基于SPEA-Ⅱ算法的SDN多控制器优化部署机制

提出一种基于SPEA-Ⅱ算法的SDN多控制器优化部署机制.首先,以时延为衡量指标进行控制器的初步部署;其次,以最小化交换机到控制器的时延、最小化控制器之间的时延、最小化控制路径故障率以及最大化平均交换机拥有从控制器数量为4个优化目标,采用SPEA-Ⅱ算法优化控制器部署;最后,借助熵权多目标决策法从Pareto解集中选择唯一解.仿真结果表明,相较于基准算法,所提出的机制可减少控制器之间的时延5%～20%,减少控制路径故障率23%～46%,增加平均交换机拥有从控制器数量20%～32%.     

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.     

卫星网络控制器动态部署优化方法研究

当前有关研究软件定义卫星网络控制器静态部署方法忽略了卫星网络拓扑的动态性、用户数据流量的不稳定性。综合卫星网络的动态特性,基于软件定义卫星网络的架构,通过设定的三门限值,采用交换机迁移的方式,提出了一种改进鲸鱼优化算法（MWOA）的多控制器动态部署方法,有效地实现了多控制器动态部署。仿真实验表明：MWOA相比于其他算法,在交换机迁移开销、控制链路时延及负载均衡方面均有显著优势,该方法能够进一步提升卫星网络的处理性能,满足用户通信需求。     

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...     

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.     

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...     

基于云理论和粒子群算法的多传感器优化配置

针对复杂战场环境下多传感器网络目标检测概率低的问题,提出了一种基于云理论和粒子群算法的多传感器优化配置算法.首先从目标攻击方向的最大覆盖面和和最大目标探测概率两个方面建立了空间多传感器优化部署模式,然后利用基于线性递减和云理论策略的惯性权重和动态加速常熟自适应策略的粒子群优化算法对多传感器部署模式进行优化,从而有效避免优化算法陷入局部最优值,同时加快了算法的收敛速度.仿真实验表明,通过部署方案优化后,传感器网络的综合评估值从0.712 3上升到0.947 6,整体上升33%.     

SDN中一种多控制器负载均衡方案

针对软件定义网络(software defined network,SDN)中控制器子域分区不合理导致的控制器负载分配不平衡、网络通信性能下降的问题,本文提出一种基于负载均衡的多控制器部署(multi-controller load balancing,MLB)方案.在初始静态网络中,提出一种基于域内和域间通信成本的负载平衡控制器部署模型,并将流量请求转换为排队模型. MLB将近邻传播(affinity propagation,AP)算法中的偏置参数和阻尼系数这两个参数作为粒子,通过粒子群优化(particle swarm optimization,PSO)算法对其进行智能调整,解决集群性能受偏置参数和阻尼系数初始值影响的问题,得到合理的网络规划.实验结果表明:与亲缘传播算法和遗传算法(genetic algorithm, GA)相比,该方案可以提供更稳定、准确和负载均衡的多控制器部署.     

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。