基于蝙蝠算法的SDN多控制器部署

对于大型SDN网络,多控制器的部署和应用需求迫切。提出了一种基于蝙蝠算法的多控制器部署方法,同时优化了3个指标:最小化平均控制时延、最小化控制器负载差异度和去除孤立节点。通过在迭代时不断优化达到平均控制时延最小化;限制控制器负载利用率保证控制器间负载均衡,利用标签传递算法去除孤立节点保证域内通信。仿真结果表明该方法可以保证SDN网络在无孤立节点的情况下,获得最小时延以及负载均衡的多控制器部署方案。     

面向大规模航空集群组网的控制器部署方法

软件定义网络（SDN）使得控制平面与数据平面解耦,可用来优化航空集群网络体系结构。针对航空集群网络大规模组网需求,设计了一种面向大规模航空集群网络的控制器部署优化算法,将多控制器部署转化为集群划分和子群部署两个阶段,首先基于负载均衡将集群划分为不同子群,然后以全网性能最优为目标于各子群内进行多目标寻优,获得Pareto前沿解。仿真实验评估了所提算法在负载均衡指数、全网平均传播时延、平均失连概率等方面的性能。实验结果表明：与现有算法相比,所提算法有效地提升了全网性能,同时具有较低的时间复杂度,适用于解决大规模动态场景下的航空集群网络控制器部署问题。     

基于网络分域的航空信息网络控制器部署方法

利用SDN的技术优势，可建立航空信息网络平台集中管控与资源统一调度的能力，显著提升网络管理能力与任务服务水平。 为构建SDN范式的航空信息网络，首先需要解决控制节点的部署问题。结合航空场景特点，提出一种网络划分与区域部署的控制器部署方法，首先依据网络关键性能指标实现网络的快速划分，接下来基于可靠性最大化在网络中部署控制器。仿真结果表明:所提算法具有较低的计算复杂度，并对平均请求时延、负载均衡指数、网络部署成本及可靠性等指标具有较好的优化性能，适用于解决航空场景下的控制器部署问题。     

SDN中一种多控制器负载均衡方案

针对软件定义网络(software defined network,SDN)中控制器子域分区不合理导致的控制器负载分配不平衡、网络通信性能下降的问题,本文提出一种基于负载均衡的多控制器部署(multi-controller load balancing,MLB)方案.在初始静态网络中,提出一种基于域内和域间通信成本的负载平衡控制器部署模型,并将流量请求转换为排队模型. MLB将近邻传播(affinity propagation,AP)算法中的偏置参数和阻尼系数这两个参数作为粒子,通过粒子群优化(particle swarm optimization,PSO)算法对其进行智能调整,解决集群性能受偏置参数和阻尼系数初始值影响的问题,得到合理的网络规划.实验结果表明:与亲缘传播算法和遗传算法(genetic algorithm, GA)相比,该方案可以提供更稳定、准确和负载均衡的多控制器部署.     

基于网络划分的SDN分布式控制器部署

针对大规模SDN （software defined networking）网络中分布式控制器部署问题,以优化网络弹性和可靠性为目标,提出两阶段控制器部署算法（TSCP,two-stage controller placement）：利用节点相似度划分控制域,使得控制域内设备之间的连通性强、连接紧密,增强控制域的网络弹性;选择控制路径平均失效率最小的控制器集合作为控制器部署,提高网络可靠性。通过约束控制域的规模和设备（交换机或控制器）之间传播时延,使控制域的交换机个数均衡,控制器的部署合理。通过定义性能指标,实验对比GCP算法、K*-means算法,结果表明TSCP算法可以优化控制域的规模,均衡控制域的交换机个数,减少控制器个数,网络弹性和可靠性均表现较好。     

一种基于SDN的自适应多路径负载均衡策略

针对传统多路径路由方法在复杂网络中的负载不均衡、吞吐量低、网络时延等问题,提出一种基于SDN的自适应多路径负载均衡策略(SDN based adaptive multipath load balancing,SDN-AMLB).利用SDN获取全局网络视图的能力,在控制层结合Adaboost算法进行自适应路由计算实现重路由,计算过程中根据网络节点负载、链路负载和数据包大小进行自适应评估并更新路径表,将评估结果引入模型更新分类器参数,通过Mininet工具进行模拟.结果表明SDNAMLB可提高全网数据传输效率和吞吐量,实现网络负载均衡,满足复杂网络环境中用户对网络传输、时延的要求.     

基于博弈论的SDN多控制器负载均衡机制研究

针对软件定义网络为了提高控制平面的可扩展性和可靠性而设计的多控制器部署,导致控制器负载不均衡和网络稳定性与控制器性能变差的问题,提出了一种基于博弈论的负载均衡机制,以改善多控制器的负载不均衡问题.首先,过载控制器邀请相邻从控制器作为博弈者参与博弈而构建博弈域;然后,以控制器与交换机之间的时延和交换机迁移成本集合粒子群算法确定目标控制器,并依据节点距离和流请求量选择迁移交换机;最后,根据迁移计时器实现交换机的有序无缝迁移.实验结果表明,与现有的负载均衡机制相比,该机制降低了网络的总通信开销,流建立时间平均缩短了0.12 s,控制器资源利用率提高了20.4%,改善了控制器负载的均衡状态.     

基于软件定义网多参数排序的控制器部署研究

合理选择软件定义网络(Software Defined Network,SDN)的节点部署控制器,将有效的提高整个网络性能。本文引入节点的介数中心性和节点的可靠性作为参数,建立节点和参数的矩阵,对矩阵参数进行规范化,依据有序加权算子对参数进行排序,从中找到部署控制器的最优节点。最后,与基于网络拓扑中心性方法对比了控制信息传播时间。结果表明,多参数选择控制器的部署节点,将有效的降低控制路径传播时延,提升SDN的网络性能。     

无线传感器网络中目标连通覆盖算法

为了同时保障无线传感器网络的连通性和覆盖率,提出了目标连通覆盖(TCC)算法。在充分考虑网络延时和负载均衡的情况下,通过部署最少量的中继节点保证目标位置与汇聚节点连通。将部署在各目标位置周围的有向感知节点组成多个满足要求的覆盖集,保证各目标位置都被某个覆盖集覆盖,进而达到连通覆盖的目的。仿真结果表明,该算法中各目标位置到汇聚节点的最大和平均路径跳数优于已有算法,并且使得网络生命周期较长。     

采用OpenFlow交换机的服务器负载均衡策略

云数据中心对服务器的海量并发访问十分普遍.传统网络架构难以全局控制流量转发,需要配置昂贵的负载均衡器应对这一应用场景.软件定义网络SDN(software defined network)能够通过控制器全局掌控网络状态,并以交换机作为负载均衡器,从而降低部署成本.文中提出一种采用OpenFlow交换机的服务器负载均衡策略,通过多地址定向流表对服务请求进行分区映射,以活动连接数作为负载评估参数,通过蚁群算法求解最佳负载重定向方案.在负载迁移时,采用单地址定向流表来保证不同阶段流量的有序转发.实验结果显示,该策略能有效控制流表规模,并较传统均衡策略具有更优的性能.     

时延和可靠性感知的多控制器均衡部署策略

当前的软件定义网络多控制器部署问题研究,大多针对控制网络时延、可靠性和负载均衡等指标中的部分进行优化,对上述因素的整体考虑较少.针对该问题,首先分析了控制器部署对网络时延、可靠性和负载均衡的影响;其次,提出了以全网平均时延、控制路径可靠性和负载均衡度为参数,以网络综合性能为目标的控制器部署优化评价模型;最后,基于模拟退火-遗传算法提出一种时延和可靠性感知的控制器均衡部署方法,在考虑网络综合性能的同时,增强了解空间的全局搜索能力,得出了控制器部署的全局非劣最优解集.仿真结果表明,提出的部署策略在保证负载均衡的前提下,提高了控制网络的可靠性,降低了网络时延,进而提高了网络整体性能.     

基于负载均衡分簇的无线传感器网络目标跟踪算法

针对无线传感器网络目标跟踪算法节点负载不均衡的现状,结合非线性模型下目标跟踪的研究,提出一种基于负载均衡分簇的无线传感器网络目标跟踪算法.采用分簇时选出高能量簇首,簇间通信时通过辅助簇首多跳通信,在跟踪目标时使用分布式扩展卡尔曼滤波的方法.仿真结果表明:本文算法在多次分簇后有效减少了死亡节点数量降低了节点剩余能量差,与分布式卡尔曼滤波相比降低了跟踪误差.该算法均衡了无线传感器网络节点的负载并提高了非线性模型下目标跟踪的精度,在有限的资源下增加了目标跟踪算法的可靠性.     

基于服务器负载状况分类的负载均衡调度算法

针对云端集群负载均衡问题和现有负载均衡算法的优缺点,提出了一种基于服务器负载状况分类的负载均衡算法.通过每阶段采集负载信息,实时掌握节点状态,停止重负载节点接收任务,降低中负载节点集合接收的负载,相应地增加轻负载节点集合的负载,以达到负载均衡效果.同时采用集合的形式很好的避免了大量负载涌入某一指标最优的节点,能够更好地实现均衡,提高系统的吞吐率.结果表明:该算法可以有效地避免云端集群负载发生倾斜,使系统在长时间的运行过程中达到动态的负载均衡.     

基于SDN网络多路径负载均衡算法研究与仿真

针对传统网络链路负载均衡实时性、动态性差的问题,对下一代互联网技术SDN网络技术,设计出基于SDN的多路径负载均衡(SDN-Multi-path Balance,SDN-MB),该设计模型能够通过其网络控制器实时获取全局链路信息,从而计算出源节点和目的节点之间的多条路径,通过链路权值和流量阈值选取出最优路径并做出实时调整.最后用仿真模拟软件Mininet进行仿真,结果显示SDN-MB模型比传统网络模型在带宽利用率和平均延迟方面,都有显著的提高,验证了SDN-MB模型的有效性.     

5G 卫星集成网络中控制器与网关可靠部署策略

基于SDN架构的5G-卫星集成网络将是提供全球覆盖和宽带通信最有潜力的方案之一.在该集成网络中,控制器和网关的有效部署是提高网络可靠性、降低时延的关键.虽然控制器和网关部署可以独立求解,但控制器与网关部署的紧耦合特性使得联合部署更有现实意义.分析并建模了5G-卫星集成网络中SDN控制器与卫星网关联合部署的问题,提出了一种基于最大化网络可靠性的控制器与网关联合部署策略,设计了基于模拟退火与粒子群的混合算法.仿真结果表明:与枚举算法、双重模拟退火算法(SASA)等现有算法相比,文中提出的算法具有更低的时间复杂性,并将进一步降低了平均控制时延,提高了网络健壮性.     

基于时延的软件定义卫星网络控制域规划策略

现有软件定义网络（SDN）多控制器划域研究大多基于拓扑相对固定的地面网络,难以适应拓扑动态变化的卫星网络,而现有卫星网络研究在处理时延问题时大多只考虑传播时延。针对这一问题,在建立模型时引入控制器处理时延、排队时延对划域的影响,提出了一种面向软件定义卫星网络（SDSN）的时延分析模型。借助该模型进行SDSN多控制域的划分。经过仿真验证,与现有的地面SDN多控制域规划算法及卫星网络控制域划分方法相比,该算法能够更好地适应卫星网络环境,有效降低网络时延,使控制器间负载均衡性能提升40%以上。同时迭代跳出机制使得算法运行速度快,能够适应卫星网络拓扑的快速变化。     

基于MooseFS分布式云存储系统负载均衡方法的研究

基于MooseFS的分布式云存储系统,在节点间性能差异较大时存在负载不均衡问题,文章提出了一种两级负载均衡的策略,将存储节点分为若干集合,不同集合节点采用优先权值进行调度,同一个集合中节点采用权重轮询均衡算法。实际部署及实验结果表明,该文提出的负载均衡方法在存储结点性能差异较大时,可以很好地实现基于MooseFS分布式云存储系统的负载均衡。     

一种基于GMPLS光网络的共享恢复路由算法

目的 改进基于GMPLS光网络中故障恢复的路由算法。方法 把现有的算法和网络负载均衡的目标结合起来，改进原算法。结果 仿真表明这种改进的算法在链路的使用、呼叫阻塞、资源使用、资源共享4个方面都优于原有的算法。结论 采用这种改进的算法更有利于均衡网络的负载，提高网络的生存性。     

能量感知多路径负载均衡路由算法

针对移动自组织网络的网络拥塞问题,基于能量感知技术并结合负载均衡和拥塞控制方法,提出了一种能量感知多路径负载均衡路由算法。该算法利用能量感知选择满足条件的节点作为路由节点,建立多条连接源节点和目的节点的有效路径;同时分析路径的跳数、节点缓冲区的占用情况,从有效路径中选出用于传输的最优路径;然后对最优路径上的节点和路径的负载情况进行建模分析,当节点能量、节点负载、路径负载到达设定的阀值,就将最优路径上的流量分流到其它路径。利用NS2仿真软件,在不同的场景下对该算法以及QMRB、SMORT进行仿真测试。仿真结果显示:提出的算法与其它路由算法相比将网络性能提升了近20%,起到了均衡负载的作用,能有效地解决网络拥塞问题。     

基于分布式模糊控制器的无线传感器网络容错非均匀分簇算法

采用分布式模糊控制器方法, 对无线传感器网络进行容错非均匀分簇. 首先将节点剩余能量、 节点中心度以及节点到基站的距离输入模糊控制器, 通过IF-THEN规则进行推理, 输出“成为簇头机会”和“簇大小”值, 使性能最优节点成为簇头并组建大小合适的簇; 其次, 采用时分复用方式进行数据传输, 可容忍簇头和成员节点的临时和永久故障. 仿真结果表明, 该算法能有效均衡簇间负载, 降低网络能耗, 从而提高了网络的生命周期.