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。

基于软件定义网络的多约束QoS双路径路由优化方法

针对当前SDN架构存在路由算法复杂度高、QoS流满意度低和单链路故障等问题,提出了一种基于软件定义网络的多约束QoS双路径路由优化算法(SDN_MCQDP)。利用控制器获得全局网络状态信息,生成基于目的节点的有向无环图。在多约束QoS路由选择阶段,通过拉格朗日松弛对偶算法将多约束问题转化为线性规划问题。使用反向链路删减得到满足多约束QoS的节点不相交的双路径冗余链路,使链路故障后的数据传输得到保障。从路由计算时间、链路利用率、QoS流满意度等方面对算法进行仿真实验。结果表明,与MODLARAC、QT、RMCDP_RD、H_MCOP算法比较,SDN_MCQDP能够有效降低传输时延,减少路由计算时间,提高链路利用率,且在链路发生故障后仍能满足QoS需求。

DMRMQ:基于多QoS的动态组播路由算法

提出了一种基于多QoS的动态组播路由算法-DMRMQ,该算法采用Bellman-Ford算法作为路径搜索算法,能在满足带宽、延迟、延迟抖动和丢包率的前提下确定具有最小跳数和开销的动态组播路由.针对音频和普通数据流的仿真实验表明,DMRMQ能在基于多QoS的前提下建立动态组播路由,算法在路由请求平均成功率、路由平均延迟和平均跳数等衡量指标上比不考虑QoS的动态组播路由算法具有更好的性能.

多QoS约束的多播路由协议

随着高性能网络、移动网络及Internet的不断发展,具有QoS约束的多播路由技术已成为网络及分布式系统领域的一个重要研究课题.研讨了具有多QoS约束的多播路由问题,其中主要包含延迟、延迟抖动、带宽、代价等QoS约束.描述了一种适应于研究QoS多播路由的网络模型,提出了一种具有多QoS约束的多播路由协议(multicast routing protocol with multiple QoS,简称MRPMQ).MRPMQ试图有效减少生成多QoS约束的多播树的开销.在MRPMQ中,一个多播组成员能够动态地加入/退出一个多播会晤,且不干扰现有的多播树.给出了该协议的正确性证明和复杂性分析.仿真实验结果表明,MRPMQ为多QoS约束多播路由提供了一种新的有效途径.

多QoS约束网格作业调度问题的多目标演化算法

针对网格计算中的多QoS约束网格作业调度问题,以独立作业为研究对象,将其规约为多目标组合最优化问题.通过深入剖析多目标最优化理论及其演化算法,结合网格作业调度自然特征,提出了一种解决多QoS约束网格作业调度问题的多目标演化算法.该算法求解多个QoS维度效用函数指标的非劣解集,尝试解决多管理域间网格用户、资源管理者等网格实体的多目标协同问题.仿真结果表明,在时间维度、可靠性维度、安全性维度QoS效用值等用户级QoS指标,以及丢弃作业数等系统级指标方面该算法与QoS-Min-min和QoS-Sufferage等同类算法相比具有较好的综合性能.

QoS约束下的链路分离路径问题研究

研究了QoS约束下的链路分离路径问题,建立了2种QoS约束下的链路分离优化路径问题的模型。首先证明无向图的不具备端到端QoS约束的链路分离路径问题可以转化为其链路分裂图的对应问题,而具备端到端QoS约束的相应问题则无法进行类似转换。同时证明2种QoS约束下的链路分离优化路径问题都属于NP完全问题,最后对其近似算法进行研究并对算法进行比较测试。

面向全局约束的QoS分解与服务状态监控机制研究

组合服务QoS需求的全局性和服务QoS状态监控的局部性之间的矛盾使得组合服务的可用性难以满足用户的需求.针对此问题,提出了组合服务的自适应框架,重点研究了全局QoS分配与服务的QoS状态监控机制;通过分析服务的QoS历史信息来预测服务的QoS阈值,从而为全局QoS分解提供启发信息.并引入松弛系数以降低服务自适应的开销.实验表明:通过QoS阈值预测和松弛系数的使用能够实现以较小的自适应开销适应环境变化满足用户端到端的QoS需求,从而提高组合服务的可用性.

基于蚁群系统的多QoS约束组播路由算法

针对多QoS约束的组播路由问题,借鉴改进的蚁群系统,提出了一种新的QoS组播路由算法QCMR-ACS(QoSConstraintsMulticastRoutingbasedonACS).QCMR-ACS通过构建确定性选路概率函数和基于Prufer编码的变异操作,加速算法的收敛速度;对信息素实行多个独立QoS约束的惩罚性更新策略,使算法满足用户的QoS要求;考虑到网络实际应用,算法设计中引进了基于链路利用率的负载均衡和拥塞规避重路由策略,提高算法的鲁棒性.实验结果表明QCMR-ACS是一种正确、有效的QoS组播路由算法.

基于免疫——蚂蚁算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。

QIACO:一种多QoS约束网格任务调度算法

网格环境下的任务调度问题属于NP难解,难以得到精确的最优解,适合使用蚁群算法等智能优化算法对最优解进行逼近;同时,服务质量(QoS)也是衡量网格性能的一个重要指标,网格任务调度应该满足用户的QoS需求.为解决具有QoS保证的网格任务调度问题,本文以带有QoS约束的任务为研究对象,结合改进的蚁群算法,提出了一种基于蚁群算法的多QoS约束网格任务调度算法(QIACO).QIACO将蚁群算法用到网格任务调度问题中,具体考虑了5种QoS约束,并将QoS约束转换成效用,提出了多约束QoS任务调度模型.同时,本文改进了蚁群算法的搜索策略、决策规则和信息素更新策略,使总效用值即用户满意度达到最大.理论分析和仿真实验表明QIACO无论是在Makespan方面,还是在总效用方面都相比同类算法有较大的优势.

结合预测机制和QoS约束的网格资源调度算法的研究

资源调度是网格计算领域中的研究热点之一.以达到最优的资源利用率和提高用户对服务的满意程度为目标,定义了资源QoS约束和形式化描述;在任务完成期限和网络带宽的双重属性约束下结合预测机制,提出了网格资源调度算法Senior;应用GridSim工具包实现了相关的调度算法,并对调度算法仿真结果中的数据进行了分析和比较,验证了Senior调度算法在解决类似问题的优势.

一种基于蚁群系统的多约束Qos路由算法

该文研究了多约束路由Qos问题,其中约束主要包括时延、带宽、延时抖动、成本等。给出了多约束Qos路由的数学模型,并提出了一种基于蚁群系统原理来解决多约束Qos路由问题的算法。仿真实验证明该算法能很好地优化网络资源。

一种满足带宽和时延约束的选播QoS路由算法

建立一个满足带宽和时延约束的选播通信服务模型,提出相应的选播QoS路由算法。仿真实验结果表明:该算法是有效且切实可行的,它能同时满足带宽和时延的约束条件,较好地平衡网络负载,改善了网络服务质量。

基于蚁群算法的多路径多约束QoS路由研究

多路径多约束服务质量(Quality of Service,QoS)路由问题是无线传感器网络的核心问题之一,由于网络拓扑的不断变化及链路的固有的不精确性,解决这个问题具有很大的挑战性。首先给出无线传感器网络中QoS路由问题描述及调和蚁群算法(Ant Colony Optimization,ACO)的基本算法步骤及其特点。然后在分析了蚁群算法应用于QoS路由问题的可能性的基础上,给出了调和蚁群算法解决多路径多约束QoS问题的算法。最后通过仿真实例得到满意的结果。

基于再励学习蚁群算法的多约束QoS路由方法

本文研究了多约束QoS路由问题,给出基于模糊评判的路由模型,实现了多QoS约束的综合优化;同时提出一种再励学习蚁群路由算法对该问题进行求解,算法通过对蚂蚁搜索路径进行评价产生再励信号,并根据再励信号采取了不同的信息素更新策略,提高了算法的寻优能力和收敛速度。仿真实验表明,该算法能快速得到较大程度满足业务QoS要求的路径。

一种基于模拟退火方法的多约束QoS组播路由算法

研究了带宽、时延及时延抖动约束最小代价的QoS组播路由问题,提出一种利用模拟退火方法解决该问题的QoS组播路由算法SABDMA。该算法通过选择合适的模拟退火参数迭代求解,以获得满足QoS约束的最小代价组播树。同时,为避免搜索区域的扩大和计算时间的增加,根据时延和时延抖动的关系,提出采用“路径交换”策略在可行解范围内构造邻域集。仿真结果表明该算法具有可行、稳定、收敛快的特点;能根据组播应用对QoS的限制要求,有效地构造代价较低的组播树,具有较强的实时性。

QoS约束下基于双向分层的网格工作流调度算法

为使网格工作流的执行满足用户QoS要求,应用有向无环图描述工作流,并分析其中的关键活动,把用户对工作流的整体QoS约束分割为对单个任务的QoS约束。以此为基础,提出了一种基于双向分层的网格工作流调度算法Q-TWS。该算法通过对工作流正向分层和逆向分层,可以方便并准确找到任务之间的并行关系。Q-TWS可最大程度放松对任务执行时间的约束,在增加调度灵活性的同时又满足用户的QoS要求。实验表明,Q-TWS算法与TL算法相比,在同样的截止时间约束下,工作流执行时间较短,且工作流执行费用较小。

自适应的认知无线Mesh网络QoS约束的路由与频谱分配算法

提出了一种自适应的满足QoS约束的路由与频谱分配(SA2JR)算法,SA2JR的目标是:在满足无线业务QoS约束的情况下,最大化无线业务接受率,让尽可能多的无线业务需求能够被满足。SA2JR包括2个部分,按需的κ-路径路由(κ-Routing)算法,以及QoS驱动的频谱分配(QDSA)算法。κ-Routing负责为每一个需求产生κ条潜在路由路径,QDSA算法自适应地进行频谱分配,目标是从κ-Routing产生的κ条潜在路由路径中找出一条满足QoS约束的可行路由路径。仿真结果表明SA2JR能达到预定目标,获得了较高的无线业务接受率。

基于点火耦合神经网络的多约束QoS路由选择算法

本文针对多约束QoS路由选择问题,将其转化为一个多约束的赋权图最短路问题,并建立点火耦合神经网络,通过在其上所具有的自动波生成和传播特性,并在自动波的传播过程中随时监督约束的满足情况,及时取消不满足约束的自动波,从而最先到达目的节点的自动波所走过的路径即为多约束QoS的最优路径。该算法具有高度的并行性,并总是获得全局最优解,所需的迭代次数相对其他算法而言也是最少的。最后本文给出了实验结果及与其他算法的比较。

基于遗传算法的多QoS约束服务选择

为了实时提供满足客户QoS需求的组合Web服务,提出了一种快速稳定的基于遗传算法的多QoS约束服务选择算法。首先根据基于QoS约束的组合服务选择问题的数学模型,提出了一个较为合理的数据预处理过滤方法以缩小搜索空间,然后使用遗传算法的思想构造算法,并在实验的基础上确定各项参数,最后使用新的算法完成可行解搜索。实验结果表明,与传统的整数规划算法相比,新算法具有运算速度较快、可满足实时性要求,并且在问题规模扩大时具有良好的可扩展性等特点。