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。     

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。     

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.     

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.     

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。     

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。     

高速网络入侵检测系统负载均衡策略与算法分析

为了解决高速网络入侵检测系统(n IDS)的性能瓶颈问题,提出了可用于n IDS的负载均衡策略和算法。在阐述基于多引擎并行处理的n IDS框架的基础上,提出和分析了3种实用的n IDS负载均衡策略,重点论述了一种基于流的动态负载均衡算法——FDLB算法。该算法依据通过动态反馈和预测机制得到的当前引擎负载情况,以一个会话为分配单位,将新的网络数据包分发给当前负载最小的引擎。实验结果表明,在大流量多引擎情况下,FDLB算法的负载均衡效果要比轮转算法好得多。     

基于PSO的配电网静止同步补偿器PI控制器整定

针对配电网静止同步补偿器(D-STATCOM)控制器参数难以整定且过分依赖经验,提出用粒子群优化(PSO)算法同时整定D-STATCOM电压控制器和电流控制器的方法,其寻优时间短,编程简单。通过不同系统参数、不同给定输入、不同负载情况下的多组优化实验,验证PSO优化算法寻优的有效性。最后通过仿真和实时控制实验验证了基于PSO算法的PI控制器具有良好的鲁棒性和动态性能。所进行的多组优化实验也为PSO编码选择提供一定参考。     

基于离散粒子群的SDN动态流调度算法

针对数据中心网络中流量路径分配不合理、易导致大流冲突的问题,提出一种基于离散粒子群的软件定义网络(SDN)流量调度算法.该算法重定义粒子群内部的寻解过程,以最优化网络性能为目标,动态地为数据中心的流量分配最优路径,以减少大流量冲突;并引入Metropolis设计多元化最优调度方案,确保数据中心流量的合理调度.与其他流量调度算法进行对比验证的实验结果表明,该算法提升了网络质量,降低了大流时延,实现了更好的负载均衡.     

自抗扰控制器在同步电机调速系统中的应用

针对同步电机磁场定向控制系统受负载扰动、电机参数变化影响问题,将自抗扰控制器(ADRC)应用于调速系统中.为解决传统磁链观测器存在的直流偏置和依赖电机参数的问题,提出了基于ADRC的磁链观测器.仿真结果表明:ADRC对负载扰动和参数变化具有较强的鲁棒性,并且响应速度快、超调小,具有优良的稳态和动态性能;改进后的磁链观测器能有效抑制直流偏置和参数变化带来的影响,提高磁链的观测精度.     

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.     

基于能量消耗和负载均衡的异构网络基站开闭策略研究

提出新的节能机制是异构网络的一个重大挑战.针对可开闭异构网络,提出了基于纳什均衡的离散粒子群算法(NP-DPSO算法),旨在通过本算法综合考虑系统能量消耗与负载,达到均衡状态尽可能节省系统能量.基站仅需根据自身的能量消耗和负载来决定自身的开闭状态,而勿需根据全局信息,以用户和基站为博弈参与方建立博弈模型,博弈方均以自身利益最大化为目标执行自己的策略,并在每个参与者都认为已经做出了最优策略的情况下达到非合作博弈的均衡点(纳什均衡点),再利用离散粒子群算法对其求解.通过将NP-DPSO算法与基站全部激活状态(BSAA状态)、休眠激活机制的概率唤醒算法(APO算法)和基于基站休眠的负载合并动态功率控制算法(LDPC算法)进行了对比分析,验证本文提出的NP-DPSO算法的先进性与可行性.     

支持负载均衡和路由优化的网络移动增强协议

分析网络移动现有方案在多穴负载均衡和嵌套路由优化方面存在的问题.基于最优路径选择算法和相应的路径评价标准,提出了支持综合负载均衡和路由优化的网络移动增强协议.该协议实现多移动网络前缀、多移动路由器、多家乡代理的负载均衡以及嵌套多穴移动网络全局和内部路由优化,解决嵌套移动网络的多角路由、隧道嵌套问题.此外,该协议兼容以前的网络移动标准,改动较少.协议的性能分析结果表明,和已有的方案相比,增强协议在帮助移动网络获得高吞吐量的同时,传输延时降低了近一半,可用连接增加了30%,而且性能更加稳定.     

基于免疫粒子群算法的网络拥塞控制策略

为避免Internet路由器主动队列管理中PID参数整定试凑法的盲目性,提出免疫杂交粒子群算法用于PID控制器参数优化,构造一种基于免疫杂交粒子群的智能主动队列PID算法.仿真结果表明,基于免疫杂交粒子群的PID主动队列管理算法能够适应动态变化的网络环境,具有较好的网络控制性能.     

基于NSGSA的DC-DC变换器无源控制器参数多目标优化

针对基于Euler-Lagrange(EL)模型、无源控制(Passivity Based Control, PBC)的DC-DC变换器受外部扰动影响时其输出电压不稳定的问题,本文以Boost变换器为例,将PBC作为内环控制电感电流,将能量控制作为外环控制输出电压,从而使PBC具有抗扰能力和鲁棒性。改进的PBC控制器的内环有注入阻尼参数、外环有比例和积分系数,这3个参数相互耦合,因此控制器参数整定较为困难,对此本文提出在Boost变换器闭环系统中加入改进的非支配排序引力搜索算法(Large-scale Improved Non-dominated Sorting Gravitational Search Algorithm, LSINSGSA)进行参数寻优。改进的LSINSGSA算法进一步提高了原算法(Non-dominated Sorting Gravitational Search Algorithm, NSGSA)的收敛速度与最优解集均匀分布水平。基于LSINSGSA算法的控制器参数优化方法可有效获得最优参数选取方案,使变换器的综合性能最优。仿真结果表明,本文提出的优化参数的方法可使变换器获得良好的动、静态性能。     

基于反向传播神经网络的Ad Hoc网络PID拥塞控制

为了改进比例积分微分(PID)控制在Ad Hoc网络主动队列管理(AQM)中的动态性能,优化PID控制参数的整定,该文提出了一种基于反向传播神经网络的PID拥塞控制AQM方案。该文将Ad Hoc网络的分组丢弃分为拥塞丢弃和无线丢弃,考虑分组的到达与丢失为流体,推导了拥塞窗口和队列长度的随机微分关系,通过小扰动线性化理论,获得Ad Hoc网络AQM拥塞控制模型。根据该模型,设计了基于反向传播神经网络(BPNN)的PID队列控制器,该算法可以根据网络状况对控制器PID系数进行自适应的调整。MATLAB和网络模拟器(NS)仿真表明,在突发流、链路容量及时延时变的Ad Hoc网络中,新算法在收敛速度和队列抖动上优于PID。     

一种鲁棒的中等规模分簇结构水下传感器网络

针对现有水下传感器网络分簇算法负载不均衡和生命周期较短的问题,基于粒子群优化算法和遗传算法的基本思想,提出一种全局优化的智能分簇算法.为了使粒子初始化编码较为合理公平,根据节点近期当选过簇首的次数动态调整节点选举概率;通过对粒子整个编码区域进行循环搜索来捕获一个优良的随机交叉片段,保证了交叉后的粒子含有一定数量的历史较优簇首信息;通过节点编码位的变异提高算法的探索性,并确保解空间的存在性;在粒子评价函数中综合考虑簇首能量、负载均衡和分簇范围3个优化子目标.仿真结果表明,提出的算法更好地均衡了簇首负载,同时有效减少了网络能耗,延长了网络生命周期.