无线资源虚拟化映射方案多场景仿真性能比较

为满足下一代移动通信技术多样化的网络优化需求,设计了不同优化目标的无线网络资源虚拟化映射方案,并通过仿真验证和对比分析各方案在不同网络负载水平下的性能表现。结果表明,追求网络总功率最小化、以节能为目标的优化方案适用于网络整体负载水平低,系统中有较多空闲基站的场景;追求用户总吞吐量、频谱利用率等同类目标最大化的面向无线资源的方案适用于网络处于中低水平负载的场景;追求用户满意度的面向用户方案对抗负载变化的能力较强,适用于重负载场景或负载水平快速波动的场景。映射方案的本质是物理资源在用户总吞吐量、网络总功率、用户满意度3个方面的相互置换,寻找各场景适合的优化目标,其实质是寻找各场景中转换效率最高的方案。     

基于效用函数的负载平衡研究

提出一种基于效用函数的网络负载平衡的用户关联策略,该策略联合考虑了基站的负载和用户的服务质量。将用户关联问题建模为网络级的加权效用最大化问题(一次负载平衡),通过松弛用户关联因子将所提的非线性混合整数优化问题转化为凸优化问题;然后利用凸优化工具CVX求解得到最优的用户关联因子,并基于最大概率法将用户与基站进行关联。为了解决由于一次负载平衡过程中产生的某些基站过载的问题,提出了二次负载平衡算法。仿真结果表明:提出的负载平衡策略有效地改善了系统性能,在保证用户最低数据速率的前提下使系统达到了负载平衡。     

分层异构网络中基于负载预测分组的家庭基站频谱分配算法研究

针对分层异构网络中严重的干扰问题,提出一种基于负载预测分组的家庭基站频谱分配算法。该算法通过对各个家庭基站以及宏基站的历史负载信息优化得到对未来时段的负载预测信息。利用得到的各家庭基站的负载预测值对小区内的家庭基站进行分组,通过分组后每个小组独立地使用和分配频谱资源,从而有效的降低家庭基站之间的同层干扰。仿真数据表明由于采用了基于负载预测分组的家庭基站频谱分配算法,系统的SINR和吞吐量都有明显的提高,干扰得到了有效的抑制。     

基于Dinkelbach算法的优化混合网络用户关联策略研究

在5G网络中,使用混合网络,引入一些低功率节点,提出基于TDMA系统的联合优化用户关联和功率控制的能效优化方案,通过优化用户关联和功率控制来提高网络能效。以系统能效最大化为目标,限制基站最大关联用户数,设计出用户关联算法。利用Dinkelbach算法优化功率控制,获得系统最大能效,并对提出的交替优化算法进行仿真验证。     

基于保护邻居基站主载波的载波（重）选算法

毫微基站(Femtocell)的引入,给无线网络的干扰管理带来新的挑战。在动态部署Femtocell的网络中,每个进入网络的基站选一个载波作为主载波,主载波提供小区的全局覆盖和初始化接入服务。主载波选择的好坏,直接影响小区边缘用户的通信质量。本文提出基于保护邻居基站主载波的家庭基站载波重选算法,基站借助用户测量汇报得到背景干扰信息,重选主载波;本算法着重考虑对邻居基站边缘用户影响,降低小区边缘干扰。仿真结果表明,该算法可以提高系统平均吞吐量和边缘用户的频谱效率。     

基于Nginx负载均衡的动态分配技术研究

伴随互联网的迅猛发展,人们对服务器的访问量也越来越大,最终导致某些负载均衡器的负载分配技术并不能较好地实现动态负载均衡,本文基于反向代理服务器内置的负载均衡算法,对其进行分析和研究,最后对其内置的一种加权轮询算法进行改进,提出一种动态负载均衡算法,该算法使用memcache缓存机制,能实时地对后端服务器cpu利用率、网络利用率、请求响应时间等性能进行收集、并通过熵值法确各项指标的系数以及动态修改后端服务器的权值。通过多组实验进行验证的实验结果表明,该算法在请求响应时间以及吞吐量等方面表现的更好。     

超密集异构网中基于配对理论的用户关联算法

超密集异构网络作为提升网络数据流量和用户速率的有效手段,成为5G关键技术中的一员。但超密集部署的小小区基站势必会导致系统总能耗的增加,以及用户接入公平性等问题。解决给定目标速率条件下基于能效优化的用户关联(也称为用户接入)问题。改进了原有的功耗优化模型,使之更准确地反映基站的实际发射功率和总功耗。在此基础上,利用拉格朗日对偶和二分法对关联过程中用户分配到的资源比例和基站为每个关联用户提供的发射功率进行优化和调节;同时结合配对理论,提出一种综合考虑能效和接入公平度的用户关联算法。性能仿真和对比结果表明,算法在保持良好的用户接入公平性的基础上有效提升了系统能效。     

基于非合作博弈论的CoMP-JP资源分配算法

为了提高LTE-A系统中协作多点联合处理技术(Co MP-JP)的资源利用率,保证中心用户和边缘用户在资源分配过程中的公平性和Qo S需求,提出一种以最大化系统吞吐量为目的中心用户和边缘用户联合处理的动态资源分配方法。首先,在功率给定的情况,每个簇内以保证用户的Qo S需求并最大化系统吞吐量为目的进行用户调度;其次,在调度完成后,为了协调用户间的干扰,实现系统的吞吐量的最大化,提出改进代价函数的非合作博弈控制算法,并证明该算法纳什均衡解的存在性与唯一性。实验结果表明:本文算法与现有算法相比,更能满足用户的Qo S需求和用户间的公平性,同时获得更高的系统吞吐量。     

云计算虚拟机群中带遗传算法的负载均衡算法

研究面向单个云的虚拟机群,以最小化任务响应时间和资源损耗代价为优化目标,提出基于遗传算法的负载均衡优化算法.所提算法实现了自适应的变异概率,并且可以根据用户任务的实际需求动态地调整系统响应时间和资源损耗在整个优化过程中所占的比重.模拟仿真结果表明,该算法不仅能够满足用户需求,而且能够获得较高的资源利用率.     

无线回传网络中队列感知在线功率分配策略

无线回传技术因其能大幅降低运营商成本开销、给用户终端提供根本上的灵活性并提高网络整体频谱效率等优势,是下一代移动网络中具有前景的解决方案之一。通过利用李雅普诺夫(Lyapunov)优化框架和凸优化理论,提出了一种基于队列感知的带内全双工无线回传网络功率分配算法。该算法在每个离散的资源调度时隙内,通过综合考虑信道和队列状态信息,动态地为各用户的接入链路和小基站的回传链路分配功率,以实现在保证网络稳定性和满足各用户服务质量需求的同时,最大化网络平均和频谱效率。此外,理论分析和仿真结果显示,所提出的算法可通过调整引入的控制参量的取值灵活地实现时延与谱效间的动态平衡。     

GPON中面向多等级服务的动态带宽分配算法

为了实现吉比特无源光网络(GPON)带宽分配的公平性,降低网络的传输延时,提高带宽利用率,研究了GPON系统传输汇聚层的帧结构及动态带宽分配的实现方法,提出了一种新的动态带宽分配(DBA)算法———面向多等级服务的动态带宽分配算法.基本原理是根据业务的优先级以及各种业务对带宽的需求,在PON层和ONU层分别进行带宽的合理分配.理论分析和仿真试验证明,这种算法可以提高网络的吞吐量,满足各种业务的时延要求,并且对不同用户和不同等级的业务都具有很好的公平性.     

基于微服务架构的多资源负载均衡优化方法

为有效提高网络多资源利用率和执行效率,确保网络多资源负载均衡效果,通过微服务架构研究了多资源负载均衡优化方法。通过数据层、基础层、服务层、业务层以及表示层,建立微服务总体框架结构,动态调度网络多资源服务,降低负载情况,采用微服务架构,构造可扩展的网络拓扑结构。依据负载均衡优化目标建立优化模型,利用多蚁群算法对优化模型进行求解,通过局部和全局更新网络流量之间信息素,实现网络多资源负载均衡优化。结果表明：所提方法的资源负载均衡执行时间仅为10 s,网络资源利用率和负载均衡度分别为89.2%和89.4%。可见所提方法能够对网络多资源负载进行均衡优化,有效提高网络多资源利用率和执行效率,确保资源负载均衡效果。     

分布多跳式网络吞吐量优化的并行性研究

传统的分布多跳式网络吞吐量的优化方法并不能满足用户高移动性、高数据速率的要求.为了提高分布多跳式网络吞吐量的优化性能,提出并实现了分布多跳式网络吞吐量的分布式并行优化算法.首先将分布多跳式网络等效成M/M/m级联排队系统,并用流水线技术实现了优化算法.然后研究了用户移动速度和网络环境对吞吐量的影响,并以此得出一般的近似最优的分布式算法.最后分析了多用户之间的干扰问题对网络吞吐量的影响.仿真结果表明,并行优化算法可以提高分布多跳式网络的吞吐量和降低通信时延;理论分析结果也说明了在某些情况下可将干扰看作高斯噪声.     

超密集网络中基于分簇的干扰管理方案

在超密集网络中,全频复用能够提升网络的吞吐量,但是导致了严重的基站间干扰。为了降低基站间干扰,首先通过干扰权重值描述小基站间的干扰程度,建立合理的干扰图;然后将分簇问题转化为Max K-Cut问题,利用改进的次优化启发式算法对小基站进行分簇;最后通过信道分配算法为每个簇中的用户分配子信道。仿真表明,本文的干扰管理方案在降低小基站间干扰的同时,能够提升系统的频谱效率和平均吞吐量。     

一种基于SDN的自适应多路径负载均衡策略

针对传统多路径路由方法在复杂网络中的负载不均衡、吞吐量低、网络时延等问题,提出一种基于SDN的自适应多路径负载均衡策略(SDN based adaptive multipath load balancing,SDN-AMLB).利用SDN获取全局网络视图的能力,在控制层结合Adaboost算法进行自适应路由计算实现重路由,计算过程中根据网络节点负载、链路负载和数据包大小进行自适应评估并更新路径表,将评估结果引入模型更新分类器参数,通过Mininet工具进行模拟.结果表明SDNAMLB可提高全网数据传输效率和吞吐量,实现网络负载均衡,满足复杂网络环境中用户对网络传输、时延的要求.     

MANET多信道多径路由的优化与仿真研究

由于现有多信道多径路由协议不能有效均衡信道与路径负载,所以在高负载MANET环境下网络性能较差。本文提出一种基于信道切换的多信道多径路由优化算法,该算法对不同类型分组进行自适应信道调度,通过限制网络控制报文的泛洪规模与动态切换数据报文的发送信道等策略,有效提高网络对信道与路径的综合利用。为了实现路由对信道切换,本文首先对NS-2进行可切换多信道拓展,仿真结果表明该算法能有效提高高负载MANET的性能,在丢包率、时延、吞吐量等方面均明显优于传统多信道多径路由。     

基于异构蜂窝业务量预测的基站休眠策略

为了提高第5代(the fifth generation,5G)移动通信中异构蜂窝网络基站的频谱效率,提升用户的服务质量.提出了一种基于小波神经网络的基站休眠策略(neural network based stations sleep strategy in macro-femto heterogene-ous networks,NNSS),在神经网络预测模型中,把隐含层的传递函数用小波函数替换,并采用梯度下降算法,建立一个小波神经网络的预测模型.预测出家庭基站在一个周期内的业务量,根据预测值制定合理的基站休眠策略;同时考虑用户与基站间的中断概率,设计用户重关联算法,实现家庭基站对用户服务质量的优化.实验结果表明,基于小波神经网络的基站休眠策略在提高系统频谱效率的同时,降低了用户的中断概率.     

移动Ad Hoc网络多信道多径路由的优化与仿真研究

由于现有多信道多径路由协议不能有效均衡信道与路径负载,所以在高负载MANET环境下网络性能较差。提出一种基于信道切换的多信道多径路由优化算法,该算法对不同类型分组进行自适应信道调度,通过限制网络控制报文的泛洪规模与动态切换数据报文的发送信道等策略,有效提高网络对信道与路径的综合利用。为了实现路由对信道切换,对NS-2进行可切换多信道拓展,仿真结果表明该算法能有效提高高负载MANET的性能,在丢包率、时延、吞吐量等方面均明显优于传统多信道多径路由。     

超密集部署下绿色能源感知的用户关联算法

为了降低网络能耗,实现5G绿色蜂窝网络,考虑电力能源和绿色能源同时供电的混合能源供应的超密集异构网络模型.为了更准确地模拟密集部署下基站与用户之间的信道衰落,采用5G中的双斜率路径损耗模型对大尺度信道衰落进行建模,并在此模型下提出一种改进的基于绿色能源感知的自适应用户关联算法.该算法为基站设置优先级和权重因子,用户根据基站的优先级和权重因子自适应地调整自身的关联策略,并结合资源分配完成用户关联过程.仿真结果验证了所提算法在能耗和能效方面的优越性.     

超密集网络中基于集群分配的干扰管理与资源分配

针对超密集网络通信场景, 提出一种基于集群分配的干扰管理与资源分配算法, 以消除超密集网络中由于大量部署低功率基站而降低吞吐量等影响. 首先, 基于距离、 小区间干扰、 可用资源情况3个条件权衡为家庭基站分配集群; 其次, 根据分配结果将干扰关系建模为干扰加权无向图, 按适当标准对家庭基站进行分类, 针对不同类型的家庭基站采用不同着色算法; 最后, 根据整体着色结果图完成频谱资源块分配. 仿真结果表明, 该算法可以为家庭基站选择最适合的集群加入, 降低集群间干扰, 提升频谱资源利用率, 提高网络的吞吐量.