面向关键性任务的机载软件服务QoS体系设计技术

随着机载软件系统向灵活开放的服务化架构转变,如何保障服务质量成为服务治理的重点。创新性地将服务质量(QoS)应用至机载软件服务,以保证服务集群的持续可靠运行。综合考虑实际条件下表征机载软件服务质量的数值,并结合关键性任务OODA作战要素,设计机载软件服务QoS指标体系,同时针对每项指标提出相应的QoS策略。在此基础上,构建机载软件服务QoS体系模型,实现对机载软件服务体系能力多层次、多方面质量保障。通过构建不同服务故障场景验证了所提出的机载软件QoS体系模型可较为客观地衡量机载软件服务实时运行状况,并通过策略实施保障机载软件服务平稳可靠运行,从而有效提高服务质量,确保任务高效完成,实现机载软件服务化架构的高可用性。

面向SDN的QoS优化:一种蚁群算法改进策略的设计与实现

服务质量(QoS)优化作为提升网络性能的关键手段,在SDN中的应用尤为重要。蚁群算法作为一种启发式的计算方法,由于其出色的全局搜索和并行处理特性,在QoS优化领域显示出了巨大的应用潜力。但是蚁群算法面对SDN动态网络环境、大规模网络、多目标优化及实时性需求,还面临着适应性、收敛速度、平衡性及实时性方面的挑战。该文针对以上问题提出蚁群算法改进策略,通过设计和实施措施改善SDN环境中蚁群算法QoS优化性能。

共享制造环境下基于Z-RIM的QoS多方异质评价方法

为解决共享制造环境下决策信息异质、候选服务数量动态变化的制造服务QoS评价问题,基于平台、服务需求方、服务提供方的三方决策信息,提出一种符合共享制造特点的QoS多方异质制造服务评价方法。通过精确数、语言变量和Z-number处理异质信息;基于共识最大化计算决策方权重向量,利用TrFWAA算子集结多方信息,依据离差最大化模型计算属性权重;在此基础上,采用RIM对各服务进行评估。结合共享制造环境下的制造业服务优选案例对提出的方法进行验证分析,结果表明该方法具有较好的实用性和优越性。

基于SDN的卫星网络端到端QoS类映射研究

针对在多个卫星网络域环境下域间协作困难,以及如何在各个卫星网络域内选择合适的QoS类实现端到端QoS类映射的问题,基于软件定义卫星网络架构,首先,提出一种SDN卫星网络域间通信方案,以及面向多QoS类的端到端服务交付数据包处理方法。其次,提出一种基于多准则决策的控制模块。模块利用ELECTRE方法,在ELECTRE方法中通过综合权重法计算出各个卫星网络域内QoS指标相应的权重系数,并且利用ELECTRE方法对每个QoS类的净支配指数进行排序,从而为端到端路径的每个卫星网络域选择合适的QoS类。最后,与现有端到端QoS类映射方案进行比较,仿真结果表明,上述方法在多卫星网络域环境下保证端到端的时延、时延抖动、丢包率和代价。

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的服务质量(quality of service,QoS)组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。

基于QoS约束的通信组网链路故障恢复探究

随着网络技术的不断发展,通信网的规模逐渐扩大,网络结构日渐趋于复杂化,发生故障的概率自然就会增高。当通信网出现故障后,必须尽快恢复,否则可能会造成巨大的经济损失,严重时甚至引发各类社会安全风险。智能通信网是解决上述问题的有效策略之一,对网络带宽、时延、丢包率提出了不同的要求。本文对如何恢复网络故障展开了研究,提出了一种基于QoS(Quality of Service)约束的通信组网链路故障恢复方法,根据用户对业务提出的QoS需求以及空闲网络资源,选择恢复路径,确保传输业务的可靠性。在当通信网发生故障后,该方法能够有针对性地快速解决故障,对通信技术的应用与发展具有实用价值。

云服务推荐中基于多源特征和多任务学习的时序QoS预测

随着云计算技术的普及,云服务数量指数级增长,用户不再满足于功能性需求,服务质量(Quality of Service,QoS)成为比较服务优劣的关键性能指标.如何在动态、复杂的云环境中实时、准确地预测服务质量并为用户推荐高质量服务成为热点问题.考虑到云服务器的负载、网络状态、用户接入云环境的偏好等随着时间变化,本文提出了基于多源特征和多任务学习的时序QoS预测方法(T-MST),它可以实时、准确地同时预测多种QoS属性.首先,TMST对用户、服务进行特征表示,通过Time2Vec刻画时序特征,再结合多种QoS属性的历史记录生成多源特征表示.其次,基于滑动窗口采用LSTM感知窗口内的时序关系,借助注意力机制细化窗口内不同时刻的关键性,从而构造待预测时刻的隐藏状态.最后,T-MST采用多任务预测层实现多种QoS属性的同时预测,它们共享上游模型,仅在预测层采用不同的感知模块以提升模型的鲁棒性和计算效率.本文基于真实世界的数据集进行了全面的实验验证,结果表明T-MST在吞吐量和响应时间的时序预测任务上平均绝对误差(Mean Absolute Error,MAE)分别平均提升了37.53%和20.38%,优于现有的时序QoS预测方法;而且TMST的计算效率更高,能够有效应对实时QoS预测的需求.

Wi-Fi QoS技术综合分析

为了满足对高带宽、低时延业务的服务质量要求,Wi-Fi技术必须支持不同类型业务质量的管理机制。首先,分析传统Wi-Fi QoS技术面临的挑战,阐述Wi-Fi联盟弥补传统的Wi-Fi多媒体功能WMM不足而定义的QoS管理技术,有效支持下行数据流的分类和优先级设定;其次,进一步分析和介绍Wi-Fi7对于QoS改进的关键技术,包括数据流的QoS特征识别技术和严格目标唤醒时间r-TWT技术,以及二者结合对于低时延业务的支持;最后,对Wi-Fi的QoS技术发展进行小结和展望。

基于SDN的空间信息网络自适应QoS路由算法的设计与实现

为了满足用户对网络服务质量的要求,本文提出一种基于SDN的空间信息网络自适应QoS路由算法。该算法采用SDN控制器对网络进行全局控制和管理,通过收集网络拓扑信息和质量参数,动态调整路由策略,实现网络的自适应QoS路由。实验结果表明,该算法能够有效提高网络服务质量,优化网络性能。

星地异构网络联合QoS保障关键技术

针对星地异构网络的拓扑结构高动态、星地链路高差异、网络资源强受限等特征给星地融合业务高效承载带来重大挑战的问题,深入分析星地异构网络发展现状,提出星地异构网络联合QoS保障系统架构。并在此基础上,针对跨域资源统一编排管理、星地联合QoS指标参考体系构建、联合QoS动态策略调控、星地资源按需适配与部署等关键技术进行探讨。

云联盟三层架构:博弈型QoS建模

面对国内外大型公有云供应商的激烈竞争,中小云厂商的生存难度加大。为此,建立一个基于相互合作的云联盟成为了这些厂商的一种可行策略。然而,在追求个体最大利益和保障联盟整体服务质量(quality of service,QoS)之间存在着复杂的博弈关系。针对上述问题,一种基于QoS的云联盟模型被提出,其涵盖云计算的三层架构。在应用层至虚拟层,引入了一种基于差分进化(differential evolution,DE)算法的创新任务分配策略,专门用于处理多QoS任务分配问题。在虚拟层至物理层,设计了合作与竞争并存的虚拟机迁移模型,适用于在云联盟博弈计算环境下实现虚拟机迁移的能耗与QoS之间的平衡。实验结果表明,所提出的解决方案改进了云计算环境的服务质量,并揭示了在云联盟环境中,合作和竞争两种模式的相对优势。

5G-R调度通信QoS协商和业务流程设计

随着铁路发展,移动通信业务需求不断增加,同时,移动通信技术迭代创新,铁路亟待发展新一代宽带移动通信系统(5G-R)。调度通信业务是5G-R承载的重要业务,为规范业务流程,明确设备要求,保证设备互联互通,需研究调度通信QoS协商和业务流程。首先,研究5G-R调度通信业务需求和系统架构;其次,研究QoS控制管理方式,提出基于N5接口动态协商QoS机制,研究N5接口服务架构和服务操作;然后,重点研究语音、视频个呼、组呼等典型业务流程,研究功能寻址和位置寻址业务实现方案,提出N5接口技术要求;最后,依托研发实验室进行测试验证。试验表明,业务流程和实现方案技术上可行性,实现了功能扩展,性能明显提升,个呼建立时间从不大于10 s减少为2.65 s,且基于N5接口动态协商QoS机制能够保障业务优先级,实现不同厂家设备互联互通。建议结合试验线进一步优化业务流程。

基于QoS-QoE预测的传输瓶颈定位

在实时音视频传输中,QoS指标反映服务端可感知的网络情况,QoE指标直接体现用户侧对视频业务的满意程度,尽管QoE指标是服务提供商更为关注的指标,但是由于接口适配和用户隐私保护等问题,云服务提供商往往不能实时获得QoE数据,因此无法及时对可能发生的QoE异常进行预测并采取优化措施。由于QoS-QoE存在一定映射关系,提出一种基于服务端的QoS指标实现对QoE指标进行瓶颈检测的模型,可以减少运维人员定位的工作量,提高网络优化效率。模型使用不平衡决策树进行QoS-QoE预测,实现QoE异常检测。使用LSTM回归模型进行因果分析,实现瓶颈定位。实验表明该模型对QoE异常检测有较高准确率,并且可以发掘传输过程中对传输结果影响较大的QoS指标。

QoS数据不确定性下电力业务服务自适应选取模型

针对电力业务服务选取不可靠,造成用户服务质量不佳的问题,构建了QoS数据不确定性下电力业务服务自适应选取模型。通过局部约简处理方法,调整搜索空间,计算约束满意度的自适应值,采用动态适应性函数和惩罚函数进行服务寻优。充分考虑QoS数据不确定性,设计电力业务服务自适应选取流程。依据QoS属性,构建基于响应时间的自适应选取云模型,通过计算属性云期望值、熵值、随机性及反馈相似度实现电力业务服务自适应选取。由实验结果可知,该模型的用户满意度最大值为88%,计算时间最大值为0.69 s,能够有效提升电力业务服务质量。

面向动态QoS感知的体域网智能边缘算力资源管理算法

体域网(BAN,bodyareanetwork)是医疗物联网在个人健康监测领域的关键技术,融合边缘计算实现生理数据实时监测、紧急预警和治疗诊断智能化等服务。然而,体域网中感知节点计算任务的服务质量(QoS,qualityof service)随感知数据的紧急程度动态变化,现有的边缘算力网络资源分配方法难以高效灵活地保障体域网中多源异质任务的动态QoS。对长时程动态QoS感知的计算卸载和边缘算力随机优化问题进行了研究。考虑各体域网多源任务优先级和信道状态变化的马尔可夫性质,首先将原始的随机优化问题转化为无穷视域的马尔可夫决策过程问题。然后,构建各体域网的多源任务优先级序列,提出融合近端策略优化(PPO,proximal policy optimization)的深度强化学习任务卸载及算力分配在线决策算法。仿真结果表明,所提的决策算法优于现有基准算法,可有效地满足体域网中任务动态优先级需求,并降低任务完成所需的能量消耗和平均时延。

QoS Routing Optimization Based on Deep Reinforcement Learning in SDN

To enhance the efficiency and expediency of issuing e-licenses within the power sector, we must confront thechallenge of managing the surging demand for data traffic. Within this realm, the network imposes stringentQuality of Service (QoS) requirements, revealing the inadequacies of traditional routing allocation mechanismsin accommodating such extensive data flows. In response to the imperative of handling a substantial influx of datarequests promptly and alleviating the constraints of existing technologies and network congestion, we present anarchitecture forQoS routing optimizationwith in SoftwareDefinedNetwork (SDN), leveraging deep reinforcementlearning. This innovative approach entails the separation of SDN control and transmission functionalities, centralizingcontrol over data forwardingwhile integrating deep reinforcement learning for informed routing decisions. Byfactoring in considerations such as delay, bandwidth, jitter rate, and packet loss rate, we design a reward function toguide theDeepDeterministic PolicyGradient (DDPG) algorithmin learning the optimal routing strategy to furnishsuperior QoS provision. In our empirical investigations, we juxtapose the performance of Deep ReinforcementLearning (DRL) against that of Shortest Path (SP) algorithms in terms of data packet transmission delay. Theexperimental simulation results show that our proposed algorithm has significant efficacy in reducing networkdelay and improving the overall transmission efficiency, which is superior to the traditional methods.

云雾网络中低延迟QoS路由模型的研究

文章提出一种适用于云雾计算环境的低延迟QoS路由模型,以应对云雾网络中的数据传输延迟问题,并保证服务的可靠性与效率。在深入分析云雾网络特性基础上,构建了包含关键QoS参数的网络切片评估模型,并据此设计出能够动态调整路由策略的算法,有效适应网络状态变化。仿真实验显示,处理1000MB数据时,该模型较传统云计算网络减少了11.95秒的延迟时间,仅需18.47秒,显著提升了网络吞吐量与操作速度,同时降低了丢包率,对提升网络性能和用户体验至关重要。

数字电视信号在IP网络传输中的QoS保障技术应用

数字电视信号对传输质量有着十分严苛的要求,传统网际互连协议(Internet Protocol,IP)网络在提供端到端服务质量(Quality of Service,QoS)保障方面仍面临诸多挑战。对此,分析数字电视信号的业务特点和传输需求,梳理IP网络QoS领域的发展脉络,提出一种端到端QoS保障解决方案的总体架构,从接入网、骨干网、综合管理平台三个层面给出优化措施。

铁路5G-R系统的QoS测试方法

考虑到5G-R在铁路通信领域的引入,介绍铁路移动通信系统发展,研究5G-R核心网络架构和铁路三大应用场景,并针对铁路特定场景下的业务传输链路的服务质量(QoS)需求,设定QoS指标性能测试方法,从而前瞻性地布局,保障5G-R通信和列控系统等关键核心业务的传输速率、可靠性和安全性。

基于eNSP的拥塞与QoS仿真实验设计与分析

随着技术的不断进步和建设成本的降低,网络带宽越来越大,使抖动大和时延明显等网络质量问题得到了极大地改善。但是云计算、物联网的发展对带宽提出了更高的要求。网络拥塞仍是网络设计与运维中必须考虑的问题。以华为eNSP模拟器设计了一个仿真实验,模拟路由器出口拥塞环境。研究了网络拥塞情况下网络优化手段,保证关键业务的持续运行。列举了流量监管、流量整形和拥塞避免等多种基于区分的QoS解决办法。分析了不同手段解决网络拥塞问题的优缺点,增强了网络抗拥塞能力。