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,...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。展开更多
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....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.展开更多
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 stringentQu...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.展开更多
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...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。展开更多
随着网络通信行业的迅速发展,出现了各种各样的数字移动终端,用户对服务质量的要求也不断提高,QoS (Quality of Service)应运而生。时延是QoS的指标之一,通过研究时延可以进一步分析网络的性能。基于排队论,主要研究单一业务到达时的系...随着网络通信行业的迅速发展,出现了各种各样的数字移动终端,用户对服务质量的要求也不断提高,QoS (Quality of Service)应运而生。时延是QoS的指标之一,通过研究时延可以进一步分析网络的性能。基于排队论,主要研究单一业务到达时的系统性能,建立单一服务器服务的排队系统,在建模中,主要考虑突发性业务,使用突发性到达MMOO过程作为系统的输入,将服务过程建立为ALOHA。利用新的理论方法——鞅论,指数上鞅能够准确描述突发性到达对网络性能的影响,在鞅域中构建服务鞅和到达鞅的结构,通过鞅的停时定理,推导系统的时延违反概率不等式建模出在鞅结构下的时延违反概率界,利用MATLAB统计比较不同的负载率对应的时延违反概率界,发现在突发型的业务到达时,时延界随着负载率的减小更加紧致更加趋于真实值。展开更多
在网络世界中,网际互连协议(Internet Protocol,IP)承载网扮演着信息流动的骨干角色,其运行表现和服务水准至关重要。文章详细探讨了IP承载网中服务质量(Quality of Service,QoS)策略的设计与优化方法,重点涵盖分类服务与标记、流量控...在网络世界中,网际互连协议(Internet Protocol,IP)承载网扮演着信息流动的骨干角色,其运行表现和服务水准至关重要。文章详细探讨了IP承载网中服务质量(Quality of Service,QoS)策略的设计与优化方法,重点涵盖分类服务与标记、流量控制与优先级队列管理以及链路和节点策略的具体实现。通过流量分析与预测、智能资源分配与调度、动态策略调整以及故障检测与容错机制,提出一系列提升网络性能和用户体验的有效措施。展开更多
民用飞机后舱包括信息系统(Information System,IS)、客舱核心系统(Cabin Core System,CCS)、机载娱乐(In-Flight Entertainment,IFE)系统、外部通信系统(External Communication System,ECS)等,各系统飞行安全域等级不同且网络交联关...民用飞机后舱包括信息系统(Information System,IS)、客舱核心系统(Cabin Core System,CCS)、机载娱乐(In-Flight Entertainment,IFE)系统、外部通信系统(External Communication System,ECS)等,各系统飞行安全域等级不同且网络交联关系复杂,这对传输服务质量(Quality of Service,QoS)提出极高要求,传统的QoS算法难以达到最佳效果。针对上述问题,将公平队列调度(Fair Weight Queue,FWQ)算法和随机早期检测(Random Early Detection,RED)算法相结合,整合到QoS处理系统上,并利用优先级双因素(Two-Factor,TF)机制对数据流进行精细化描述,提出一种民用飞机后舱一体化网络改进型QoS算法,命名为双因素加权公平队列随机早期检测(Two Factor-Fair Weighted Queue-Random Early Detection,TF-FWQ-RED)算法,使用OPNET网络仿真工具对该算法进行仿真验证。仿真运行结果显示,通过该算法可有效降低后舱高优先级业务流在网络拥塞场景下受延迟或丢包率的影响,同时保证了网络的高效运行,表明了TF-FWQ-RED算法的正确性以及对民机后舱混合复杂网络环境下现实需求的适应性。展开更多
“双碳规划”下电网面临形态和功能的集约升级,区域内节点化、模块化特征愈加突出,亟需研究一种计及节点特性的路由算法,来保障通信网支撑能力。首先,依托节点的电网影响度和拓扑关系定义了重要度参数。其次,从状态转移、自适应搜索收...“双碳规划”下电网面临形态和功能的集约升级,区域内节点化、模块化特征愈加突出,亟需研究一种计及节点特性的路由算法,来保障通信网支撑能力。首先,依托节点的电网影响度和拓扑关系定义了重要度参数。其次,从状态转移、自适应搜索收敛控制等方面将重要度嵌入策略模型,引导路由优化方向。然后,引进参数知识模型挖掘优化问题的相关知识,协同重要度指导后续优化过程,降低了蚁群系统的参数敏感性。最后,通过仿真证明在满足服务质量(quality of service,QoS)前提下,策略模型计及节点重要度的知识型路由能快速收敛,并提供了良好而稳定的主备用路由性能。展开更多
针对空间信息网络存在节点资源有限,且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先,利用SDN(Software-Defined Network)实时获取链路QoS参数的特性,提出了考虑了链路质量、剩余带...针对空间信息网络存在节点资源有限,且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先,利用SDN(Software-Defined Network)实时获取链路QoS参数的特性,提出了考虑了链路质量、剩余带宽和节点负载因素的传输代价模型,建立以路径最小代价为优化目标的多约束QoS路由模型,以最大化网络吞吐量.然后,为满足不同优先级数据流的QoS需求,利用Adam(Adaptive moment estimation)算法解决多约束模型阈值自适应问题.与传统的手动设置方式相比,能够更好地适应网络变化,提供更加个性化的服务质量.最后,通过改进的蚁群算法求解多约束优化问题,利用双禁忌表优化候选节点,根据SDN可编程特性讨论了信息素挥发系数取值问题,最终求得最优路径.数值结果表明,与相关方案相比,该方法在满足空间信息网络多优先级QoS需求的同时,在算法收敛速度和网络吞吐量、负载分布指数方面具有更好的性能.展开更多
网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端.随着服务数量的增多,为了向用户更好地推荐服务,如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service,QoS)成为一项挑战.本文提...网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端.随着服务数量的增多,为了向用户更好地推荐服务,如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service,QoS)成为一项挑战.本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL),它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知.首先,对服务的负载状况进行特征表示,并通过时序分解模块获取时序特征.其次,将CNN和BiLSTM结合,学习潜在的时序关系,生成不同时刻的状态向量.然后,基于Attention机制为历史时刻的状态向量分配权重,从而构造未来时刻的状态向量.最后,将上下文嵌入向量与状态向量送入感知层完成实时QoS预测.基于真实的融合数据集进行了大量的实验,结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%,优于现有的时间感知QoS预测方法.展开更多
文摘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。
文摘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.
基金State Grid Corporation of China Science and Technology Project“Research andApplication of Key Technologies for Trusted Issuance and Security Control of Electronic Licenses for Power Business”(5700-202353318A-1-1-ZN).
文摘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.
文摘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。
文摘随着网络通信行业的迅速发展,出现了各种各样的数字移动终端,用户对服务质量的要求也不断提高,QoS (Quality of Service)应运而生。时延是QoS的指标之一,通过研究时延可以进一步分析网络的性能。基于排队论,主要研究单一业务到达时的系统性能,建立单一服务器服务的排队系统,在建模中,主要考虑突发性业务,使用突发性到达MMOO过程作为系统的输入,将服务过程建立为ALOHA。利用新的理论方法——鞅论,指数上鞅能够准确描述突发性到达对网络性能的影响,在鞅域中构建服务鞅和到达鞅的结构,通过鞅的停时定理,推导系统的时延违反概率不等式建模出在鞅结构下的时延违反概率界,利用MATLAB统计比较不同的负载率对应的时延违反概率界,发现在突发型的业务到达时,时延界随着负载率的减小更加紧致更加趋于真实值。
文摘在网络世界中,网际互连协议(Internet Protocol,IP)承载网扮演着信息流动的骨干角色,其运行表现和服务水准至关重要。文章详细探讨了IP承载网中服务质量(Quality of Service,QoS)策略的设计与优化方法,重点涵盖分类服务与标记、流量控制与优先级队列管理以及链路和节点策略的具体实现。通过流量分析与预测、智能资源分配与调度、动态策略调整以及故障检测与容错机制,提出一系列提升网络性能和用户体验的有效措施。
文摘民用飞机后舱包括信息系统(Information System,IS)、客舱核心系统(Cabin Core System,CCS)、机载娱乐(In-Flight Entertainment,IFE)系统、外部通信系统(External Communication System,ECS)等,各系统飞行安全域等级不同且网络交联关系复杂,这对传输服务质量(Quality of Service,QoS)提出极高要求,传统的QoS算法难以达到最佳效果。针对上述问题,将公平队列调度(Fair Weight Queue,FWQ)算法和随机早期检测(Random Early Detection,RED)算法相结合,整合到QoS处理系统上,并利用优先级双因素(Two-Factor,TF)机制对数据流进行精细化描述,提出一种民用飞机后舱一体化网络改进型QoS算法,命名为双因素加权公平队列随机早期检测(Two Factor-Fair Weighted Queue-Random Early Detection,TF-FWQ-RED)算法,使用OPNET网络仿真工具对该算法进行仿真验证。仿真运行结果显示,通过该算法可有效降低后舱高优先级业务流在网络拥塞场景下受延迟或丢包率的影响,同时保证了网络的高效运行,表明了TF-FWQ-RED算法的正确性以及对民机后舱混合复杂网络环境下现实需求的适应性。
文摘“双碳规划”下电网面临形态和功能的集约升级,区域内节点化、模块化特征愈加突出,亟需研究一种计及节点特性的路由算法,来保障通信网支撑能力。首先,依托节点的电网影响度和拓扑关系定义了重要度参数。其次,从状态转移、自适应搜索收敛控制等方面将重要度嵌入策略模型,引导路由优化方向。然后,引进参数知识模型挖掘优化问题的相关知识,协同重要度指导后续优化过程,降低了蚁群系统的参数敏感性。最后,通过仿真证明在满足服务质量(quality of service,QoS)前提下,策略模型计及节点重要度的知识型路由能快速收敛,并提供了良好而稳定的主备用路由性能。
文摘针对空间信息网络存在节点资源有限,且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先,利用SDN(Software-Defined Network)实时获取链路QoS参数的特性,提出了考虑了链路质量、剩余带宽和节点负载因素的传输代价模型,建立以路径最小代价为优化目标的多约束QoS路由模型,以最大化网络吞吐量.然后,为满足不同优先级数据流的QoS需求,利用Adam(Adaptive moment estimation)算法解决多约束模型阈值自适应问题.与传统的手动设置方式相比,能够更好地适应网络变化,提供更加个性化的服务质量.最后,通过改进的蚁群算法求解多约束优化问题,利用双禁忌表优化候选节点,根据SDN可编程特性讨论了信息素挥发系数取值问题,最终求得最优路径.数值结果表明,与相关方案相比,该方法在满足空间信息网络多优先级QoS需求的同时,在算法收敛速度和网络吞吐量、负载分布指数方面具有更好的性能.
文摘网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端.随着服务数量的增多,为了向用户更好地推荐服务,如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service,QoS)成为一项挑战.本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL),它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知.首先,对服务的负载状况进行特征表示,并通过时序分解模块获取时序特征.其次,将CNN和BiLSTM结合,学习潜在的时序关系,生成不同时刻的状态向量.然后,基于Attention机制为历史时刻的状态向量分配权重,从而构造未来时刻的状态向量.最后,将上下文嵌入向量与状态向量送入感知层完成实时QoS预测.基于真实的融合数据集进行了大量的实验,结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%,优于现有的时间感知QoS预测方法.