一种快速低代价延迟受限组播路由算法

为满足实时业务的QoS要求,在非延迟受限组播路由算法(Fast Low-cost Shortest Path Tree,FLSPT）的基础上添加了延迟约束,使得生成的组播树上,每条从源到目的地的路径都满足给定的延迟限制,同时保持了原算法计算复杂度低,代价性能优越的特点。仿真结果表明,本文算法的代价和时间性能均优于延迟受限最短路径(Delay-Constrained Shortest Path, DCSP),且更适合用于目的节点分布集中的密集模式下。     

一种基于多播推测丢包率的算法

网络层析是近年新兴的一个网络研究领域,它利用端到端的性能测试结果推导网络内部性能特征或拓扑结构,克服了传统网络测量技术的一些缺陷.丢包率层析的主要方法是利用最大似然估计(MLE),但是计算复杂度高且计算时间较长;基于伪似然估计(PMLE)方法可以较快估计各链路丢包率,但是在非叶节点链路的误差较大.为了克服以上缺点,本文基于多播网络的端对端测量,结合MLE和PMLE提出一种推算网络内部各链路的丢包率算法.通过仿真证实该算法估测的结果能真实地反应网络内部丢包趋势,在推测精度较好的情况下,计算量减少,计算复杂度降低.     

一种空间延迟容忍网络中的周期性链路数据转发算法

空间延迟容忍网络的链路具有间歇连通的特点,难以形成一条端到端的路径,使得基于TCP/IP的端端数据传输机制无法适应空间延迟容忍网络.空间延迟网络中存在着大量连通时间短暂、具有周期性连通规律的卫星节点,它们处于高速周期性运动中,在空对地、空空之间构建了空间网络的核心链路.针对空间延迟容忍网络中的周期性连通链路,通过对卫星运行规律的分析,计算单颗卫星对地周期性连通时间和星间链路的连通时间,定义空间链路的连通矢量,设计基于节点间连通矢量的数据转发算法,有效解决了空间网络周期性链路的数据有效转发问题,为空间网络面向延迟容忍的数据转发提供支持.仿真结果表明,该算法在周期性链路的情况下具有较好的传递成功率和传输延迟性能,更适合于具有周期性链路的空间延迟容忍网络环境.     

自底向上的应用层组播树重构算法

分析传统应用层组播树重构算法的不足,结合前向式重构技术,提出一种自底向上的应用层组播树重构算法.采用自底向上的方法将备用父节点的本地选择策略和全局选择策略进行有机结合.仿真结果表明,该算法在组播树的恢复时延、重构树的质量、树重建的控制开销方面都有一定的改进.     

基于委托转发技术的延迟容忍网络组播路由算法*

针对延迟容忍网络中的组播路由问题,提出了一种基于委托转发技术的组播路由算法。该算法是在详细分析组播路由设计需求的基础上,结合延迟容忍网络中节点移动特性,对委托转发技术中节点属性值和节点对转发标准进行重新设计。其节点属性值是面向组播会话的,节点对转发标准是动态适应网络状态的。仿真结果表明,相比于其他基于复制方式的组播路由算法,该算法具有更好的性能,尤其是在对网络开销的控制方面,因此,更适用于延迟容忍网络。     

链路延迟网络拓扑合并方案的研究

网络拓扑合并是解决网络层析成像技术中大规模网络拓扑判定问题的重要研究方向。主要讨论采用对网络上的主机进行端到端测量的方法来获得网络的逻辑拓扑及链路属性,通过对基于延时的“三明治”网络测量方案进行改进,提出基于链路延迟属性的网络拓扑合并新方案。新方案具有测量不需要同步时钟、不需要重复测量和容易实施的特点,并通过实验进行了验证与分析。     

一种最小代价组播树的快速算法

本文对KMB算法进行了改进,提出了一种快速的最小代价组播树算法,它只需使用一次PRIM算法,也不需要判断叶结点,从而快速地获得了最小代价组播树,减少了算法的运行时间。随机网络模型的仿真实验表明：该算法的计算时间远小于KMB算法,是一种快速、稳定、高效的算法。     

一种基于链路容量和可靠性的组播树算法

组播路由算法是要找到一棵以源节点为根,包含所有组播组成员节点的组播村。在许多多媒体应用中,需要考虑两大因素：源至目的节点间的路径容量和可靠性。路径容量是该路径上链路容量的最小值,而路径可靠性是该路径上链路可靠性的乘积。我们设计了一个算法,在保证使路径可靠性不小于某个闯值的条件下计算一棵容量最大化的组播树。最后在具体实验中实现了该算法,并阐明了随着可靠性闯值的增加,容量有随之减小的趋势。     

时延约束的链路选择平衡优化组播路由算法

针对时延约束的最小代价组播树生成方法,提出一种快速有效的时延约束组播路由算法。该算法改进了KPP算法,设计了代价和时延动态优化的链路选择函数。在选择路径时,该算法综合考虑了时延和代价两个参数,保证了组播树的性能,降低了时间复杂度低。仿真结果表明,该算法能正确地构造出时延约束组播树,同时还具有较低的代价和计算复杂度。     

应用层组播的最小延迟生成树算法

实时传输是应用层组播技术的一个主要应用领域,对网络延迟有严格的限制.保证低延迟组播成功的关键在于构建高效的应用层组播树,研究构建最小延迟应用层组播树的算法.首先分析影响延迟的3个因素:链路的传输时间、结点的发送/转发时间和结点度,然后把求解应用层组播树的问题抽象成对边和点都带权的有向图求解"度约束最小延迟生成树"的问题,同时证明这个问题属于NP-hard,并且提出了两类启发式近似算法:基于度的算法和基于最大延迟路径的算法.最后通过模拟实验说明了所提出算法的有效性.     

基于显式计算的单播链路时延估计

为提高基于单播测量的网络链路时延分布估计速度,提出了一种基于显式计算的单播链路时延快速估计方法.由于网络设备多样化导致链路时延特征存在差异,首先根据端到端测量数据为各链路分配不同的离散间隔;然后利用背靠背探测包在网络中引入的二层二叉树结构,通过显式计算推断各链路的时延分布,能明显提高估计速度.仿真结果表明,该方法将链路时延分布的估计时间降低至数百毫秒,同时更准确地捕获链路时延特征.该方法基于显式计算,计算复杂度非常低,因此能够满足实际应用的实时性要求.     

网络链路时延分布估计方法研究

网络内部链路性能推测对网络操作与评估至关重要,现有估计方法通常针对固定拓扑网络,无法应用于动态路由情形下的未知拓扑网络。提出了一种基于伪似然估计（PLE）和遗传程序设计（GP）的网络延迟断层扫描方法估计网络内部链路延迟分布,并利用重要抽样（IS）技术进一步改进链路延迟分布估计。最后利用仿真实验验证了该方法的有效性和准确性。     

网络链路时延统计量的层析成像方法

传统的连续时延分布估计往往需要假设时延满足某种分布,估计精度受制于假设分布与实际时延分布的相关性。Gianni Antichi等提出了一种链路时延累积量估计的方法,无需假设时延满足某种分布,但需要内部节点的协作。针对上述问题提出一种完全依靠端到端测量的链路时延累积量估计方法,根据端到端的时延构建端到端时延累积量与链路时延累计量的方程,最终利用最优化方法计算出链路时延累积量的最优解。ns-2仿真结果验证了该方法的有效性。     

DVBMT问题的一种改进算法

研究多播端到端时延受限条件下的最优时延抖动问题,目前已经出现了许多启发式算法,如DVMA(delay variation multicast algorithm)、DDVCA(delay and delay variation constraint algorithm)。DDVCA的时延抖动小于DVMA。Cheng等人也提出了一种算法,它的时延抖动小于DDVCA。在此基础上提出了一种有效的多播路由算法。仿真结果表明,该算法的平均时延抖动小于Cheng等人的平均时延抖动。     

基于神经网络的链路预测算法

针对当前基于网络拓扑结构相似性的链路预测算法普遍存在精确度较低且适应性不强的问题,研究发现融合算法能够有效改善这些问题。提出了一种基于神经网络的融合链路预测算法,主要通过神经网络对不同链路预测相似性指标进行融合。该算法使用神经网络对不同相似性指标的数值特征进行学习,同时采用标准粒子群算法对神经网络进行了优化,并通过优化学习后的神经网络模型计算出融合指标。多个真实网络数据集上实验表明,该算法的预测精度明显高于融合之前的各项指标,并且优于现有融合方法的精度。     

基于端到端数据的矩的网络时延估计算法

现有时延层析算法大多考虑离散时延模式,但算法效率比较低。为此,提出一种连续时延估计算法,假定链路时延为某参数的函数分布,根据多播特征并基于端到端数据的矩,利用非线性最小二乘法估计链路时延分布函数的参数,并在每步迭代中用一维牛顿搜索确定最优步长,达到快速收敛。应用Matlab和NS2仿真软件得到的数据表明,该算法所需的存储量少,算法简单且效率较高。     

一种快速网络拓扑推测方法

网络拓扑推测是推测网络内部链路性能的前提条件。目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,但是其计算量会随着网络规模的增长而急剧增加,影响在实际网络中的应用。针对这种问题,提出了一种快速的网络拓扑推测方法,根据观测节点测量数据的相似度推测网络的逻辑拓扑结构,推测准确且计算简单。最后利用仿真实验验证了该方法的有效性和准确性。     

主动端到端离散式时延分布估计方法研究

对于网络质量评估链路性能推测无疑是至关重要的,然而现有的估计方法通常只能推测层次数有限的简单网络,无法应用于大规模网络。提出了一种基于不完整数据极大似然估计算法,估计网络内部链路时延分布,该方法通过不同的发包策略将树状网络拓扑划分成不同的两层三链子树,针对每个子树估计每条＂链＂的时延,随后通过移植算法将路径时延划分到各链路中,逐一对每个子树使用该方法计算从而得到整个网络链路时延情况。利用NS2仿真实验验证了该算法的可行性和准确性。