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。     

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。     

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。     

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.     

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.     

一种SDN控制节点故障恢复的部署策略

针对广域网中软件定义网络(software defined network, SDN)在运行过程中控制器发生不可恢复的故障的情况,提出一种考虑控制器节点故障的部署方法。首先将网络划分成多个子网络,进而提出采用改进的粒子群优化算法对SDN控制器进行部署,以达到较高的可靠性和较低的时间延迟以及负载较为均衡的目的;在网络运行的过程中,当控制器发生不可恢复的故障时,采用熵权多目标决策法确定由发生故障区域的目标slave控制器,将其升级为master控制器,从而保证网络的正常运行。实验结果表明,相对于采取K-means或贪心算法,使用本方法进行控制器部署,在SDN网络的负载均衡率、链路时间延迟等网络关键指标方面均有所提升,且能以较低的代价降低控制器故障节点对网络正常运行的影响。     

软件定义网络中应用二值粒子群优化的控制器部署策略

为了确定控制器的最优化部署方案,构建软件定义网络中逻辑上集中、物理上分布的控制平面,提出软件定义网络中应用二值粒子群优化的控制器部署策略。对控制器部署问题建模,以交换机到控制器的平均时延最短以及在网络中部署的控制器数量较少为多优化目标。提出粒子重构机制,实现粒子群优化算法的二值化,用以表示控制器在网络中部署的位置。基于二值粒子群优化算法设计多优化目标的控制器部署策略,仿真得到控制器部署问题的非劣最优解集合,对应给定的控制器数量,得到平均时延最小的控制器部署方案。实验结果表明,应用二值粒子群优化的控制器部署策略联合考虑了控制器数量和交换机到控制器的平均时延,为实现控制器最优化部署提供了依据。     

一种实现负载均衡的波长选路算法

针对全光网络中单根光纤支持波长数量不同的问题,研究了现有的RWA算法,设计了一种新的代价函数,并提出了一种新的实现负载均衡的波长选路算法·在选路时,该算法尽量回避那些包含较小波长数量链路的路径,使全网的业务在各链路上分布均衡,且更适合于不规则的网络结构·网络负载越大,算法性能越好·在不同负载的动态业务下对所提算法进行了仿真研究,结果表明,所提算法可以更好地提高网络的性能,降低全网阻塞率·     

基于软件定义网络的多路径路由算法性能研究

基于不相交多路径的路由方案在负载平衡、容错等方面具有明显优势,但存在计算复杂度高的缺点,故对应的分布式算法难以在网络中大规模部署.通过分析软件定义网络的特点,论证了在其网络中部署不相交路径路由方案的可行性.其次,基于网络流的性质与不相交路径的图论性质,设计并实现了计算不相交路径的算法.最后,通过一系列基于不同网络模型的对比实验,验证所提算法较传统最短单条路径路由算法具有更佳的负载均衡.实验结果表明,该算法的性能与网络中链路能承受的负载极限阈值有关.     

基于冗余删除的软件定义机载网络控制器部署策略

软件定义网络为弥补机载网络对多任务支撑能力的不足提供了新思路。为降低网络的部署成本开销,利用灵活易部署的无人机构成逻辑集中的控制平面,对高动态拓扑变化的有人机编队实施管控。针对基于无人机的控制器部署问题,为优化可靠性和部署成本开销指标,提出一种基于冗余删除的无人机控制器部署策略。首先,为实现任务区域的全覆盖以保证连通性,依据无人机的通信范围进行初步部署;然后,为判定和删除初步部署中的冗余无人机,依据部署约束和优化指标,提出了基于连接关系的冗余判定算法和基于网络连通的冗余删除算法。实验结果表明,与基于全域覆盖的控制器部署策略相比,所提策略在满足可靠性要求基础上,部署无人机的数量减少了25%,降低了网络的部署成本开销,能够适用于高动态网络环境下的控制器部署场景。     

两群替代微粒群优化算法及其应用

提出一种两群替代微粒群优化算法（TSSPSO）,并对算法参数进行分析和对算法方程进行修正。该方法将微粒分成飞行方向不同的两分群,其中一分群微粒朝着最优微粒飞行,另一分群微粒朝着相反方向飞行;飞行时,每一微粒不仅受到微粒本身飞行经验和本分群最优微粒的影响,还受到全群最优微粒的影响。搜索时,每一次迭代均以一定的替代率用一分群中若干优势微粒取代另一分群中相同数目的劣势微粒。对4种常用函数的优化问题进行测试并进行比较,结果表明：两群替代微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率和优化性能明显提高。将两群替代微粒群优化算法用于常压塔汽油干点软测量,建立基于两群替代微粒群优化算法的汽油干点神经网络软测量模型,通过与实际工业数据的比较,表明基于两群替代微粒群神经网络的软测量模型精度高、性能好。     

一种面向航空集群机载网络的分布式更新方法

针对当前集中式网络更新方法更新时间长且过度依赖控制器的问题,为降低网络更新时间和减缓控制器负荷,提出一种面向航空集群机载网络的分布式更新方法。设计改进的更新消息,控制器通过生成更新依赖图进行更新消息的构造,将更新依赖关系编码到更新消息中下发到数据平面;而后交换机分布式执行更新操作,利用询问和通知消息进行更新顺序协调,从而在数据平面实现分布式网络更新。仿真实验表明：与现有集中式更新方法相比,所提分布式更新方法能够通过降低更新期间的节点交互次数来减少更新协调时间,从而降低业务流更新时间以及整个网络更新时间。     

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.     

基于量子粒子群优化的网络拥塞控制新策略

为了改善网络拥塞控制系统的性能,基于流体流理论的网络简化模型,将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化.定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中.仿真结果表明,在大时滞和突发业务流的冲击2种情况下,该方法设计的控制器的动静态性能优于RED,PI算法,也优于GA,SPSO算法的优化结果,超调量均小于4%,调节时间均小于4s,稳态误差均小于2个数据包.     

采用改进神经网络PID控制的车辆悬架振动仿真研究

为了研究车辆悬架振动模型,创建了车辆悬架平面简图,并根据牛顿定律推导出车辆悬架振动微分方程式。引用BP神经网络PID控制器,对传统粒子群算法进行改进,将改进粒子群算法用于优化BP神经网络PID可知结构。通过MATLAB软件中对车辆悬架位移、速度和加速度进行仿真验证;同时,与BP神经网络PID控制器仿真结果进行比较和分析。结果表明,车辆悬架采用BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较大,车辆整体振动幅度较大;而采用改进BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较小,车辆整体振动幅度较小。采用改进神经网络PID控制车辆悬架,能够抑制路面噪声激励对车辆振动幅度的影响,提高车辆行驶的安全性。     

虚拟力导向多粒子群算法的WSNs部署策略

为了优化无线传感器网络节点部署性能,在粒子进化的多粒子群算法的基础上结合虚拟力方法,提出了一种虚拟力导向多粒子群算法的部署策略。该策略通过节点间的虚拟力影响多粒子群算法的速度更新过程,指导粒子进化,采用多个粒子群独立搜索解空间,有效地避免了＂早熟＂问题,从而最大限度地优化了网络的覆盖率。仿真结果表明,与虚拟力算法和多粒子群算法相比,该算法在覆盖率、迭代次数和部署时间等方面具有更好的性能。