大规模宽带接入及流量调度器的研究与实现

基于固定多出口链路网络,优化核心级数据处理方法,提出一种宽带网络接入及流量管理调度器系统架构模型,并设计了用户控制管理功能和客户端链路流量整形方法。实验表明,模型适用于多链路各种负载下的流量优化,有效解决了宽带网络的大量用户接入及负载均衡问题。     

基于流量调度的SDN数据中心网络拥塞控制算法

针对采用软件定义网络(SDN)的数据中心网络拥塞的问题,提出一种基于流量调度的数据中心网络拥塞控制算法。当链路发生拥塞时,该算法首先判别拥塞链路中 链路上关键度最大的大流,然后对大流进行重路由计算,选择调度开销最小的流,并进行调度代价计算,最后对调度代价最小的流进行调度。实验结果表明,所提算法能够有效缓解网络拥塞,降低丢包率,提高链路利用率,使得网络性能更为稳定。     

一种有效的网络多出口流量调度方案

针对基于Linux的多出口流量调度与负载不均衡问题,利用历史流量率和历史调度权值,提出一种自动按网络流量状态调整最优出口比例的自适应流量调度方案,给出方案的双出口校园网络完整配置过程和关键调度算法实现。仿真实验表明,该方案可有效调度网络多个出口的流量,保证网络多出口负载均衡。     

基于差分进化融合蚁群算法的数据中心流量调度机制

针对数据中心网络的传统流量调度方法容易引起网络拥塞及链路负载不均衡等问题,提出了一种差分进化（DE）融合蚁群（ACO）算法（DE-ACO）的动态流量调度机制,对数据中心网络中的大象流调度进行优化。首先,利用软件定义网络（SDN）技术捕获实时网络状态信息并设定流量调度的优化目标;然后,通过优化目标重定义DE算法,计算出多条可用候选路径,作为ACO算法的初始化全局信息素;最后,结合全局网络状态以求得全局最优路径,并重新路由拥堵链路上的大象流。实验结果表明,以在随机通信模式下为例,与等价多路径路由（ECMP）算法和基于蚁群算法的SDN数据中心网络流量调度（ACO-SDN）算法相比,所提算法的平均对分带宽分别提高了29.42%～36.26%和5%～11.51%,降低了网络的最大链路利用率（MLU）,较好地实现了网络负载均衡。     

WMN中的干扰避免部分重叠信道分配算法

针对无线mesh网络(wireless mesh networks,WMN)中存在的信道干扰问题,提出一种基于部分重叠信道(partially overlapping channels,POC)的负载平衡且干扰避免的信道分配算法。通过基于Huffman树的通信接口分配方法连接邻居节点的接口;根据网络干扰情况,对链路进行迭代信道分配,使用静态链路调度保证网络连接;利用启发式算法优先为重要程度较高的链路分配无干扰时隙,对链路调度进行优化。仿真结果表明,在具有混合流量的WMN中,所提算法可以显著提升网络吞吐量,降低网络干扰与平均丢包率,改善网络性能。     

针对不确定流量的多收发机无线网络资源优化研究

多收发机无线网络具有多接口多信道多跳的特点,是今后无线网络发展的趋势。该网络中信道与链路的资源分配,涉及路由、信道分配以及链路调度的联合优化。在以往的研究中通常对网络流量模型进行简化,假设其是确定且相对稳定的。考虑到实际网络中流量不确定性的特征,以网络吞吐量最大化为目标,提出传输流约束、信道资源约束以及干扰约束条件下的资源分配联合优化模型,以及基于不确定流量条件下资源分配最优解的链路调度策略。仿真实验结果证明所提出的路由、信道分配及链路调度方案能够更好地适应变化的网络流量需求。     

DTBF模型的流量负载均衡研究与实现

针对目前网络工程中负载优化困难的问题，基于令牌调度方法提出了一种改进的动态令牌分配调度模型DTBF，实现了实时流的流量整形，推导并设计了动态分配令牌的优化算法以解决逻辑链路间的负载均衡问题。实验分析和工程实现结果表明，此流量调度方法能有效地对链路间进行流量负载均衡，显著提高带宽利用率，用户公平性良好。     

一种改进路由算法的设计与仿真

研究网络资源提高调度效率问题,在网络资源的利用率上,尽量避免数据过大,引起资源不均衡。当网络中接入大量数据,流量变大的时候,数据流量的突变性增大会造成通信链路拥塞,导致网络不能有效调度,网络资源利用率下降的问题。为了解决大量数据接入可能会导致的链路拥塞的问题,提出一种改进的多路径流量分配路由算法,通过提高计算链路在网络中承载的关键性,以链路的关键性为主要指标,把链路关键性和网络剩余容量转化为网络传输成本,以最小化网络传输成本为目标函数来设计解决网络拥塞问题。仿真结果表明,改进后的算法能更有效提高网络的负载均衡性和资源利用率,避免网络拥塞。     

考虑链路重传的工业无线网络确定性调度算法

作为工业网络的关键技术, 确定性调度通过合理安排网络传输资源, 满足工业数据在规定时间内到达目标设备的实时性要求. 工业网络往往部署在环境恶劣、电磁情况复杂的工业现场, 与有线网络相比, 工业无线网络还面临着严重的丢包问题. 考虑到重传是克服链路丢包的简便高效方法, 本文提出了支持持续重传和区间重传两种策略的确定性调度算法. 基于链路时槽松弛度和动态优先级, 调度算法在每个时槽按照调度规则为重传链路配置通信资源, 缓解丢包对数据传输的影响, 并围绕对应重传策略进行相应的时槽、频点优化分配, 保障数据端到端按时到达. 仿真结果表明, 所提调度算法在满足传输确定性的前提下, 有效提升了数据传输的可靠性.     

基于系统最优的航空信息网络流量均衡方案

随着未来空战的需求,当前的航空信息网络逐渐暴露出种种不足,如针对不同作战任务网络应具备较强的差异化服务能力、网络中各平台节点间的信息不能得到及时共享、网络规模的增加导致网络中流量发生拥塞和网络架构更加臃肿等问题,而SDN的出现较好地解决了这一问题,通过将SDN与航空信息网络相结合,创新性地提出了一种软件定义航空信息网络。文中面向航空信息网络中的流量传输问题,针对网络中流量分布不均衡的情况,提出了一种基于系统最优(System Optiminzation,SO)的流量负载均衡方案。文中通过构建混合SDN/IP航空信息网络模型,在网络中利用SDN控制器的集中控制特性使SDN节点对业务流量进行多路径转发,进而实现对其调度优化,并定义链路拥塞系数和SDN数据流,以链路利用率最小为目标,利用Wardrop均衡理论分析求解,参照系统最优原则,并提出一种基于SO的流量均衡分配算法。为体现所提算法的优越性,仿真中同时设置了SMR算法和MSR算法,结果表明SOA算法在业务完成率与业务吞吐量方面均有显著提升,如在大规模网络中,MSR和SMR算法的业务完成率分别为58.4%和52.2%,而SOA算法的业务完成率大约为70.5%,性能分别提升了20.7%和35.1%,因此所提算法对网络中流量的转发实现了较好的处理,为解决未来航空信息网络下的流量传输问题提供了一种新思路。     

基于GNP算法的分布式爬虫调度策略*

针对分布式搜索引擎的任务调度及负载均衡问题,提出了基于GNP算法的分布式爬虫调度策略和负载均衡的方法。利用网络距离预估取代大规模的网络距离测量,不仅提高了系统的响应速度,还减少了系统对广域网造成的压力。通过在广域网上部署爬虫节点,构建分布式搜索引擎,应用该调度策略进行实验,验证了系统性能有较大提高。     

基于聚类过采样和自动编码器的网络入侵检测方法

近年来,随着互联网技术的不断发展,入侵检测在维护网络空间安全方面发挥着越来越重要的作用。但是,由于网络入侵行为的数据稀疏性,已有的检测方法对于海量流量数据的检测效果较差,模型准确率、F-measure等指标数值较低,并且高维数据处理的成本过高。为了解决这些问题,本文提出了一种基于稀疏异常样本数据场景下的新型深度神经网络入侵检测方法,该方法能够有效地识别不平衡数据集中的异常行为。本文首先使用k均值综合少数过采样方法来处理不平衡的流量数据,解决网络流量数据类别分布不平衡问题,平衡网络流量数据分布。再采用自动编码器来处理海量高维数据并训练检测模型,来提升海量高维流量中异常行为的检测精度,并在两个真实典型的入侵检测数据集上进行了大量的实验。实验结果表明,本文所提出的方法在两个真实典型数据集上的检测准确率分别为99.06%和99.16%, F-measure分别为99.15%和98.22%。相比于常用的欠采样和过采样方法, k均值综合少数过采样技术能够有效地解决网络流量数据类别分布不平衡的问题,提升模型对低频攻击行为的检测效果。同时,与已有的网络入侵检测方法相比,本文所提出的方法在准确率、F-m...     

软件定义广域网中控制器部署与交换机动态迁移策略

在软件定义广域网（SD-WAN）部署中，由于广域网（WAN）覆盖范围极大这一特性，单控制器部署策略无论在容量、负载还是安全方面都无法满足其需求，多控制器的部署成为必然趋势。而多控制器部署后整体网络的静态配置很难适应动态的网络流变化，从而造成控制器的负载不均衡，整体网络性能降低。针对上述问题，提出一种多控制器部署算法SC-cSNN，以有效减小控制器和交换机之间的传播时延；并提出一种基于时延、控制器容量以及控制器安全等特征的交换机动态迁移算法，以有效解决控制器超负载问题。仿真实验结果表明，SC-cSNN控制器部署算法的平均最大时延优于现有的基于k-means和基于谱聚类的控制器部署算法，交换机动态迁移算法从多特征的角度有效地解决了SD-WAN控制器负载不均衡的问题。     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

面向时间敏感网络的流量调度方法

从高效流量路由调度计算的角度出发,针对时间敏感流量调度中通常存在的计算效率低、迭代收敛慢等问题,提出一种基于最短路径负载均衡与改进遗传算法的流量调度方法。建立网络模型与流量模型并定义时间敏感网络中的流量传输约束,同时利用基于K最短路径的负载均衡路由算法与改进选择算子和交叉变异概率的遗传算法进行路由与调度计算。实验结果表明,该方法能有效缩短时延敏感流量调度任务的完成时间,提高调度计算效率,并加快迭代收敛速度。     

基于多任务强化学习的堆垛机调度与库位推荐

堆垛机调度是物流仓储自动化中的重要任务,任务中的出入库效率、货物存放等情况影响仓储系统的整体效益。传统调度方法在面对较大规模调度问题时,因处理大状态空间从而导致性能受限和收益降低。与此同时,库位优化与调度运行联系密切,但现有多数工作在处理调度问题时未能考虑到库位优化问题。为解决仓储中堆垛机调度问题,提出一种基于深度强化学习算法的近端策略优化调度方法。将调度问题视为序列决策问题,通过智能体与环境的持续交互进行自我学习,以在不断变化的环境中优化调度。针对调度中伴生的库位优化问题,提出一种基于多任务学习的调度、库位推荐联合算法,并基于调度网络构建适用于库位推荐的Actor网络,通过与Critic网络进行交互反馈,促进整体的联动和训练,从而提升整体效益。实验结果表明,与原算法模型相比,该调度方法的累计回报值指标平均提升了33.6%,所提的多任务学习的联合算法能有效地应对堆垛机调度和库位优化的应用场景,可为该类多任务问题提供可行的解决方案。     

Data Utilization-Based Adaptive Data Management Method for Distributed Storage System in WAN Environment

Recently, research on a distributed storage system that efficiently manages a large amount of data has been actively conducted following data production and demand increase. Physical expansion limits exist for traditional standalone storage systems, such as I/O and file system capacity. However, the existing distributed storage system does not consider where data is consumed and is more focused on data dissemination and optimizing the lookup cost of data location. And this leads to system performance degradation due to low locality occurring in a Wide Area Network (WAN) environment with high network latency. This problem hinders deploying distributed storage systems to multiple data centers over WAN. It lowers the scalability of distributed storage systems to accommodate data storage needs. This paper proposes a method for distributing data in a WAN environment considering network latency and data locality to solve this problem and increase overall system performance. The proposed distributed storage method monitors data utilization and locality to classify data temperature as hot, warm, and cold. With assigned data temperature, the proposed algorithm adaptively selects the appropriate data center and places data accordingly to overcome the excess latency from the WAN environment, leading to overall system performance degradation. This paper also conducts simulations to evaluate the proposed and existing distributed storage methods. The result shows that our proposed method reduced latency by 38% compared to the existing method. Therefore, the proposed method in this paper can be used in large-scale distributed storage systems over a WAN environment to improve latency and performance compared to existing methods, such as consistent hashing.     

无信号交叉口网联车调度与分布式控制策略

针对多车道无信号交叉口,在高交通流量时易发生拥堵的问题,提出了一种适用于交叉口智能网联车(connected automated vehicle, CAV)通行的解决方案,将问题解耦成顺序决策和分布式控制两个问题。而车辆调度是方案中的关键点,对通行效率有很大的影响,且问题的复杂度是指数级。为解决该问题,提出一种基于队列评价模型的决策方法(queue evaluation spanning tree, QEST),将网联车存到的多个队列模型中,并以通行效率和车辆延迟建立代价函数,以此对队列进行评价,通过不断循环选择最佳的队列,优化车辆在交叉口的通行顺序,有效提升了通行效率。对第二个问题,提出一种分布式控制框架,使得车辆按预定顺序通过交叉口。结果表明,该方案在中高交通流量时能有效提升交叉口的通行效率并降低车辆延迟和能量消耗。     

基于改进DPSO的网格资源调度算法

基于市场经济模型的网格资源调度问题是一个典型的离散问题及NP-Hard问题,考虑到离散粒子群优化算法在解决离散问题上的有效性,本文在现有算法的研究基础上,提出一种基于改进的离散粒子群优化算法的网格资源分配和任务调度算法,并采用GridSim模拟器对相关算法进行仿真模拟实验和比较。实验结果表明,本文提出的调度算法在作业完成时间、综合性能以及资源的负载平衡方面均具有较大的优势。     

改进人工蜂群算法求解分布式柔性作业车间调度问题

针对分布式柔性作业车间调度问题的特点,提出一种改进人工蜂群算法.首先,建立以最小化最大完工时间为优化目标的分布式柔性作业车间调度优化模型;然后,改进基本人工蜂群算法以使其适用于求解分布式柔性作业车间调度问题,具体的改进包括设计一种包含三维向量的编码方案,结合问题特点针对性地设计多种策略用于种群初始化,在雇佣蜂改良搜索操作中设计多种有效的进化操作算子,并在跟随蜂搜索操作中引入基于关键路径的局部搜索算子以提升算法的局部搜索能力;最后,利用扩展柔性作业车间通用测试集得到的测试数据设计实验验证算法性能,使用正交试验法优化算法参数设置.仿真实验结果表明,改进后的人工蜂群算法能有效求解分布式柔性作业车间调度问题.