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。     

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。     

软件定义网络多控制器部署优化方法

目前软件定义网络（software defined network,SDN）多控制器管理的研究重点和难点在于多控制器部署,合适的控制器数目和合理的部署位置能够实现低延迟和高可靠性的折中。在网络拓扑图上将部署位置问题简化并形式化,定义了可靠性和延迟指标,设计了多控制器部署位置求解算法（multi-controller placement location algorithm,MCP）。MCP通过遗传算法将网络划分为多个子网,并在每个子网中放置一个控制器,以最大化网络可靠性和最小化路径延迟为目标,通过模拟退火算法确定控制器在每个子网中的位置,经对比实验验证了MCP生成的部署位置方案在可靠性和延迟上的性能优势。以可靠性和延迟为评估指标,基于MCP测试了各种网络规模的最合适控制器数目,并分析得出最合适控制器数目与网络规模之间的统计规律。     

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。     

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。     

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。     

水声网络中生物友好的网关部署优化

海洋哺乳动物与水声传感器网络共享水声信道,导致网络端到端延时增加,数据包投递率降低.针对这一问题,提出一种生物友好的水声网络多网关部署优化策略.该策略以网关作为网络的数据汇聚中心,用统计学方法确定海洋哺乳动物位置,并根据水声信道模型计算生物干扰半径,从而确定生物-网关干扰区域.以最小化网络端到端平均时延为目标,联合整数线性规划和贪婪-交换启发式算法优化网关部署.仿真结果表明:与随机部署和不考虑生物干扰的网关部署方法相比,采用本文策略使端到端时延降低62%和52%,数据包投递率提高36%和19%.     

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VRNET的卫星路由算法研究与仿真

分析了目前已有卫星路由算法,讨论了其中具有代表性的多层卫星网络路由算法MLSR,在此基础上提出并设计了一种适合LEO&MEO&GE0多层卫星网络的路由算法DTMLSR,该算法充分利用了卫星通信网络的规律性和可预知性,利用地面网关来传输部分链路信息,有效地减少了路由计算开销,缩短建路时间.另外通过增加卫星网络流量监测及接入卫星的选取机制,平衡了网络流量分布,降低了网络的丢包率,并在一定程度上减少了通信业务的端到端时延.     

移动自组网与Internet的多网关互连

为了将移动自组网与Internet相连,提出了一个通用的独立于路由协议的互连框架。阐述了地址自动配置和分组路由的过程。针对多网关的情况,给出了基于动态公告TTL值和动态公告间隔的自适应网关发现算法,提高网关发现的效率。并在网关切换过程中,通过预先建立与新网关之间路由的方法,实现快速平滑的切换。仿真实验表明:应用这两种算法能够显著提高分组递交率并降低端到端延迟。互连协议的平均开销约为路由协议的20%,不会给网络带来太多的负担。     

最优分数阶PIλDμ网络时延控制器

将分数阶控制理论应用于网络控制系统的时延研究当中,设计了适用于网络控制系统的分数阶最优PIλDμ控制器,并通过仿真实验将其针对固定时延和随机诱导时延的控制效果与整数阶最优PID控制器作了比较.实验结果表明,分数阶控制器和整数阶控制器在应用于对象为整数阶的网络控制系统时均能得到较为理想的效果,但分数阶控制器得到的阶跃响应的超调量更小、上升时间和调节时间也都相对更短,这说明最优分数阶PIλDμ针对网络时延具有更为理想的控制效果.