基于软件定义网络的卫星网络路由预置方法

由于卫星网络所拥有的节点负载有限、拓扑变化频繁、通信距离长等特点,常见的动态路由算法在卫星网络上存在路由无法收敛、丢包严重和传输延迟较大等问题.为此,本文提出了一种基于软件定义网络(Software-Defined Network,SDN)的卫星网络路由预置方法.利用卫星网络的运动规律性,由控制器根据网络拓扑变化情况预先计算路由路径,并在卫星链路断开前为相关卫星节点下发新的路由条目,卫星节点在拓扑发生变化后按照新的路由条目转发数据报文.实验表明:本文方法在180个节点的卫星网络中,端到端时延约为100 ms,丢包率约为0.3％,与OLSR相比,延迟和丢包率均降低了90％以上,可以较好地支持大规模星群系统的通信.     

基于蚁群算法的Overlay路由扩展性问题

扩展性问题是Overlay网络研究中所需解决的重要问题之一.通过使用蚁群算法对目前Overlay路由系统广泛采用的单跳转发路由机制OHPR(one-hop path routing)进行改进,通过采用维护邻居节点集合的方式降低系统部署和运行的总开销.仿真实验结果表明,基于蚁群算法的单跳路由算法ACOHPR(ant colony optimization based one-hop path routing)在500个节点的Overlay系统中,与OHPR算法相比可以有效的降低系统路由的查询开销到30个节点左右,而获得的通信时延差别不超过9 ms.     

CCN中一种非混合式蚁群路由优化策略

蚁群优化(ant colony optimization,ACO)近年来在信息中心网络(content centric networking,CCN)路由领域的应用逐渐增多,其中,将ACO与其他机制相混合以改善路由性能的策略得到较多研究,但基于蚁群优化的混合式算法通常存在可扩展性低下,动态性差,网络成本高等问题。为此提出一种高效的非混合式蚁群路由算法(irritant ant framework,IAF)。添加一个新维度—一种动态的、仿生物的信息素分层,将传统单级别信息素上升为多级别信息素,增强蚁群对于路径的探索程度,抑制算法过早收敛;并且考虑了节点状态的动态性,实时改变信息素等级以选择最佳转发路径;此外,首次考虑了节点缓存特性对信息素更新策略的影响,构造出全新的信息素更新公式,,减小算法的收敛时间。实验结果表明,该算法能够有效地降低内容请求时延,提升缓存命中率,以较低的开销获得良好的CCN路由性能。     

星座网络关键链路代价增量路由算法

全球通信业务量大且分布不均衡的客观因素,使得卫星网络资源利用率较低的问题日趋严重。为了解决这个问题,提出了一种面向星座网络的关键链路路由算法。该算法在业务统计模型下,以传播时延和当前链路负载状态为链路代价选出候选路径。在此基础上引入关键链路的概念并建立关键链路代价增量预测模型,最终从候选路径中选择代价增量最小的为最优路由。算法还采用拥塞控制策略发现拥塞,减轻拥塞链路的负载,选择重新设计部分业务的路由。实验结果表明,算法在平均路径阻塞概率、吞吐率、路径时延以及负载均衡方面均有较好的提升;在满足时延要求的前提下,能够有效地分配网络资源,提高网络利用率,是一种较好的卫星网络路由算法。     

一种基于链路质量的蚁群优化VANET路由算法

针对城市环境下车载自组织网络(vehicular ad hoc network, VANET)中车辆信息传输性能不稳定的问题,提出了一种基于链路质量的蚁群路由算法实现信息可靠稳定的传输。通过道路中的车辆密度,通信半径,数据包大小分析当前道路的连通概率、传输时延以及分组投递率,并建立数学模型,评价当前传输道路的链路质量;引入局部链路质量(local link quality, LQ)和全局链路质量(global link quality, GQ)改进蚁群算法的路段选择公式,得到最优的信息传输路径。仿真结果表明,该算法在收敛速度、数据包传输时延和分组投递率方面优于其他算法。该算法的提出能够实现城市场景下车辆信息可靠、稳定、高效地传输。     

基于容量约束的深空接触图路由算法

为有效利用节点间通信机会保证数据的可靠传输,提出一种基于容量约束的接触图路由算法。一方面,该算法通过比较节点接触的剩余容量和预计容量损耗计算最早到达路径,避免所选路径后续节点没有足够的容量。另一方面,数据包的转发节点数由反馈的链路状态和网络拓扑关系自适应决定,在网络性能和资源消耗中得到平衡。仿真表明,该算法能提高数据包投递率最高27.7%,端到端传输时延最高降低24.5%,有效应对深空恶劣环境的影响。     

基于卡尔曼滤波的认知无线网络路由算法

针对认知无线网络中频谱的动态性及节点移动性,提出一种基于卡尔曼滤波的认知无线网络路由算法,以提高链路的稳定性.该算法综合考虑主用户的频谱空闲概率与节点间的距离,兼顾端到端传输时延,对路由尺度进行设计,选择稳定度较高的路径进行通信;在路由维护阶段,通过卡尔曼滤波对节点移动速度进行预测,在链路断裂之前启动路由修复.最后通过NS2进行仿真,结果表明该算法在链路通信的稳定性、分组投递率、吞吐量等方面有明显的改善,提高了网络的整体性能.     

基于负载均衡与时延约束的AODV协议

为了降低无线网格网(Wireless mesh network,WMN)中节点间的端到端传输时延,该文提出了一种改进的基于负载均衡与时延约束的自组织网络按需距离矢量路由协议(Enhancedrouting protocol on ad hoc on-demand distance vector(AODV)with load balance and delay restriction,BD_AODV)。BD_AODV要求源节点在进行路由请求时,包含对传输时延的要求和节点的负载信息,选择满足传输时延要求的节点转发路由请求至目的节点,目的节点搜集并将每条链路的平均负载反馈给源节点,使其能够据此选择合适的传输路由。网络模拟软件仿真实验表明,BD_AODV有助于保持网络的负载均衡,缩短端到端的传输时延,减少数据包丢失,提高无线网格网的服务质量。     

基于深度图强化学习的低轨卫星网络动态路由算法

为了解决高移动性导致卫星网络路由难以计算的问题,融合图神经网络和深度强化学习,提出一种基于深度图强化学习的低轨卫星网络动态路由算法。考虑卫星网络拓扑和卫星间链路的可用带宽、传播时延等约束,构建卫星网络状态,通过图神经网络对其进行表示学习;根据此状态的图神经网络表示,深度强化学习智能体选择相应的决策动作,使卫星网络长期平均吞吐量达到最大并保证平均时延最小。仿真结果表明,所提算法在保证较小时延的同时,还能提升卫星网络吞吐量和降低丢包率。此外,图神经网络强大的泛化能力使所提算法具有更好的抗毁性能。     

基于蚁群算法改进的 AODV 路由协议研究

AODV协议是Ad hoc无线自组网中经典路由协议之一;针对AODV协议的缺点,提出一种基于蚁群算法改进的AODV路由协议;结合蚁群算法与Ad Hoc网络的特点,将蚁群算法应用于AODV协议,考虑节点负载、路径跳数、路径时延等因素,对AODV的路由组建和路由维护策略进行改进;通过在NS2平台中设置不同的网络负载和不同的节点移动速度,对改进后的AODV协议进行模拟,仿真结果表明,该路由协议在分组投递率、平均端到端延时和归一化路由开销等性能上比AODV协议具有一定的优势,网络的健壮性和抗毁性得到增强.     

一种改进的基于云环境的蚁群优化算法

在研究标准蚁群优化算法的基础上,提出一种旨在改善网络路由的蚁群优化算法以应用于云环境下多元化复杂的网络结构环境.新算法在原有蚁群算法智能寻优的基础上,加入网络节点在网审查机制,实时判断网络节点是否在网,选择最优解路径.仿真实验表明,改进算法能有效地改善因为网络节点在网情况的多变性而造成的部分路径失效的情况,进而缓解网络拥塞.     

容迟容断网络中基于拓扑的双时隙路由算法

在公交车载网络等类型的容迟容断网络中,可以依靠全部或者部分网络拓扑信息进行路由计算.提出一种基于拓扑信息的双时隙路由算法.该算法将网络周期离散为时隙,计算路由时,采用当前时隙和下一时隙(即双时隙)内均有效的路径作为候选路径,从而保证多数业务在链路失效前完成转发.以传输延时和延时抖动率为依据,从当前和下一时隙内均有效的路径中优选路径,以容忍可预测的链路中断;通过提供备用路径,以容忍不可预测的链路中断,保证传输的可靠性和稳定性.对上述算法进行了仿真实现和性能分析,结果表明,该算法能容忍链路中断,报文递交率较高,平均传输延时较低.     

基于定向天线的无线自组网拓扑控制算法

为采用定向天线的特点解决无线自组网中节点异构、能量有限、带宽受限的问题,提出了一种基于定向天线的异构无线自组网拓扑控制算法K-DRNG.该算法包括三个阶段:信息收集阶段,节点控制发射功率,通过扇区转换机制收集邻域拓扑信息;拓扑构建阶段,节点根据链路权重和节点剩余能量构建定向邻近图;拓扑优化阶段,构建初始拓扑子图及添加或删除方向性链路,确保生成拓扑的双向连通性.仿真结果表明,算法能够降低网络中的节点平均能耗,提高无线资源空间复用性,改善网络性能.     

基于蚁群算法的卫星网动态路由算法

卫星网络路由应当具有使用较小的通信开销和处理能力计算出最优路径,并能够适应卫星网络拓扑结构动态变化等特点,这与蚁群算法的特征相匹配,能很好地解决这一问题。以此为背景,提出了一种新型的基于蚁群算法的卫星网动态路由算法(DRAS-ACA),并在NS2网络仿真平台上实现了该路由算法,使用gnuplot分析了仿真结果。     

基于ACO的LEO卫星网络路由研究

为了解决低轨卫星网络动态拓扑路由问题,通过更改蚁群优化(Ant Colony Optimization,ACO)算法结构以及信息素更新策略进行调整,提出一种适合LEO卫星网络的具有多QoS约束条件的ACO路由算法.这种路由算法能够根据LEO卫星网络中业务流量分布的变化对网络最优路径做出调整、均衡网络负载、避免拥塞,实现多种QoS指标的联合最优.仿真结果表明:在网络接近满负荷的情况下,路由算法在保证业务QoS需求的同时,使网络资源得到了充分利用.     

定向天线无线网络中的路由与信道分配方法

拓扑控制是采用定向天线的无线网络中的关键问题,定向天线无线网络中的拓扑控制、路由和信道分配是NP难问题。为了解决这个问题,提出了一个称为Ant-TRACE的高效蚂蚁算法。给定一个无线网络的信号可达图,Ant-TRACE可找到一个平衡的度约束最小生成树,有效地解决了拓扑和路由问题,基于已有的拓扑可有效地选择信道分配策略以最小化相邻链路干扰。基于NS3的仿真结果显示,Ant-TRACE在丢包率、时延和吞吐量上表现良好。     

基于概率延迟的DTN路由算法的设计

为了提高容迟(DTN)的传输效率,同时减小网络延迟和网络开销,借鉴链路状态算法,使用Dijkstra计算路由,并充分考虑了传输延迟、节点之间的连接性和历史因素,提出了一种基于概率延迟的DTN路由算法PD.模拟实验结果表明,PD在传输延迟较大的网络环境下,性能优于其它同类算法.     

一种基于精英策略的蚁群优化QoS单播路由算法

指出传统蚁群算法在解决QoS单播路由选择问题时,受到时延和带宽的约束,为降低路由费用,容易出现陷入局部最优且收敛速度慢的现象。针对上述问题,提出一种基于精英策略的蚁群优化QoS单播路由算法,该算法利用蚁群算法原理,并引入精英策略。通过仿真模拟一个20节点的计算机网络QoS单播路由选择实例,并与传统蚁群优化（ACO）算法进行对比,仿真结果表明该算法是有效的。     

Ad Hoc网络中的QoS-Aware多目标优化路由协议

对Ad hoc网络中的QoS保证进行研究,针对现有的QoS路由协议没有考虑节点负荷、节点碰撞等本地信息,提出了一个在Ad hoc网络中提供QoS的路由协议——QoS-Aware多目标优化路由协议(QMOR).该协议把QoS请求———带宽作为接入控制的参数,路由发现和路由维护算法是DSR协议的扩展,在目的节点利用多目标优化算法进行选路,算法的优化参数包括路径时延、缓冲区中已存包的长度和重传数目.通过仿真,结果显示了QMOR协议无论在静态网络和动态网络,都有比DSR协议更好的性能.