一种基于多约束路径的QoS路由改进算法

针对MPLS网络,提出一种带宽时延约束路由改进算法,引入节点负荷率的限制,在路由时避开负载较重的链路,在保证用户业务带宽与时延约束的前提下,为一部分流量寻找一条相对较长但负载较轻的路径,以使得整个网络的流量分布更加均衡,从一定程度上可以减少网络拥塞。从仿真实验结果来看,改进后的算法在吞吐量、请求建立的成功率以及端到端时延等性能方面有比较好的表现。     

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。     

一种高效动态LEO卫星网络流量调节路由算法

针对考虑负载均衡的LEO卫星网络路由算法存在控制网络开销偏大、路由更新不及时以及流量调节机制分配不均等问题,提出了一种基于负载均衡的动态LEO卫星网络路由算法DRLB。根据卫星节点路径记录信息以及后向Agent读取策略设计新的路由机制,获得动态卫星拓扑结构;分析前向Agent的分组格式并删除冗余字段,达到减小网络开销目的;根据数据发送时间间隔构造前向Agent选址策略,提高路由更新效率,通过考虑卫星所处纬度流量分配不均问题,改进流量调节因子,获得更好的负载均衡效果。仿真结果表明,与SDRZ-MA算法相比,DRLB算法在减缓星地之间的控制开销、平均端到端时延等方面具有较好的优势。     

基于节点综合重要度排序的服务功能链部署优化方法

为满足5G网络环境下高可靠性、低时延的要求，同时降低网络带宽资源消耗，面向流量与可靠性优化提出一种基于节点综合重要度排序的服务功能链（SFC）部署方法。首先，基于流量改变率聚合虚拟网络功能（VNF），从而减少部署的物理节点，提高链路可靠性；其次，通过节点的度、可靠性、综合时延与链路跳数定义节点综合重要度，并依据该重要度对物理节点排序；然后，将VNF依次映射到底层物理节点上，同时通过约束链路条数以减少“乒乓效应”并优化流量；最后，通过k-最短路径算法映射虚拟链路，从而完成整个SFC的部署。相较于原有聚合方法，所提方法的SFC平均可靠性提升2%,SFC端到端平均时延降低22%，平均带宽开销降低29%，长期平均收益开销比提高16%。实验结果表明，所提方法能有效提高链路的可靠性，降低端到端的时延与带宽资源消耗，起到了良好的优化效果。     

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。     

服务覆盖网络中一种动态流量工程模型与算法

针对服务覆盖网络中的自私路由造成的网络流量失衡将严重影响网络效率和稳定性的问题, 研究如何在覆 盖层应用动态流量工程的方法进行流量优化分配. 基于随机动态优化配流理论, 提出一种服务覆盖网络的动态流量 工程模型, 并设计了分布式的流量工程算法. 该算法可以折衷控制路由的自私与负载均衡的程度. 模拟实验显示, 所 提出的方法较其他方法具有更好的性能, 尤其对于实时动态流量有着较好的适应性.

     

认知无线传感器网络中基于流量的多路径路由

人们对无线传感器网络多路径路由问题的讨论很多,但从流量分配的角度来讨论路由问题相对较少。主要讨论无线传感器网络通过认知无线电租赁有限的频谱资源,从网络流量分配的角度,利用微分博弈模型来解决无线传感器网络多路径路由问题,同时也考虑了多路径路由的稳定性及经济效益问题。通过求微分博弈反馈纳什均衡的解对n条路径进行了动态流量分配,给出了可以提高认知无线传感器网络有效性、稳定性、可靠性及经济效益的多路径路由算法。     

基于时延敏感无线传感器网络的最优任播算法

任播技术应用在基于休眠唤醒机制的无线传感器网络(WSN)中可以改善其时延较长的问题,但以往技术是针对每一跳候选节点的休眠时延进行优化的,该策略在端对端时延上往往并不最优甚至有时效果很差。针对端对端时延问题提出基于时延敏感WSN的最优任播算法。协议中基站采用AODV多路径路由协议获取任播路径信息,采用遗传算法进行最优化计算,并将所得各节点至任播组最优任播路径的信息返回给各节点。该算法具有自适应调节任播路径和全局优化的特点。实验数据表明,与以往算法相比,该算法可以更有效地降低端对端时延。     

基于主动网络的多路径流量均衡模型研究

现有网络中到达某一目的地址的流量一般集中在最优路径上,这使得网络资源利用不均衡,拥塞不可避免,而传统网络体系结构很难实现流量均衡。利用主动网络节点的协作分布式计算能力给出了一种多路径的流量均衡模型,该模型包括多路径输出流量优化分配、输入带宽优化分配、拥塞抑制等算法,实现了流量与资源的均衡配置。实验证明该模型提高了网络链路的利用率,避免或减少了网络拥塞的发生,整个网络性能得到了提高。     

基于改进Dijkstra算法的配用电通信网流量调度策略

针对配用电通信网中数据汇聚易产生拥塞的问题,提出了一种复合边权值流量调度路由算法。首先,依据跳数建立节点分层模型;然后,划分配用电业务优先级和节点拥塞等级;最后,以跳数、流量负载率和链路利用率为综合指标计算边权值,对需要流量调度的节点根据改进的Dijkstra算法进行路由选择,同时对重度拥塞节点按照配用电业务优先级进行调度。与最短路径（SPF）算法和贪婪背压算法（GBRA）相比,在数据生成率为80 kb/s时,所提算法紧急型业务丢包率分别减少了81.3%和67.7%,关键型业务丢包率分别减少了79%和63.8%。仿真结果表明,所提算法能有效缓解网络拥塞,提高网络有效吞吐量,降低网络端到端时延和高优先级业务的丢包率。     

基于强化学习的SDN路由优化算法

针对SDN控制器中网络路由的优化问题,基于强化学习中的PPO模型设计了一种路由优化算法。该算法可以针对不同的优化目标调整奖励函数来动态更新路由策略,并且不依赖于任何特定的网络状态,具有较强的泛化性能。由于采用了强化学习中策略方法,该算法对路由策略的控制相比各类基于Q-learning的算法更为精细。基于Omnet++仿真软件通过实验评估了该算法的性能,相比传统最短路径路由算法,路由优化算法在Sprint结构网络上的平均延迟和端到端最大延迟分别降低了29.3%和17.4%,吞吐率提高了31.77%,实验结果说明了基于PPO的SDN路由控制算法不仅具有良好的收敛性,而且相比静态最短路径路由算法与基于Q-learning的QAR路由算法具有更好的性能和稳定性。     

分布式星群网络中基于蚁群算法的通信量分类路由

给出了一种分布式星群网络(Distributed Satellite Cluster Network,DSCN)体系架构,阐明了DSCN拓扑变化的特点。在分析网络状态获取方式和路由计算方法的基础上,提出了一种适用于DSCN的基于蚁群算法的通信量分类路由(Ant Colony Optimization Based Traffic Classified Routing,ATCR)算法。ATCR算法将通信量分为时延敏感型通信量A、带宽敏感型通信量B以及提供尽力而为服务的通信量C,并对蚁群算法(Ant Colony Optimization,ACO)收敛慢的缺点进行了改进。仿真实验表明,ATCR算法提高了收敛速度,可以有效平衡网络流量。通信量A和C的端到端时延要小于未采用通信量分类的改进ACO算法。由于减少了重负载链路的数量及拥塞引起的丢包,ATCR算法在分组递交率上的表现优于改进的ACO算法。     

基于混合策略的QoS选播流路由优化算法

分析了QoS选播流交错服务问题的产生过程及其对网络资源的浪费，提出了一种基于混合策略的全局路由优化解决方法．在构建路由优化问题模型的基础上，得出了选播流路由端到端时延、服务器负载、网络流量、路径调整等多个优化目标和QoS约束的表达式．给出了GA、SA、TS三种算法有机结合形成的一种混合优化算法，并说明了运用该算法求解的关键步骤和实现过程．实验结果表明，本算法能够在满足QoS约束的前提下实现选播路由的多目标组合优化，与基于GA或者SA的求解算法相比具有更强的稳定性和更高的精确度．     

Traffic routing in a computer network

This paper presents a technique for tuning Decnet networks so as to minimize the average end-to-end packet delay for the entire network. It represent an adaptation of theoretical work on network flows to the realistic case of Decnet. Using this technique to configure hypothetical networks, it then discusses the behaviour of the Decnet routing algorithm with respect to network size, topological connectivity and traffic configuration.     

基于二元目标优化的多链路负载均衡算法DBCTIA的研究

在IP流量规划思想和多重链路时延均衡算法DTIA的基础上,提出一种基于二元目标优化的链路负载均衡算法DBCTIA,能够在原始的切割调度样本中,基于链路时延和剩余带宽的协方差值,对IP路由表的大小和数量进行二次分割调整, 使得多重链路达到时延及剩余带宽的均衡。实验结果显示,在网络重载情况下,DBCTIA对多链路时延和剩余带宽的均衡效果显著,而且DBCTIA进行负载均衡后的链路Power值较DTIA均衡后的链路Power值有所增加。er值较DTIA均衡后的链路Power值有所增加。     

两种智能优化算法在交通控制 应用中的对比分析

城市交通系统是一个庞大的系统,具有极强的随机性以及复杂性,要想实现对其有效控制,必须不断进行研究 和分析。本文主要讨论两种智能优化算法在城市交通控制应用中的对比。两种智能算法分别是混沌遗传算法和混沌粒子群 算法。通过对这两种智能优化算法的计算结果进行仿真发现,这两种算法的自适应性、鲁棒性以及自学习性都是相当强的,能 够有效地实现对地区交通信号的控制优化,并且由于固定周期控制方式在其中的应用,能够使车辆的平均延误情况得到有效 的缓解,对改善地区交通有着积极的意义。     

基于Q学习的单路口交通信号协调控制

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面,建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数,在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比,验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法,本文提出的算法更加适合单路口的绿信比优化。     

Ad Hoc网络中QoS保障的按需路由算法

针对Ad Hoc网络中的服务质量(QoS)保障问题,提出按需QoS路由算法DQR。该算法通过有限洪泛的方式进行寻路,并在路径的每个中间节点实行准入控制、动态可调节性的资源预留/资源释放,采用路由序列号的方式避免回环产生。仿真结果验证,提出的QoS路由算法在流量接受率、端到端到达率、平均端到端时延等指标上均能获得较好的性能。     

一种无人机自组网DSR协议优化方法

针对DSR协议的路由优化问题,结合无人机网络的特点,提出一种基于萤火虫算法的无人机自组网DSR协议优化方法。该方法综合利用节点的能量消耗、缓冲拥塞、移动速率和传输损耗构建萤火虫的适应度函数,根据适应度函数来衡量萤火虫的荧光亮度,通过萤火虫初始化、萤火虫移动和更新荧光值等阶段的路由搜索过程,对DSR协议的路由算法进行综合优化,解决无人机自组网传输链路稳定性不佳的问题。使用OPNET仿真工具评估了优化前后DSR协议的各项指标,仿真结果表明,相比传统方法,优化方法在无人机场景下,业务接收速率提高了33.8%,平均端到端时延降低了73.91%,路由负荷发送速率减少了44.99%,路由负荷接收速率减少了37.55%,丢包率减少了68.01%。所提方法均衡优化了无人机自组网的网络性能和路由开销,可以为无人机自组网提供稳定高效的路由服务。     

ORA——一种负载平衡的虚通道分配算法

MPP互联网中通常使用虚通病来防止死锁和提高网络吞吐率。但通常的虚通道分配算法会导致通道的负载不平衡,从而降低网络的性能。针对采用虫孔路由技术和维序路由算法下的Torus互联网,提出了ORA虚通道负载平衡分配算法。与Naive分配算法和Scott分配算法的比较表明,ORA能够较好地实现负载平衡,能够较好地提高网络的性能。