基于深度强化学习的卫星光网络波长路由算法

针对由卫星光网络拓扑动态变化、业务多样化和负载不均引起的路由收敛慢和波长利用率低的问题, 提出了一种基于深度强化学习的卫星光网络波长路由分配方法。基于软件定义中轨/低轨(medium earth orbit/low earth orbit, MEO/LEO)双层卫星网络架构, 利用深度强化学习算法动态感知网络当前的业务负载和链路状况, 构造基于时延、波长利用率和丢包率的奖励函数进行选路决策。为了解决单跳链路对整个光路的影响, 引入链路瓶颈因子, 搜索符合服务质量(quality of service, QoS)约束的最优路径。研究结果表明, 与传统卫星网络分布式路由(satellite network distributed routing algorithm, SDRA)算法和Q-routing算法相比, 所提算法降低了网络的时延、丢包率, 提高了波长利用率, 同时也降低了高优先级业务的阻塞率。     

一种域间效能优先的二阶段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，大多针对控制网络中面向南向接口的控制域内时延、可靠性和负载均衡等指标进行优化，而对面向东西向接口的控制网络域间时延以及控制器本身的可靠性统筹考虑较少。然而，东西向接口中控制网络域间时延和控制器可靠性等因素对网络域间信息传输效率和服务质量有着关键影响。针对该问题，首先分析了控制器域间效能对软件定义网络整体性能及相关因素的影响；其次，建立了以域间平均时延、域内平均时延、控制器可靠性度量、控制路径可靠性和负载均衡度为参数，以控制器域间效能和控制网络综合性能为目标的控制器部署优化评价模型；最后，采用反向学习机制对标准麻雀搜索算法进行改进，提出一种域间效能优先的二阶段控制器部署策略，在确保控制器域间效能最大的情况下，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，所提的部署策略既有效降低了软件定义网络的控制时延，也增强了控制网络的可靠性，在保证软件定义网络域间效能的情况下，对网络整体性能表现具有较为明显的提升作用。     

基于最优路径相似度传输矩阵的链路预测方法北大核心CSCD

为解决现有的基于相似性的链路预测方法忽略了最优路径在节点间传递相似性的能力的问题,提出一种基于最优路径相似度传输矩阵的链路预测方法。首先,分析节点间最优路径对信息传输能力的影响,进而对节点间紧密中心性进行定义;其次,依据最优路径数和中心性构建相似度传输矩阵,综合节点间局部信息和全局属性衡量节点间相似度。最后,将所提方法与其他相似性指标,在6个真实网络上进行实证对比研究。结果表明,所提算法预测精度较高,且算法更加稳定。     

基于流量优化的可靠服务功能链部署方法

针对网络功能虚拟化环境中服务功能链部署的资源开销问题, 提出一种基于流量优化的可靠服务功能链部署方法。首先, 根据虚拟链路流量变化对虚拟网络功能进行聚合, 使带宽需求大的虚拟链路部署到底层网络后, 其流量变为服务器的内部流量。其次, 综合考虑可靠性、综合时延以及拓扑属性, 利用离差最大化的多指标决策算法对物理节点进行评价, 并使用链路约束降低流量的乒乓效应。最后, 采用k-最短路径算法将虚拟链路部署到满足带宽需求的物理链路上。仿真实验表明, 所提方法在保证服务功能链可靠性的基础上, 对长期收益开销比、映射成功率、端到端时延以及带宽开销有较大优化。     

标签分割的软件定义飞行自组网控制器智能部署方法

针对当前软件定义飞行自组网中多控制器部署面临的负载不均衡和网络可靠性问题, 提出一种标签分割的控制器智能部署方法。该方法能够在不预设控制器数量的条件下, 根据控制器容量约束和网络结构, 输出最佳控制器数量及部署位置。基于节点自身特征和关联特征赋予节点标签, 根据标签完成控制域划分并通过布谷鸟搜索算法优化划分过程。在此基础上，考虑控制器平均时延、负载差异度和控制域时延波动的影响, 确定控制器部署位置。仿真结果表明，所提算法能在保证网络可靠性的同时有效减少控制器数量, 降低部署成本; 同时, 降低控制器平均时延和负载差异度, 保证各控制域间平均时延的相对平衡, 实现网络均衡。     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

无人机蜂群中紫外光隐秘通信能耗均衡路由算法

针对复杂战场环境下无人机蜂群的任务协同要求,保证编队内可靠的路由通信尤为重要。考虑无人机携带能源有限,为了尽可能延长空中作业时间,提出一种无人机蜂群中紫外光隐秘通信能耗均衡路由算法。在无人机编队保持的基础上,结合无线紫外光散射通信特点,在路由选择过程中引入通信链路路径损耗和无人机节点剩余能量来构建链路权值函数,从而有效地平衡无人机蜂群节点的能量消耗。仿真结果表明,与其他算法相比,所提算法能够动态地选择数据传输路径,使节点的能量消耗均衡,进而延长无人机蜂群的生命周期。     

基于XOR选择重传ARQ的网络编码多播路由算法

针对XOR选择重传ARQ协议,提出了一种基于网络编码的多播路由算法,有效地恢复链路传输错误。该算法分为两种情况：一是信源发送正常的数据包,在信源节点与各接收节点之间建立多播路径族,并考虑不同路径族之间链路的共享;二是信源发送XOR数据包,搜索信源节点到各接收节点的最短路径,并考虑最短路径之间的链路共享。仿真结果表明,该算法有效地提高了网络吞吐量,在资源消耗方面较传统的多播路由算法有更好的表现,非常接近基于网络编码的最小费用多播算法。数学分析表明,该算法的复杂度远小于最小费用多播算法。     

基于SDN的卫星网络多QoS目标优化路由算法

针对传统卫星网络中业务类型多样化导致的网络配置复杂和业务服务质量(quality of service, QoS)无法得到有效保障的问题,研究了基于软件定义网络(software-defined networking, SDN)的卫星网络架构,提出了一种能够满足多种QoS需求的自适应路由算法。首先,建立了软件定义卫星网络多约束条件路由选择优化模型；然后，使用拉格朗日松弛法对模型进行松弛处理；最后，使用梯度法进行迭代求解,搜索出满足带宽、时延、丢包率等多种QoS的最优路径。研究结果表明,该优化算法在QoS满意度方面相比近地轨道卫星路由算法提高了64%,在时延满意度和丢包率满意度方面相比软件定义路由算法提高了28%。     

节点可靠感知的差异保护虚拟航空网络映射算法

针对集成僵化的传统航空网络难以在节点出现故障后快速高效调度网络资源，从而恢复任务执行的问题，提出了无线网络虚拟化环境下节点可靠感知的差异保护虚拟航空网络映射(node reliability-aware protection-differentiated virtual airborne network embedding, NRPD-VANE)算法。首先，节点映射采用新的节点重要度评价方法，综合感知故障可能、无线干扰和网络资源，为虚拟节点映射可靠物理节点；其次，链路映射根据节点重要度，采用P圈保护技术对映射路径节点实行差异保护。仿真结果表明，相比传统的节点保护映射算法，所提算法在保持较低恢复时延的同时，提高了映射成功率。     

基于安全度的QoS选播路由算法

提出一种基于安全度的QoS选播路由算法。该算法从负载平衡的思想出发，利用非精确网络状态信息，赋予每条链路一个与全局资源相关的权值即链路安全度，寻找链路安全度较高的选播路径。实验结果表明，该算法能有效平衡网络负载和服务器负载，提高了源节点的请求接受率。     

面向软件定义航空集群机载网络的更新策略

软件定义网络（software-defined networking，SDN）的出现为突破机载网络在航空集群作战应用背景下存在的性能瓶颈提供了全新的思路。针对航空集群机载网络的更新问题，提出适用于软件定义架构下航空集群机载网络的更新策略——可靠性增强的两阶段提交更新策略（reliability-enhenced two-phase commit，RE-TPC）。首先设计最高可靠性算法以及多路径算法搜索下发指令消息的高可靠路径。然后引入基于ACK（acknowledge）消息的确认机制和ACK消息高效融合传输机制，进一步提升网络更新过程的可靠性和实时性。仿真结果表明，与已有经典网络更新策略相比，所提更新策略能够有效提高更新的可靠性，同时更新持续时间更低、开销更小。     

面向SDN的生存性虚拟网络映射算法

针对软件定义网络环境下生存性虚拟网络映射问题,提出了基于网络资源关键度的虚拟网络可靠性映射算法。该算法首先通过提出底层网络资源和拓扑重要度度量方式,构建资源关键度排序集合,同时备份控制网络,考虑到控制器位置部署,设置链路时延权重进行最短物理路径的选取,映射时依据位置约束进行虚网映射,在此基础上针对不同物理网络故障类型采用备份切换和可行迁移方式进行恢复,确保虚拟网络服务连续不间断。仿真结果表明,与以往算法相比,该算法在请求接受率、故障恢复率、底层网络整体负载均衡度以及平均控制延迟4个指标上具有更好的网络性能。     

基于元路径的武器装备体系作战网络链路预测方法

链路预测是网络科学研究的基本问题,武器装备体系作战网络链路预测有助于识别异构作战网络中的隐含信息,对网络重构、关键节点识别以及作战计划制定等具有重要意义。从体系视角出发,基于元路径思想,提出了一种基于元路径的武器装备体系作战网络链路预测方法。首先,针对武器装备与装备间关系的异质性,分别抽象为作战网络中不同类型的节点与边,建立武器装备体系异构作战网络模型。其次,异构作战网络中不同元路径具有特定语义含义,梳理异构作战网络中存在的元路径并对其具体物理含义进行描述,提出基于元路径冗余度的节点相似性指标,在此基础上构建武器装备体系作战网络链路预测模型。最后,与选取的典型链路预测模型及算法进行对比,证明所提方法的可行性和有效性,并结合具体军事应用需求进行应用实例研究。     

基于时间敏感软件定义网络的工业互联网时延优化方案

大规模工业通信网络中不同优先级的数据流量共同传输会导致网络拥塞、时延增大等问题，基于时间敏感软件定义网络(time sensitive software defined network, TSSDN)框架，提出一种网络时延优化方案。在数据链路层对工业网络中不同优先级的数据流量设计分类整形调度的增强型时间感知整形器(enhanced-time awareness shaper, E-TAS)算法，缩短网络排队时延，将最高优先级同步实时数据采取流预留的方式、将次优先级非同步实时数据采取帧抢占的方式进行调度，将低优先级非实时数据按其调度权重进行公平调度，同时在网络层结合使用基于时延的Dijkstra算法，缩短网络数据的传播时延。仿真结果表明，所提方案有效保证了不同优先级数据流量的时延要求，实现了网络总时延性能的优化。     

复杂网络中链路的可预测性

为从理论上比较各种预测方法的优劣,分析多个网络演化过程中形成链接的两个节点之间的拓扑距离分布,阐明了传统基于共同邻居相似性指标可有效进行链路预测的机理,从理论上分析了9种基于共同邻居相似性算法的预测上限(可预测性)。通过分析一阶邻居预测算法的局限性和影响链路可预测性的因素,提出了两种基于高阶路径信息的链路预测算法并计算了他们的可预测性指标。从理论上提出了链路的可预测性指标,也通过对实际网络的预测证明了所提链路预测算法的有效性。     

面向双层卫星网络的多业务负载均衡算法

卫星网络中由于卫星高动态拓扑和地面用户分布不均,导致卫星网络易出现区域负载失衡。设计高效的动态路由算法是当前卫星网络的研究热点,为此,提出了一种面向双层卫星网络的多业务负载均衡算法。该算法根据卫星链路上的数据传输量进行拥塞判断,根据链路时延因素和链路负载因素进行负载代价计算,不同服务质量(quality of service, QoS)需求的业务进行不同路径选择,通过分流均衡网络流量。仿真结果表明,该算法能够减少数据包的排队时延和丢包率,提高整网吞吐量。     

集货需求随机的同时配集货VRP及混合变邻域搜索算法

集货需求随机的同时配集货车辆路径问题(VRPSSPDD)是同时配集货车辆路径问题(VRPSPD)研究的进一步深化,由于该问题中集货需求的不确定性,使其较确定型VRPSPD问题更为复杂.基于预优化和重优化策略,构建了两阶段VRPSSPDD模型,预优化阶段基于随机机会约束机制以及车载量约束为客户点分配车辆,生成预优化方案;重优化阶段对失败点及其后续客户点进行线路调整.根据问题特征,结合变邻域深度搜索算法的深度搜索能力以及遗传算法的个体交流等优点,设计混合变邻域遗传算法,采用分离配送网络信息的编码方式,提出自适应种群搜索范围和自适应邻域搜索次数策略平衡算法迭代中的搜索深度和搜索广度的关系.通过多组算例以及企业配送实例验证了本文模型及算法的有效性.     

基于禁忌搜索的负载均衡组播路由算法

提出了一种基于禁忌搜索策略的能实现网络负载均衡的QoS组播路由优化算法。该算法在满足业务带宽和时延的基本要求下,将网络费用和负载均衡分布作为目标函数进行优化,达到网络费用较小和负载均衡分布的目的。仿真结果表明,该算法是一个有效、可行的算法。     

IWSN物理层防全双工攻击节点的多层Stackelberg博弈模型

针对工业无线传感器网络通信链路上存在的节点安全问题, 提出一种可抵御节点攻击的多层Stackelberg博弈模型。选择最佳协作干扰节点协同抵御全双工攻击节点, 将合法节点与攻击节点之间的对抗关系以及合法节点间的内部协作关系建模成多层Stackelberg博弈模型, 分析博弈模型的闭式均衡解; 设计分阶最优响应迭代算法求解Stackelberg博弈均衡。仿真结果表明, 所提的最佳协同干扰节点选择方案对攻击节点具有较好的干扰效果且节省能耗; 与其他功率控制模型相比, 所提模型可有效增加协作干扰节点的收益，提高协作的积极性。