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。     

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。     

全分布式软件定义网络架构在无人集群系统中的应用

无人集群是未来的发展趋势之一,它需要可靠稳定的通信网络实现内部互联互通,为复杂的集群行动提供有效的信息传输渠道.为组成该网络,满足集群特点和需求的网络架构是关键.首先,本文提出了一种适用于无人集群的全分布式软件定义网络架构,论证了其全分布、无中心、实时性强、架构动态和可扩充等诸多优点;其次,介绍了全分布式软件定义网络架...     

基于时序与集合的SDN流表更新策略

流表更新是软件定义网络中不可忽视的问题.针对SDN(软件定义网络)流表更新一致性问题提出一种基于时序与集合的流表更新方案,将交换机根据新旧路径分类,分类集合按次序分别进行更新,首先将新流表更新完毕以保证传输,最后删除旧流表.仿真实验表明,在相同网络速率下,方案保证了流表更新的一致性,更新时间较短,控制负载较低,并减小了交换机流表空间的占用.     

软件定义网络中集群虚拟网络的构建

【目的】随着云计算平台越来越庞大并且呈现出动态化特点,对如何满足多个用户的计算请求而进行有效资源分配,同时保障整个网络的性能进行探索。【方法】首先,提出一种集群虚拟网络( CVN )策略和动态堆排序算法。其次,将联合多个 pod 构建跨 pod 集群虚拟网络( CP-CVN ),同时保障网络的性能。进而将此网络优化问题公式化为线性规划问题( LP ),并提出一种近似对偶算法解决此线性规划问题。【结果】理论分析表明所提出的对偶算法是可行的,实验结果验证对偶算法解决了软件定义网络中的资源分配问题,同时保障网络性能。【结论】理论和实验分析表明所提出的对偶算法是可行的。
     

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。     

软件定义网络的控制器研究综述

软件定义网络中控制层和数据层分离的工作模式为提高网络利用率提供了广阔的空间,作为其核心的控制器技术得到了研究者广泛关注。本文通过分析软件定义网络的典型架构,探讨了控制器在该架构中的核心作用,综述了控制器在可用性、性能、可扩展性及可靠性等方面的研究进展,认为在未来研究中应着重关注SDN基础网络服务功能抽象、SDN控制器性能优化以及将涌现出的新的安全可靠性等方面的问题。     

基于控制信息集约的SDN流表更新策略

在控制器带内模式下,为减小流表更新时间,简化流表下发过程,提出了基于控制信息集约的流表更新策略。从路径创建和路径切换2种场景讨论流表更新过程,引入源路由机制和跟踪包机制,集约化流表更新报文形式,统筹规划下发方式,旨在保证流表更新的一致性的同时,降低控制器端的收发信息量和更新时间。仿真实验表明：在不同链路时延和传输速率的条件下,更新策略相较于基于分类的更新策略(C-FUS)和基于路径及反馈的更新策略(PF-FUS),流表更新时间大大降低,更新过程不会造成较大的网络传输波动;更新策略下的控制器端收发信息量与PF-FUS相近,都远低于C-FUS。     

面向航空集群网络的改进型AODV路由协议

航空集群作战是未来空战重要作战模式,作战的场景、对象、态势更加复杂多变,经典的AODV(ad hoc on-demand distance vector routing)路由协议由于存在网络节点资源耗费不均以及无法适应网络拓扑结构快速变化等问题,不能很好地适应航空集群网络.提出一种基于资源可用模型和断裂链路快速修复模型的改进型AODV路由协议.协议通过设计资源可用模型改善航空集群网络中节点存储资源、计算资源、带宽资源耗费不均的问题,提高节点生存时间,并且通过设计断裂链路快速修复模型,降低重启路由发现频率,使其能更好地适应网络拓扑快速变化的航空集群网络.仿真表明,与经典的AODV协议相比,该协议在降低网络中死亡节点数目以及重启路由发现频率方面都有显著提升,对航空集群网络具有较强的适应能力.     

软件定义网络架构下的动态自适应负载均衡策略研究

软件定义网络控制与转发分离的架构特性使得网络行为更加易于掌控,提高了网络策略实施的效率.为了解决传统网络中只计算单一最短路径,忽略链路实时状态从而造成负载过大时链路拥塞的缺点,提出了一个基于链路实时状态的负载均衡策略.该策略主要思想是利用软件定义网络架构中的控制器对全网的集中控制能力对链路信息进行实时监控,分析链路信息并得出链路的负载占用情况,然后将结果反馈给控制器,最后由控制器计算出负载最轻的路径并下发流表给相应的交换机.建立了计算机仿真建模和硬件实验平台,验证了该策略可以有效提高链路利用率和用户服务质量.     

基于SDN的数据中心网络中考虑等待时间的流调度策略研究

随着云计算、大数据、工业互联网的发展,越来越多的应用服务被部署到数据中心,其中一些数据密集型应用程序要求流在尽可能短的时间内完成.提出了一种考虑等待时间的流调度策略(flow priority scheduling algorithm considering wait time,FPWT),该策略在划分流的优先级时不仅...     

基于OpenFlow的光与无线融合接入网控制架构

为了有效提高光接入网网络资源利用率,满足不同用户差异化服务质量(quality of service,QoS)的业务需求,解决不同用户数据流量缺乏动态控制和智能调度的问题,提出一种基于OpenFlow的光与无线融合接入网控制架构。该架构通过部署OpenFlow代理,延伸了控制器的控制深度到光线路终端(optical line terminal,OLT)和光网络单元(optical network unit,ONU),设计了智能化控制权限的动态下放和回收机制,从而实现了功能的整体控制和资源的灵活调度。该控制架构能够以全局视角实时获取网络、用户及业务信息,根据网络状态以及网络资源的情况,动态灵活智能地制定和调整各个交换节点的数据处理规则,实现资源优化配置,可以有效提高网络资源利用率和满足不同用户差异化的业务需求。     

一种基于深度强化学习的SDN路由算法

为解决软件定义网络(SDN)中的流量工程(TE)问题,提出了一种深度强化学习路由(DRL-Routing)算法.该算法使用较全面的网络信息来表示状态,并使用一对多的网络配置来进行路由选择,奖励函数可以调整往返路径的网络吞吐量.仿真结果表明,DRL-Routing可以获得更高的奖励,并且经过适当的训练后,能使各交换机之间...     

基于SDN的QoS测量与路由规划系统设计与实现

采用OpenFlow技术,设计并实现了一套基于软件定义网络的QoS测量与路由规划系统.利用控制器与OpenFlow交换机之间的消息交互,实现SDN中链路时延、负载和丢包率的测量功能.针对QoS路由中存在的"多指标约束限制"问题,根据本文考虑的QoS指标(链路时延、负载和丢包率),改进并实现了一种自适应多指标限制路由算法.实验结果表明:该系统在准确测量链路QoS指标的同时,可以根据测量结果切换符合条件的路由路径,满足系统设计需求.     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

基于萤火虫群算法的网络入侵优化检测算法

针对模糊C 均值聚类法因对初始聚类中心敏感且容易陷入局部极小值而导致无法在网络入侵检测中获得精确分类结果的问题, 提出了基于萤火虫群优化（GSO: Glowworm Swarm Optimization)算法的网络入侵检测方法。采用标记样本得到初始聚类中心, 运用萤火虫群优化实现对聚类中心的优化。结果显示该方法有效。     

基于粒子群优化的设备状态分类器设计

以某设备中的减速箱为研究对象,建立了BP神经网络,采用粒子群优化算法训练神经网络,设计一个状态分类器,用于检测减速箱的当前状态。结果表明,基于粒子群优化的神经网络具有良好的训练性能,能快速地收敛于最优解;样本输出结果较理想值误差较小,分类器的识别结果完全符合实际情况。该分类器可以有效准确地识别减速箱的运行状态,为进一步故障检测提供了有效工具。     

基于粒子群算法的3种分级水网络超结构比较

根据换热网络分级超结构模型,提出了针对冷却水换热网络的3种改进换热模型.与传统的分级结构不同之处在于水网络不需要公用工程的设计,冷流只包括冷却水.并且3种设计方法均考虑了水的分流和汇流,实现了水的非等温混合.结构二和结构三可以实现换热器中水的分阶段混合.通过权衡公用工程费用和投资费用的关系来确定最小年度总成本.使用粒子...