设备呈指数级增加,网络规模越来越大,给网络管理带来新的挑战.SNMP能够实现对大规模网络的有效管理,然而,由于被管网元数量众多,SNMP报文流量会增大主干网中的流量开销.为了降低SNMP Agent产生的Trap报文给主干网带来的通信开销,本文提出一种基于SDN的Trap报文聚合方法.该方法利用控制器下发流表规则,将Trap报文转发至聚合服务器中进行报文聚合,然后发送至管理站,从而有效减少主干网中的SNMP Trap流量.同时,为了优化传统网络结构下进行网络管理面临的额外开销大、灵活性差、管理站负载高等问题,本文设计了一种基于SDN的网络管理架构.该架构提高了网络管理灵活性,减轻了管理站负载高的问题.实验结果表明,与传统网络管理中被管网元直接将Trap报文发送给管理站的方法相比,基于SDN的Trap报文聚合方法在主干网的Trap流量减少了41.328%,大幅降低了主干网中管理流量的开销.

基于异构节点的高稳定性应用层组播算法研究

针对移动环境下应用层组播如何快速构建稳定的组播树,以及组播树中非叶子节点失效导致链路数据的传输中断影响组播树的完整性问题,提出一种基于节点性能和在线时间的应用层组播树构建算法HSHN(High Stability based on Heterogeneous Nodes)和备份关键父节点的组播树恢复方法.首先建立模型,构建基于异构节点的高稳定性组播树,提出组播树恢复方法,然后分析模型,论证方法,保证组播树有比较高的稳定性.仿真结果表明,提出的高稳定性HSHN算法能够快速的构建组播树,具有较低的节点加入时延,而且能够快速恢复组播树.

一种高稳定性低延迟的应用层组播生成树算法

由于应用层组播技术依靠终端主机转发组播数据,任意中间节点的退出都将造成系统的稳定性问题。同时,应用层组播技术对延时有严格的要求。为了提高应用层组播系统的稳定性和数据传输效率,根据影响应用层组播稳定性和延时的因素,抽象出基于节点稳定概率的度约束的最小延时应用层组播生成树问题模型SDMD(Spanning tree based on stability probability,degree-constrained,and minimum diameter for ALM),并且证明了该问题属于NP-hard问题。为了解决该问题,给出了基于节点时间增益因子的TG-S近似算法。仿真实验表明,TG-S算法生成的组播树在平均延时、最大延时和累积中断次数等方面有明显优势。