基于变结构离散动态贝叶斯IP网络拥塞链路推理

针对CLINK算法在路由改变时拥塞链路推理性能下降的问题,建立一种变结构离散动态贝叶斯网模型,通过引入马尔可夫性及时齐性假设简化该模型,并基于简化模型提出一种IP网络拥塞链路推理算法(VSDDB)。利用逐次超松弛迭代算法求解链路拥塞先验概率唯一解,基于贝叶斯最大后验准则,借助加权启发式贪心搜索算法推理拥塞链路集合。实验验证了VSDDB算法具有更好的推理性能。

一种大规模IP网络多链路拥塞推理算法

基于最小集覆盖理论的拥塞链路推理算法,仅对共享瓶颈链路进行推理,当拥塞路径存在多条链路拥塞时,算法的推理性能急剧下降.针对该问题,提出一种基于贝叶斯最大后验(Bayesian maximum a-posterior,简称BMAP)改进的拉格朗日松弛次梯度推理算法(Lagrange relaxation sub-gradient algorithm based on BMAP,简称LRSBMAP).针对推理算法中链路覆盖范围对算法推理性能的影响,以及探针部署及额外E2E路径探测发包的开销问题,提出设置度阈值(degree threshold value,简称DTV)参数预选待测IP网络收发包路由器节点,通过引入优选系数?,在保证链路覆盖范围的基础上,兼顾开销问题,确保算法的推理性能.针对大规模IP网络多链路拥塞场景下,链路先验概率求解方程组系数矩阵的稀疏性,提出一种对称逐次超松弛(symmetry successive over-relaxation,简称SSOR)分裂预处理共轭梯度法(preconditioned conjugate gradient method based on SSOR,简称PCG_SSOR)求解链路先验概率近似唯一解的方法,防止算法求解失败.实验验证了所提算法的准确性及鲁棒性.

基于Bayesian网IP网络拥塞链路定位算法

在借助E2E路径性能主动探测技术进行内部拥塞链路推理的网络层析成像方法中,传统的利用路径探测计算链路丢包率的方法涉及线性方程组求逆,其计算量过大可能导致算法失效。对此,该文提出一种基于布尔代数的IP网络拥塞链路定位算法,通过对求解先验概率的线性方程组构造满秩系数矩阵,从而计算出各链路拥塞先验概率,再借助贝叶斯最大后验概率算法推理定位当前时刻拥塞链路集合。实验验证了该算法的有效性及准确性。