一、遗传算法在网络流量及带宽分配中的应用(论文文献综述)
王炎豪[1](2021)在《数据中心光网络中资源分配与优化技术及其应用研究》文中认为
刘晔祺[2](2021)在《卫星动态光网络的路由和资源管理方法研究》文中进行了进一步梳理科学技术的进步和发展,推动空间通信技术向着不断深入的方向探索,在海量通信数据和多样化用户服务的刺激下,空间技术领域中的大功率轨道运载水平和大容量卫星通信能力不断提升,人工智能等新技术也开始融入卫星产业的各个方面。以激光为载波、大气为传输介质的卫星光通信技术,能够在继承微波通信优势的基础上,结合无线电通信和光纤通信的优点,不仅传输速率高、传输容量大、安全性高,还能够抵抗电磁干扰,且无需使用许可;硬件配置方面,满足激光通信需求的发射和接收天线体积小,更便于卫星携带。通过采用激光通信技术建立星间链路,能够形成高速率大容量通信的卫星高速光互联网,进而满足近年来指数式增长的数据传输量对卫星通信容量和传输速率提出的更高要求。因此,作为未来军事和商业空间网络的重要构成系统,空间激光通信具有重要的研究意义。在多类型业务需求和服务质量不断增长的今天,卫星光网络中所承载的通信量越来越大,与此同时,空间环境的复杂性以及无线通信固有的脆弱性也给卫星网络的高质量传输性能带来了巨大的挑战。本论文充分考虑基于波分复用结构的激光链路特性和网络拓扑高动态变化的特点,围绕卫星动态光网络中网路层路由算法和星上资源管理问题展开研究。为了支撑各种类型的用户服务,提高大容量高速率网络通信的稳定性和可靠性,应对卫星光网络由于数据速率高、容量大等新特性而导致的网络层面的流量不均、业务拥塞问题,解决与日俱增的业务需求和有限的星上资源之间的矛盾,本文重点研究卫星动态光网络中的路由与波长分配技术,基于安全威胁和重业务负载的路由优化策略,以及星上资源的高效分配方法,从而实现用户数据的稳定、安全、高效传输,并提高有限资源的最大化利用。论文的主要研究工作和创新点如下:1.基于蜂群优化的路由和波长分配算法论文基于卫星动态光网络中的路由与波长分配(Routing and Wavelength Assignment,RWA)问题,提出了基于蜂群优化的RWA算法,以时延和波长利用率为优化指标,以多普勒波长漂移、传输时延、波长一致性和连续性为约束条件,建立了星间激光链路的链路代价模型;优化了蜂群适应度函数,以最小化路径上经过的节点跳数和链路的波长资源利用率为目标,实现了路径的合理规划和波长的有效利用。研究结果表明,该算法有效地克服了卫星光网络长时延和高误码率的缺点,满足了实时业务的稳定传输,减轻了多普勒频移对通信性能的不利影响,并且能保证低阻塞率下波长资源的高效利用。2.基于安全路由策略的负载均衡算法论文基于空间环境的开放性所引发的安全性问题,设计了基于多层卫星信任度的安全路由策略,通过卫星群组划分、生成链路报告和可信路由计算等步骤,利用网络中时延、丢包率和可用带宽等信息构建信任度值,并由高层卫星管理者规划出一条信任度值较高的路径,以实现可信的数据传输,从而提高系统安全性;针对满足全球覆盖的单层卫星星座,提出了基于安全策略的负载均衡算法,解决了卫星光网络中由于全球流量分布不均引起的负载不均问题和路由安全性问题。通过设计基于安全机制的流量修正模型,分散热点区域的流量,同时限制通过不安全区域的流量,以达到安全目标下网络负载的有效均衡。与传统的启发式算法相比,所提算法具有更好的适应性,更低的阻塞率以及更加安全可靠的通信性能。3.基于业务分流的卫星拥塞控制算法论文针对大流量业务背景下星载处理能力有限和全局业务分布失衡所引发的网络拥塞问题,提出了一种基于业务分流的卫星拥塞控制算法,利用人工蜂群(Artificial Bee Colony,ABC)机制求解多约束条件下的拥塞控制优化模型。针对可预判的业务堆积造成的拥塞,提出了一种基于业务分布的链路代价修正模型,通过修正的路径代价来提前分散重负载区域流量,以得到全局最优的路由结果;针对网络的突发性拥塞,考虑到波长分配和路由选择的同时性,设计了基于波长利用率的拥塞控制指数,最大限度地避免局部拥塞给网络带来的瘫痪性影响;针对拥塞节点容易引发的级联拥塞现象,则通过设置拥塞区域进行路由绕行以避免性能进一步恶化。仿真结果表明,所提算法实现了高通信成功率和低传输时延性能,并能够在避免拥塞的基础上实现对波长资源的合理规划。4.基于多QoS保证的动态带宽分配方法论文基于宽带卫星通信系统的资源分配问题,提出了一种基于多服务质量(Quality of Service,QoS)保证的动态带宽分配方法以解决有限的星上资源和日益增长的宽带多媒体业务需求之间矛盾。首先,构建了一个跨层带宽分配模型,综合考虑应用层、介质访问控制(Medium Access Control,MAC)层和物理层的信息;然后,利用优化蜂群算法求解基于跨层信息的修正效用函数,从而得到带宽资源分配的最优解。所提算法充分考虑并分析了调制格式、编码效率、传输速率以及不同类型用户的QoS优先级等重要因素。最后,通过对所提算法效用值、用户满意度和吞吐量等性能的分析评估,验证了其不仅能够满足多用户的QoS需求,还能在兼顾物理层传输环境的基础上实现高效的带宽分配和高速的业务传输。
金卓军[3](2021)在《面向电力物联网动态业务需求的智能路由分配方法》文中研究指明在电网大规模互联的背景下,电网引入了物联网技术,构成了新型的电力物联网,使得电网具备全面感知、广泛连接、开放共享等新特性。电力物联网上支撑的业务主要有综合能源交易、分布式能源管理及交易、需求响应、储能管理、电动汽车车联网、虚拟电厂电力交易、输电线路无人机巡检等业务。为了满足电力系统运行和控制智能化和实时化的需求,电力物联网需要能够实时地预测出未来某段时间业务的带宽需求,同时合理的进行业务带宽资源分配,并且在此基础上,对业务进行高效且可靠的路由规划。现有的流量预测及带宽分配技术在应对流量激增或减少时存在不足,可能会导致分配的带宽不够或分配过多。除此以外,现有的路由规划技术也缺少对整体电网中断风险性的有效考量。针对上述问题,本文面向电力物联网的需求,重点从通信网业务的实时流量预测和带宽分配方法,以及综合风险驱动的路由规划方法两个角度开展要求,以保障电网可靠、安全的运行,同时提高电力物联网的运行效率。首先,对电力物联网的实时流量预测和带宽分配展开研究,通过对动态业务流量的长期流量变化特性进行建模,以及引入业务的实时流量变化特性,结合这两点提出了基于AUGRU(GRU with Attention Update Gate,AUGRU)的实时业务流量预测模型,以及基于实时流量的带宽补偿方法。具体的,利用实时的业务流量信息对预测带宽进行修正,提高了对业务实时流量预测的准确性。之后基于以上对业务的预测带宽,提出了面向综合风险驱动电力物联网业务的带宽分配和路由规划方法。该方法首先建立一个对电网的综合风险评估模型。在风险评估模型中,考虑了节点负载均衡度,链路的负载均衡度,以及业务的平均时延,同时加入了节点及链路的负载上限,以及业务的最大时延上限等硬性要求。其次以该综合风险评估值作为DQN(Deep Q-Learning,DQN)模型的奖励值,通过DQN模型在固定带宽下进行路由规划,求解出综合风险值最小的路由规划方式。之后进一步考虑业务的动态带宽需求,提出了基于DDQN(Double Deep Q-learning,DDQN)模型对业务进行带宽分配和路由规划,保障业务的实时带宽需求。最后通过仿真实验验证了本文提出的方法的有效性和实用价值。通过实验验证,本文所提方法能够实时且精准的预测业务流量,并高效的为业务分配带宽,同时基于预测的业务流量和分配带宽,为业务分配一条综合风险最小的路由。从而有效保障电力系统的可靠稳定运行。
刘保菊[4](2021)在《智能电网通信网中业务驱动的高可靠路由算法研究》文中提出智能电网是将信息通信、传感测量等多种技术与物理电网高度融合的新型电网。智能电网通信网主要负责电能生产过程中的测量、调节、控制、保护、调度等信息的可靠传输。在智能电网通信网中,调度中心站结合所采集的物理电网状态信息与所辖厂、站节点定期信息交互并,并将综合分析后的决策信息下发至各通信子站或终端站点,从而实现电网智能化管理与调度。智能电网通信网承载的典型电力业务包括继电保护、安稳控制、系统保护、调度自动化、变电站视频监控以及随着新应用兴起和增值服务出现而衍生的新型电力业务,这些业务具有异构性强、QoS需求差异大及行业特色明显等特点。端到端电力业务的可靠传输是确保通信网络对智能电网调度、保护及控制的关键。结合网络运行实际、多维参数约束及网络资源使用情况,本文从业务角度研究高可靠路由算法设计对优化网络资源配置、提升全局网络资源利用率、实现网络负载及风险均衡对确保智能电网稳定运行具有重要意义。在智能电网通信网中,高可靠路由算法的研究已引起学术界和产业界广泛关注,但由于智能电网通信网结构及承载业务的特殊性,仍存在以下问题需要解决:大多数路由算法没有考虑因业务汇聚而造成的局部网络风险扩大问题;针对关键电力业务,缺乏将网络特点与业务性能相结合的双路由规划算法;进行业务恢复时的路由重构模型目标函数与约束条件设定相对简单,对智能电网通信网适用性有限。针对以上问题,本文结合不同业务类型及智能电网通信网络特点,开展基于风险感知和QoS保障的业务双路由规划算法、基于链路带宽可用性的业务路由恢复算法、基于生存性的业务路由恢复算法、基于拥塞缓解的业务路由优化及资源分配算法等四个方面的研究,主要内容如下:(1)针对智能电网通信网中现有双路由算法对业务汇聚性和QoS指标考虑不足的问题,提出了基于风险感知和QoS保障的系统保护类业务双路由规划算法。该算法综合考虑节点风险、链路风险、整体网络风险均衡及业务端到端通信时延等因素,构建以最小化业务通信时延及网络风险均衡为目标的多目标优化模型,并采用带精英策略的快速非支配排序遗传算法求解。仿真结果表明所提出的双路由规划算法能满足业务通信指标需求,同时与联合网络负载与风险均衡的路由算法相比,业务主路由规划方案中网络整体风险均衡值降低约29.83%,而备用路由规划方案中整体风险均衡值则降低了 57.48%。(2)针对智能电网通信网小规模网络故障后,现有重路由算法忽略不同电力业务差异性及网络负载不均衡问题,提出了基于链路带宽可用性的业务路由恢复算法。在该算法中,先进行业务等级划分,同时结合电网站点等级差和链路带宽可用性等因素,将重路由后网络负载均衡问题构建为以链路带宽可用性最大为目标的整数规划问题,并在k最短路径算法基础上设计启发式算法以获取高效可行解。仿真验证表明该算法在单链路、双链路两种故障场景下均能有效实现差异化电力业务恢复,同时与基于平均链路利用率的负载均衡算法相比,其平均负载标准差分别降低了2.26%、3%。(3)针对自然灾害引发的智能电网通信网区域故障导致多业务传输中断,现有路由恢复算法忽略电力业务性能指标及持续灾害影响的问题,提出了基于生存性的业务路由恢复算法。该算法在业务优先级分类基础上,结合地震灾害发生特点,建立节点、链路及路由生存性模型。为提高算法运行效率,满足业务恢复要求,利用深度强化学习的强表征和强决策能力,将深度优先算法与改进抽样机制的深度强化学习算法相结合,以获取最优路由组合并实现整体业务快速恢复。仿真验证表明所提出算法与基于优先级抽样的强化学习方法相比具有更好收敛性;在满足业务通信时延前提下,与基于贪婪近似技术的最小时延路由算法相比路由生存性提升了 47%。(4)针对电力业务在主备路由切换过程中,因备用路径上频谱资源相对紧缺容易造成业务阻塞率高及网络负载不均衡问题,提出了基于拥塞缓解的业务路由及频谱资源分配算法。该算法结合业务需求、网络拓扑特点及网络资源在时间、频谱域上的状态等多种因素影响,构建以最小化业务阻塞率和时间、频谱连通度为目标的整数线性规划模型,并提出基于弹性时间调度的拥塞缓解机制,以解决资源紧张时业务阻塞率高的问题。为降低算法运行时间,设计启发式算法进行求解。仿真结果表明与典型的路由及资源分配方案相比,所提算法业务阻塞率降低了 38.09%,负载公平性指数则提升了 54.89%。
李刘杰[5](2021)在《分布式探针调度系统的设计与实现》文中认为随着网络规模的不断扩大,网络性能测量平台需要改进探针的调度方法,以实现对大规模网络性能状况的测量。然而,如果选择所有探针对目标网络执行网络测量,不仅会给网络带来大规模的网络测量流量,而且还会给网络测量平台及探针带来较高的消耗。此外,探针的状态也会对网络测量结果产生很大的影响,特别是探针的负载。当探针的负载超过一定限度后,可能会发生宕机等故障导致网络测量准确度降低。然而,在现有的网络性能测量中,探针调度主要关注的是对目标网络的覆盖范围,很少关注探针的状态信息及探针资源的消耗问题。针对上述问题,本课题提出一个多目标优化模型,该模型将对目标网络的覆盖范围作为约束条件,在满足覆盖范围的条件下,对探针的数量和探针的负载进行优化。基于上述多目标优化模型,本课题设计一个探针调度系统,通过选择部分探针对目标网络执行网络测量,在能够获取目标网络实时服务状态的同时,实现对探针资源消耗的降低和探针的整体负载均衡。该系统包括任务下发、探针调度以及测量结果查询等模块。其中,任务下发模块负责在用户创建任务时,为用户提供可视化的任务下发界面。探针调度模块负责为用户生成探针集。同时,探针调度模块还负责监测探针状态,在探针发生故障时及时更换故障探针,避免测量结果受到影响。测量结果查询模块负责向用户展示网络测量结果,用户可以从中获取告警事件的详细信息,从而及时修复网络中存在的故障。根据最终系统测试的结果显示,在满足对目标网络覆盖范围的条件下,本课题设计的探针调度系统所选择的探针集在探针的数量上比原系统至少要低5%。同时,在探针的负载上比原系统至少要低14%。
吕畅[6](2020)在《空分弹性光网络负载均衡自适应碎片抑制及高生存性的资源分配算法研究》文中进行了进一步梳理弹性光网络具有精细的频谱分配粒度,且可根据业务的带宽需求自适应地实现频谱资源分配,因此被视为应对骨干网流量不断增长的有效解决方案。由于单光纤的传输容量已接近现有单模光纤的非线性shannon极限,光纤的信道容量增长缓慢。多芯光纤或多模光纤等支持的空分复用技术作为一种新型传输技术被引入弹性光网络的研究,以应对云服务等宽带应用的爆发式增长。空分复用弹性光网络将网络的资源分配问题扩展至空间维度,分配复杂度的上升及频谱碎片生成的加剧都为网络资源分配问题的研究提出新的挑战。其中,基于多芯光纤的空分复用弹性光网络的资源分配问题所受到的关注最为广泛,即路由、频谱及纤芯分配(routing,spectrum and core assignment,RSCA)问题。此外,空分复用弹性光网络所承载网络流量的提升也对网络的生存性提出了更高的要求。因此,本文的研究内容是针对空分复用弹性光网络中负载均衡自适应、碎片抑制及高生存性的资源分配算法的优化设计与性能分析。论文的主要研究工作如下:(1)针对空分复用弹性光网络资源分配中路由分配时的负载不均问题,提出了一种优化的负载均衡自适应路由分配(optimized load-balanced adaptive routing allocation,OLARA)算法。该算法由 离线状态的遗传算法辅助静态预负载均衡权值修正(genetic algorithm-assisted offline weight modification,GAAOWM)算法和请求到达后的资源利用率感知的动态权值调整(resource utilization aware weight adjustment,RUAWA)算法两部分组成。OLARA算法在最优路由选择时,统筹考虑了链路的物理传输成本、网络拓扑的形态结构、业务分布情况及网络资源利用率等因素,对传统路由分配算法引发的负载不均问题进行了优化。仿真结果表明,OLARA算法包含的GAAOWM预负载均衡算法具有良好的拓扑普适性,较之于传统的路由分配算法,GAAOWM算法的离线调整使得小、中、大型拓扑中业务分布的负载均衡度均提高了约20%—67%,且对于链路稀疏网络拓扑的优化效果尤为明显,对其平均优化程度超过40%。RUAWA算法是GAAOWM算法的补充,通过低复杂度的链路权值更新策略,有效地实现了与资源分配同步的负载均衡调整,对网络传输阻塞率的优化作用显着。(2)针对空分复用弹性光网络频谱资源分配时的频谱碎片生成问题,提出了灵活分组机制,并结合优化的负载自适应路由分配算法提出了适用于多芯光纤空分复用弹性光网络的基于混合超通道(mixed super-channel)的权值更新及灵活分组的路由、频谱及纤芯分配算法(weight updating flexible grouping routing spectrum and core assignment,WUFG-RSCA)算法。灵活分组机制通过请求聚合、频谱资源分组及数量关系限定的方式保障空闲频谱资源的连续性,以此抑制频谱碎片的生成。WUFG-RSCA算法通过混合超通道技术的采纳实现频谱碎片的聚合与重用,通过限制混合超通道应用范围的方式降低由其搜寻与构建而激增的分配复杂度。基于经典拓扑(NSFNET、USNET)的仿真结果表明,WUFG-RSCA算法较之于传统RSCA算法,可实现80%以上频谱碎片的抑制,70%左右网络传输阻塞率的下降及30%以上的频谱资源利用率提升。较之于可变、混合分组等算法,可以实现至少70%的频谱碎片抑制,35%的传输阻塞率降低和5%的频谱资源利用率提升。此外,WUFG-RSCA算法引入了优先级区分机制,在确保低优先级请求服务质量的基础上,确保高优先级请求的传输阻塞率和平均排队及处理时延降至低优先级请求的28%和35%。(3)针对空分复用弹性光网络的生存性保障问题,以专有保护和共享备份路径保护技术为基础,提出了串扰感知的专有保护(crosstalk-aware dedicated protection,CaDP)算法和拓扑自适应共享备份路径保护(topology-adaptive shared backup path protection,TA-SBPP)算法两种单链路故障保护算法。CaDP算法通过备份优先分配纤芯的设定及多种分配策略结合的方式实现串扰规避,仿真结果表明,较之于无串扰感知的RSCA算法,CaDP算法可实现至少16%的串扰优化,10%的传输阻塞率抑制。TA-SBPP算法沿用了优先共享的思路,并在优先共享调整时充分考虑了拓扑规模和芯间串扰的影响,具有良好的拓扑普适性。较之于原有的优先共享算法,在保障拓扑适用度的同时,至少可实现19%的保护开销抑制,23%的芯间串扰抑制及7%的传输阻塞率降低。
袁泉[7](2020)在《虚拟网络功能编排方法研究》文中研究说明未来网络中人与人、人与物以及物与物之间复杂多样的业务需求对4G网络架构提出了新的挑战。为了实现移动网络功能与专有硬件的解耦,电信运营商在5G网络架构中引入了网络功能虚拟化(Network Function Virtualization,NFV)技术。NFV利用通用硬件及虚拟化技术实现了移动网络功能的软件化部署,赋予了运营商快速上线新型网络业务和灵活管理基础设施资源的能力。基于NFV灵活的网络架构,运营商提出了以网络切片和服务功能链为代表的新型网络服务供给技术,通过创建多个物理资源可共享的虚拟化逻辑网络,为多样化的垂直行业提供定制化服务。为了提高NFV基础设施资源的使用效率,本课题依托国家自然科学基金、国家科技重大专项等项目针对NFV环境下的虚拟网络功能(Virtualized Network Function,VNF)编排方法展开研究。借助最优化理论、启发式算法和人工智能技术,从VNF部署和VNF资源容量调整两个方面入手,提高VNF编排过程中的资源利用率、服务可靠性和业务调度时间等关键指标,实现VNF的自动化部署、故障恢复和弹性伸缩。本文的主要研究内容包括:(1)面向业务调度时间优化的全流程VNF部署方法现有研究主要采用VNF转发图映射和VNF调度两个流程相互独立的优化模型描述VNF部署问题,没有考虑映射结果对调度策略的影响,缩小了VNF部署问题解空间的可行域。为了优化VNF部署策略,本文基于整数线性规划建立了面向业务调度时间优化的全流程VNF部署模型,并设计了一种染色体联合编码遗传算法求解该NP难问题。该算法通过联合编码机制将VNF部署问题中的执行顺序约束和映射关系约束预先嵌入染色体中,减少了进化过程中待判定的约束条件,降低了算法的时间复杂度。此外,本文VNF部署模型考虑了VNF间的业务流量传输时延对业务调度时间的影响,并提出了基于纳什议价模型的VNF带宽分配策略,通过优化VNF间传输时延进一步降低了NFV平台的业务调度时间,提高了基础设施资源利用效率。仿真结果证明,与现有算法相比,本文提出的全流程部署算法能够优化VNF部署策略,降低NFV平台的业务调度时间,并且减少算法执行所需的CPU时间。(2)基于池化备份策略的VNF转发图映射方法为了实现服务功能链可靠性和NFV平台资源利用率的均衡优化,本文设计了一种基于池化备份策略的VNF转发图映射方法。与传统的联合备份策略相比,池化备份策略能够根据NFV平台中的物理资源利用情况和VNF可靠性需求自适应调整备份VNF采用的备份机制和资源分配策略,提高了备份资源管理的灵活性。根据本文设计的VNF池化备份转发图,我们基于混合整数规划模型设计了一种支持流量感知的动态VNF转发图映射算法。该算法能够根据业务流量的变化动态调整备份资源池中VNF实例的数量,实现了细粒度的备份资源管理。实验证明,相比于传统的联合备份策略,本文提出的池化备份方法能够提高服务功能链可靠性和请求接收率,降低VNF转发图映射所需的资源开销。(3)基于资源需求预测的VNF资源容量自适应调整方法为了实现VNF资源容量的弹性伸缩,本文提出了一种基于资源需求预测的VNF资源容量调整方法。首先,我们设计了一种基于长短期记忆网络和多层前馈神经网络的VNF资源需求预测方法,该方法引入了流量变化、资源需求变化和业务类型等输入特征,与现有预测方法相比,降低了流量预测误差对资源需求预测结果的影响。其次,结合上述VNF资源需求预测方法,本文利用二次分配模型建立了VNF资源需求视图映射模型,并设计了一种动态编码遗传算法求解该NP难问题。该算法能够根据资源需求的变化自适应调整VNF需求视图的映射策略,实现服务功能链的集中部署。实验结果表明,与现有的资源容量调整方法相比,本文提出的资源容量自适应调整方法能够降低资源需求预测的相对误差,减少VNF实例占用的服务器数量。(4)多接入边缘计算场景下的虚拟网络监测功能动态部署和资源容量在线调整方法物联网和普适计算应用的普及推动了多接入边缘计算(Multi-access Edge Computing,MEC)技术的发展。为了实现边缘云的智能化管理,运营商需要在边缘云的基础设施中部署虚拟化网络监测功能。然而,MEC基础设施地理上分布式的部署方式极大地提高了边缘服务器状态监测的通信时延,影响了监测功能的实时性。为了解决上述问题,本文在MEC场景下研究了面向时延优化的网络监测功能部署和在线容量调整问题。该方法首先采用整数线性规划建立了面向时延优化的网络监测功能动态部署模型。针对该NP难优化模型,本文提出了一种基于动态编码机制的遗传算法,实现了寻优过程的快速收敛。其次,考虑到边缘云场景下突发流量的不可预测性,本文基于ski-rental模型设计了一种在线VNF容量调整方法。该方法能够动态调整VNF中各个VNF组件的生命周期,降低容量调整过程中新VNF实例创建的频率,减少边缘云场景下的VNF容量调整开销。仿真和实验结果表明,与现有方法相比,本文所提的在线容量调整方法在算法执行的CPU时间、VNF内部传输时延以及长期容量调整开销等方面有明显的性能优势。
范琅[8](2020)在《网络边缘服务功能链部署与优化研究》文中进行了进一步梳理近年来,边缘计算作为一种新型计算模式在当前的信息科技发展浪潮中迅速得到大量关注。与此同时,网络功能虚拟化(Network Function VIrtualization,NFV)的兴起为网络运营商提供了灵活部署和管理网络的思路。NFV的核心思想是解耦专用物理设备和网络功能,转而利用灵活的软件技术实现的虚拟网络功能(Virtual Network Function,VNF)来代替专用物理设备。基于此,业界提出基于NFV架构实现边缘计算,将不同类型的边缘计算服务以VNF的方式部署在不同位置的边缘计算节点上,通过NFV编排调度机制实现不同类型虚拟网络功能的连接形成服务功能链(Service Function Chain,SFC),从而满足终端用户特定的边缘计算服务要求。然而,如何在边缘计算网络中有效部署这些VNF以为用户提供高质量的服务是一个亟待解决的问题。本文以NFV在边缘计算中的可应用性为切入点,在不同应用场景中对VNF在网络边缘的部署问题进行了重点研究。首先,本文研究了基于QoS保证的任务卸载网络功能分配问题。重点研究了如何为来自用户的服务请求选择合适的VNF实例以完成任务卸载过程,同时必须严格保证服务请求的QoS要求以及满足网络资源条件的约束。为此,本文为任务卸载的服务请求建立了延迟模型,并建立了以最大化网络吞吐量为目标的整数线性规划模型,然后证明了研究问题是NP难问题。由于问题的NP难性,本文设计了基于遗传算法和拉格朗日松弛的启发式算法,该算法能为每个服务请求计算出合适的解决方案以满足QoS和资源约束。仿真结果表明设计的算法能在最大化网络吞吐量的同时保证服务请求的QoS要求,相比较对比算法具有更好的性能。然后,本文研究了面向边缘网络的动态SFC资源高效性部署问题。本文在简单的链式SFC基础上研究了形式更复杂的VNF组合即VNF转发图以满足边缘网络中的业务复杂性。基于此,本文以最小化SFC部署的网络资源总成本为目标函数建立了整数线性规划模型,并证明了研究问题的NP难性。由此,本文提出了基于动态规划的启发式算法来解决研究问题。该算法通过动态规划模型为服务请求求解出资源高效性部署方案。由于SFC的动态性会造成网络资源碎片化的情况出现,该算法还通过整合低效运行的相同类型VNF实例以进一步减少资源成本。仿真结果说明提出的算法相比较对比算法能有效减少资源成本,在接受率方面也有更好表现。
董晓庆[9](2019)在《网络资源分配及在异构网络中的应用》文中研究指明无线网络技术快速发展并渗透到人类社会活动的方方面面,其发展改变了人们的日常生活方式,是社会经济发展及信息化水平提升的重要推动力。随着无线通信网络技术的高速发展,用户流量需求、用户业务量及用户终端激增,但频谱资源紧缺,且利用率低下,成为制约无线网络发展的重大瓶颈,即使下一代通信网络增加可利用频谱资源,频谱资源仍然非常珍贵;同时,单一通信网络已无法满足用户差异化业务需求,未来的无线通信网络必然是多网络共存、融合、优势互补,这也是下一代无线通信网络的发展趋势。因此,如何提高频谱资源利用率,以缓解激增的用户流量需求与紧缺且利用率低下频谱资源的矛盾?如何融合多个异构无线网络,通过动态选择接入网络及用户间资源合理高效分配,在保障用户多种业务需求的基础上,优化网络性能及服务质量,是无线网络需解决的重要问题。本论文在分析异构网络重叠覆盖复杂场景、当前处理面临挑战和现有研究成果基础上,对无线异构网络融合中的无线资源分配技术及异构传感器网络部署优化技术进行了深入研究,提出并设计了一系列面向认知异构无线网络的空闲频谱资源分配策略、异构网络重叠覆盖场景下用户的网络关联及频谱资源分配方法、异构传感器融合网络中复合事件协同检测方法。本文开展的主要工作及成果如下:(1)针对频谱属性异构、信道条件动态变化、业务需求多样的认知异构无线网络中难以为次用户高效分配频谱资源的问题,提出了传输速率最大化的频谱资源分配策略。该策略首先以总传输速率最大化为目标,以受限频谱资源及用户业务需求为约束条件,构建了非线性多约束的频谱资源分配0-1规划模型;然后设计了一种多项式时间复杂度的化简求解方法,该方法根据空闲频谱信息、信道条件、业务需求及分配决策历史信息构建并修正效益矩阵,实现约束条件化简,并通过改进传统匈牙利算法的系数矩阵变换策略提高执行效率。最后,通过实验对算法性能进行对比分析,实验结果显示,所提方法具有更高的传输速率及执行效率。(2)针对认知异构网络中资源分配多目标优化问题,在综合考虑用户业务需求和频谱资源属性差异的背景下,以次用户总传输速率最大化和总成本最小化为目标,建立了空闲频谱分配的双目标优化数学模型。通过对数学模型进行化简,即将双目标优化问题转化为单目标优化及对约束条件进行简化,并利用改进匈牙利算法进行求解;其次,设计了一种基于改进非支配排序遗传算法的多目标智能优化方法进行求解。实验结果表明,简化方法具有较高的效率,INSGA-Ⅱ(improved Non-dominated Sorting Genetic Algorithm Ⅱ)算法可获得较高的传输速率,尤其是传输速率优先策略。(3)针对多异构网络重叠覆盖、多用户多业务共存环境下,用户最大化传输速率易致网络负载不均衡的问题,提出一种基于非支配排序遗传算法的业务接入控制方法。该方法首先以传输速率最大化及网络负载最均衡为目标,以带宽资源受限为约束,构建了传输速率最大化及网络负载最均衡的双目标优化模型;然后基于多目标优化方法非支配排序遗传算法求解该业务接入控制问题。仿真结果表明,所提算法兼顾了用户的传输速率需求及网络间的负载均衡,取得较好的效果。(4)异构传感器网络中的复合事件联合检测是传感器网络的研究热点。如何使用尽可能少的传感器节点监测大范围的复合事件是一个难题,因为由多原子事件组成的复合事件需通过多个异构传感器节点进行协同监测,节点数量不够常导致检测准确率变差,而目前多数传统方法专注于只需部署同构节点的原子事件检测。考虑到不同类型异构传感器节点的成本、贡献权重和感知能力,本课题提出了复合事件部署成本最小化问题(DCMP),并给出了相应的数学模型,目的是达到所需覆盖质量要求下最大限度地降低部署成本。根据异构节点的时空关联关系,分别提出了新的原子事件模型和复合事件模型,并在此基础上分析了覆盖质量;然后,基于复合事件模型和覆盖质量模型,提出了精确算法和贪婪策略近似算法以解决优化问题,并分析了两种算法的时间复杂度和近似性。实验结果表明,在相同覆盖质量下,所提近似算法具有较低的部署成本和更高的执行效率。最后对全文进行了总结,并展望了下一步研究工作。
孙士清[10](2019)在《NFV环境下服务功能链资源优化部署方法研究》文中研究指明随着用户服务需求的不断增长和新兴服务的不断涌现,运营商需要改变当前僵化的网络架构,对底层网络资源实现按需配置。网络功能虚拟化(Network Function Virtualization,NFV)和软件定义网络(Software Defined Network,SDN)作为未来网络服务的使能技术,能够对网络功能进行动态配置并在服务功能之间进行灵活的流量调度,实现服务功能链(Service Function Chain,SFC)的资源优化部署,满足不同的服务和应用在时延、可靠性和弹性扩展等方面差异化的性能需求。然而,分析当前虚拟化环境下服务功能链部署研究现状,在以下三个方面仍存在不足:1)僵化的服务功能链静态构建方式降低了服务功能链部署的灵活性,难以感知底层网络资源的动态变化,导致服务功能链部署资源开销增加;2)反应式的服务功能自适应扩展方法对服务功能实例进行频繁的创建和删除操作,导致服务性能下降以及网络运营成本上升;3)专用备份或联合备份策略采用1:1资源预留方式进行备份以提高服务可靠性,造成服务部署资源开销和时延的增加。针对上述研究中存在的问题,论文首先采用双层编码方法和改进的遗传粒子群算法实现服务功能链灵活高效部署;然后提出基于资源预配置的服务功能链动态部署策略,降低网络运营成本和服务部署开销;最后采用资源共享备份方法和混合路由策略实现网络服务可靠性和时延的双重保证,同时降低服务功能链部署开销。本文主要研究成果分为以下三个方面:1.提出一种资源感知的服务功能链部署方法,解决了服务功能顺序未知场景下静态的服务链构建方法造成的服务功能链部署资源开销增加以及服务请求接受率低的问题。该方法首先根据服务功能之间的依赖关系,设计了基于广度优先搜索思想的服务功能链构建方法,计算出服务请求对应的所有的服务功能链构建方案;然后采用双层编码方法,将服务功能链构建方案与映射方案同时进行编码,并设计了基于混合粒子群算法的服务功能链部署方法,以获得符合当前网络状态的服务功能链最优部署方案。仿真结果表明,所提算法降低了服务功能链部署的资源开销,提高了网络服务请求接受率。2.提出一种基于资源需求预测的服务功能链动态部署方法,解决了服务请求到达强度动态变化场景下反应式的服务功能自适应扩展方法造成的服务性能下降以及运营成本增加的问题。该方法首先采用GRU神经网络对未来时刻的服务功能实例需求进行预测,在此基础上,提出在线服务功能实例配置算法对服务功能实例进行动态管理,实现虚拟资源的预配置;最后提出基于遗传算法的服务功能路径配置算法对动态到达的服务请求进行快速部署。仿真结果表明,所提算法能够有效减少网络运营开销,降低带宽资源占用。3.提出一种时延约束下可靠性保证的服务功能链部署方法,解决了底层网络物理节点失效场景下专用备份和联合备份方法造成的资源开销和服务时延增加的问题。该方法首先提出服务功能共享备份策略,以较少的节点资源开销增加获取网络服务可靠性的提升,然后采用单路径和多路径混合的路由策略保证了网络服务的时延要求;最后将服务功能链部署问题建模成为混合整数线性规划问题,并提出基于K最短路径扩展的服务功能链部署方法。仿真结果表明,该方法降低了服务链部署的节点资源和带宽资源开销,提高了部署成功率。
二、遗传算法在网络流量及带宽分配中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、遗传算法在网络流量及带宽分配中的应用(论文提纲范文)
(2)卫星动态光网络的路由和资源管理方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 卫星动态路由算法研究现状 |
1.2.2 全光网络波长路由研究现状 |
1.2.3 星上资源管理研究现状 |
1.3 论文研究内容和创新点 |
1.4 论文组织结构 |
第二章 卫星光网络中基于蜂群优化的RWA算法 |
2.1 引言 |
2.2 卫星光网络模型 |
2.2.1 卫星星座类型 |
2.2.2 卫星空间位置的数学模型 |
2.2.3 卫星光网络的路由设备 |
2.2.4 基于波长路由的卫星光网络模型 |
2.3 基于链路代价的蜂群优化RWA算法 |
2.3.1 蜂群算法基本原理 |
2.3.2 全局路由预计算和初始化 |
2.3.3 基于链路代价函数的路径搜索 |
2.3.4 基于可行解比较的全局优化 |
2.4 BCO-LCRWA算法仿真与性能分析 |
2.4.1 仿真参数设置 |
2.4.2 仿真结果与性能分析 |
2.5 本章小结 |
第三章 卫星光网络中基于安全路由策略的负载均衡算法 |
3.1 引言 |
3.2 卫星网络安全路由方案 |
3.2.1 空间网络的安全威胁 |
3.2.2 基于信任评估安全路由方案 |
3.3 基于安全路由的负载均衡算法 |
3.3.1 基于安全机制的负载修正模型 |
3.3.2 卫星光网络中基于安全策略的负载均衡算法 |
3.3.3 仿真与性能分析 |
3.4 本章小结 |
第四章 基于业务分流的卫星拥塞控制算法 |
4.1 引言 |
4.2 常见的网络服务机制 |
4.3 基于业务分布的流量修正模型 |
4.4 基于大流量业务需求的拥塞控制算法 |
4.4.1 拥塞控制问题优化模型 |
4.4.2 基于波长利用率的拥塞指标 |
4.4.3 基于人工蜂群机制的拥塞控制算法 |
4.4.4 仿真与性能分析 |
4.5 本章小结 |
第五章 基于多QoS保证的带宽分配方法 |
5.1 引言 |
5.2 宽带卫星系统模型 |
5.3 基于多QoS保证的动态带宽分配方法 |
5.3.1 跨层带宽分配模型 |
5.3.2 基于效用函数的优化模型 |
5.3.3 基于蜂群优化的动态带宽分配算法 |
5.4 BO-CL-DBA算法仿真性能分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录: 缩略语列表 |
致谢 |
攻读学位期间发表的学术论文和其他成果 |
(3)面向电力物联网动态业务需求的智能路由分配方法(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 本文主要研究内容 |
1.3 硕士期间主要工作 |
1.4 论文结构 |
1.5 本章小结 |
第二章 电力通信网流量预测及路由规划技术背景介绍 |
2.1 引言 |
2.2 电力通信网及电力物联网简介 |
2.2.1 电力通信网 |
2.2.2 电力物联网 |
2.3 智能路由分配方法关键技术及理论 |
2.3.1 流量预测和带宽分配技术 |
2.3.2 路由规划技术 |
2.4 流量预测和带宽分配及路径规划研究现状 |
2.4.1 流量预测及带宽分配研究现状 |
2.4.2 路径规划研究现状 |
2.5 本章小结 |
第三章 面向电力物联网业务的实时流量预测和带宽分配方法 |
3.1 引言 |
3.2 业务流量特性分析 |
3.3 基于AUGRU的业务流量实时预测模型 |
3.3.1 Attention机制 |
3.3.2 AUGRU预测模型架构 |
3.3.3 预测流量修正机制 |
3.3.4 数据组织 |
3.4 仿真分析与比较 |
3.4.1 仿真数据说明 |
3.4.2 流量预测模型对比分析 |
3.5 本章小结 |
第四章 面向综合风险驱动的电力物联网业务的带宽分配和路由规划方法 |
4.1 引言 |
4.2 面向电力物联网业务的综合风险评估模型 |
4.3 基于深度强化学习的固定带宽路由规划方法 |
4.3.1 状态空间 |
4.3.2 奖励函数 |
4.3.3 状态动作价值函数 |
4.3.4 基于DQN的固定带宽路由规划算法 |
4.4 基于DDQN的动态带宽和路由规划方法 |
4.5 仿真分析与比较 |
4.5.1 基于固定带宽的路由规划算法实验分析 |
4.5.2 基于动态带宽的路由规划算法实验分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 存在问题及展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(4)智能电网通信网中业务驱动的高可靠路由算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究内容和创新点 |
1.2.1 研究内容 |
1.2.2 创新点 |
1.3 博士期间主要工作 |
1.4 论文组织结构 |
第二章 智能电网通信网中业务驱动的高可靠路由算法综述 |
2.1 概述 |
2.2 智能电网通信网 |
2.2.1 智能电网通信网网络架构 |
2.2.2 智能电网骨干通信网架构 |
2.2.3 智能电网骨干通信网传输技术 |
2.2.4 智能电网通信网业务 |
2.2.5 智能电网通信网协同控制网络架构 |
2.3 研究现状 |
2.3.1 智能电网通信网中预置双路由算法研究现状 |
2.3.2 智能电网通信网中动态路由恢复算法研究现状 |
2.4 存在的问题 |
2.5 本章小结 |
第三章 基于风险感知和QoS保障的业务双路由规划方法 |
3.1 引言 |
3.2 问题分析 |
3.2.1 问题描述 |
3.2.2 系统建模 |
3.3 双路由规划求解算法 |
3.3.1 算法框架 |
3.3.2 算法设计 |
3.4 实验分析 |
3.4.1 仿真参数设置 |
3.4.2 实验结果分析 |
3.5 本章小结 |
第四章 基于链路带宽可用性的业务路由恢复算法 |
4.1 引言 |
4.2 问题分析 |
4.2.1 问题描述 |
4.2.2 系统建模 |
4.3 算法设计 |
4.3.1 算法步骤 |
4.3.2 算法描述 |
4.3.3 复杂度分析 |
4.4 实验分析 |
4.4.1 仿真参数设置 |
4.4.2 实验结果分析 |
4.5 本章小结 |
第五章 基于生存性的业务路由恢复算法 |
5.1 引言 |
5.2 问题分析 |
5.2.1 问题描述 |
5.2.2 系统建模 |
5.3 算法设计 |
5.3.1 模型分析及求解 |
5.3.2 深度强化学习框架 |
5.3.3 深度强化学习框架下的业务恢复机制 |
5.3.4 基于优先缓存的DQN算法 |
5.4 实验分析 |
5.4.1 仿真参数设置 |
5.4.2 实验结果分析 |
5.5 本章小结 |
第六章 基于拥塞缓解的业务路由优化及资源分配算法 |
6.1 引言 |
6.2 问题分析 |
6.2.1 问题描述 |
6.2.2 系统建模 |
6.3 算法设计 |
6.3.1 基于路由满意度的业务路由算法 |
6.3.2 基于链路时频连续度的频谱资源分配算法 |
6.3.3 算法时间复杂度分析 |
6.4 实验分析 |
6.4.1 仿真参数设置 |
6.4.2 实验结果分析 |
6.5 本章小结 |
第七章 结束语 |
7.1 论文总结 |
7.2 未来的研究工作 |
参考文献 |
致谢 |
攻读博士学位期间发表的学术论文 |
(5)分布式探针调度系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景 |
1.2 国内外研究现状 |
1.3 课题研究内容 |
1.3.1 研究内容 |
1.3.2 课题创新点 |
1.4 论文组织与结构 |
第二章 相关技术介绍 |
2.1 网络性能测量 |
2.1.1 网络性能测量的分类 |
2.1.2 GPerf网络测量系统 |
2.2 遗传算法 |
2.2.1 NSGA算法 |
2.2.2 NSGA2算法 |
2.3 层次分析法 |
2.3.1 层次分析法基本原理 |
2.3.2 层次分析法的特点 |
2.4 本章小结 |
第三章 分布式探针调度系统需求分析 |
3.1 总体需求 |
3.2 探针调度需求 |
3.3 探针管理需求 |
3.4 性能需求 |
3.5 界面需求 |
3.6 本章小结 |
第四章 分布式探针调度系统概要设计 |
4.1 系统整体架构设计 |
4.2 模块间接口设计 |
4.2.1 任务下发模块接口设计 |
4.2.2 探针调度模块接口设计 |
4.2.3 测量结果查询模块接口设计 |
4.2.4 探针管理模块接口设计 |
4.3 数据库总体设计 |
4.4 本章小结 |
第五章 分布式探针调度系统详细设计与实现 |
5.1 任务下发模块设计 |
5.2 探针调度模块设计 |
5.2.1 探针筛选子模块设计 |
5.2.2 探针选择子模块设计 |
5.2.3 探针集选择子模块设计 |
5.2.4 探针状态监测子模块设计 |
5.2.5 探针更新子模块设计 |
5.3 测量结果查询模块设计 |
5.4 探针管理模块设计 |
5.4.1 探针认证子模块设计 |
5.4.2 探针状态管理子模块设计 |
5.4.3 探针信息管理子模块设计 |
5.4.4 探针版本更新子模块设计 |
5.5 数据库表结构设计 |
5.6 本章小结 |
第六章 测试及结果分析 |
6.1 测试环境介绍 |
6.2 测试用例设计 |
6.2.1 系统功能测试 |
6.2.2 探针调度性能测试 |
6.3 本章小结 |
第七章 总结与展望 |
7.1 论文总结 |
7.2 未来展望 |
参考文献 |
致谢 |
攻读硕士期间发表的学术论文目录 |
(6)空分弹性光网络负载均衡自适应碎片抑制及高生存性的资源分配算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 资源利用率相关资源分配问题研究现状 |
1.2.2 生存性相关资源分配问题研究现状 |
1.3 论文主要研究内容 |
1.4 论文的创新点及结构安排 |
第二章 空分复用弹性光网络的资源分配问题概述 |
2.1 空分复用弹性光网络的原理及关键技术 |
2.1.1 弹性光网络的原理及关键技术 |
2.1.2 空分复用弹性光网络的关键技术 |
2.2 空分复用弹性光网络的路由频谱及纤芯分配问题 |
2.2.1 路由分配问题 |
2.2.2 频谱及纤芯分配问题 |
2.3 本章小结 |
第三章 负载均衡自适应路由分配算法的优化研究 |
3.1 传统路由分配算法存在的问题 |
3.2 优化的负载均衡自适应的路由分配OLARA算法研究 |
3.2.1 OLARA算法的整体设计思路 |
3.2.2 基于遗传算法的预负载均衡GAAOWM算法 |
3.2.3 资源利用率感知的动态权值调整RUAWA算法 |
3.3 OLARA算法性能仿真及结果分析 |
3.3.1 GAAOWM算法的预负载均衡性能分析 |
3.3.2 OLARA算法整体性能分析 |
3.4 本章小结 |
第四章 空分复用弹性光网络频谱碎片抑制的资源分配算法设计 |
4.1 空分复用弹性光网络中的超通道技术 |
4.2 基于灵活分组的碎片抑制资源分配算法设计 |
4.2.1 灵活分组机制的设计及原理 |
4.2.2 WUFG-RSCA算法研究 |
4.3 W UFG-RSCA算法仿真与性能分析 |
4.3.1 仿真环境及参数设置 |
4.3.2 仿真结果分析 |
4.4 本章小结 |
第五章 空分复用弹性光网络的单点故障保护算法研究 |
5.1 基于单点故障的串扰感知专有保护CaDP算法 |
5.1.1 CaDP算法原理 |
5.1.2 CaDP算法性能仿真及结果分析 |
5.2 基于单点故障的拓扑自适应共享备份路径保护TA-SBPP算法 |
5.2.1 TA-SBPP算法原理 |
5.2.2 TA-SBPP算法性能仿真及结果分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表论文与专利 |
(7)虚拟网络功能编排方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 多样化业务对4G网络架构的挑战 |
1.1.2 网络功能虚拟化 |
1.2 研究方向 |
1.2.1 虚拟网络功能部署 |
1.2.2 虚拟网络功能容量调整 |
1.2.3 课题来源与研究意义 |
1.3 研究现状 |
1.3.1 虚拟网络功能部署研究现状 |
1.3.2 虚拟网络功能容量调整研究现状 |
1.3.3 问题总结 |
1.4 主要研究内容 |
1.5 本文组织结构 |
第二章 面向业务调度时间优化的全流程VNF部署方法 |
2.1 引言 |
2.2 VNF部署问题的全流程优化 |
2.3 面向调度时间优化的VNF部署模型 |
2.4 基于联合编码遗传算法的VNF部署算法 |
2.4.1 染色体联合编码 |
2.4.2 适应度计算与染色体选择 |
2.4.3 交叉和变异 |
2.5 VNF带宽资源分配 |
2.5.1 系统模型 |
2.5.2 基于纳什议价的带宽分配 |
2.6 基于联合编码遗传算法的VNF部署方法 |
2.7仿真实验 |
2.7.1 实验参数设置 |
2.7.2 仿真结果分析 |
2.8 本章小结 |
第三章 基于池化备份策略的VNF转发图映射方法 |
3.1 引言 |
3.2 VNF备份映射问题 |
3.3 基于池化备份的转发图设计 |
3.3.1 数据中心网络拓扑 |
3.3.2 池化备份转发图 |
3.3.3 池化备份映射 |
3.4 VNF转发图映射 |
3.4.1 决策变量 |
3.4.2 资源开销度量 |
3.4.3 优化目标与约束条件 |
3.4.4 算法描述 |
3.5仿真与实验 |
3.5.1 参数设置 |
3.5.2 映射结果 |
3.5.3 算法性能 |
3.6 本章小结 |
第四章 基于资源需求预测的VNF资源容量自适应调整 |
4.1 引言 |
4.2 系统模型与优化目标 |
4.2.1 SFC部署模型和VNF资源容量调整问题 |
4.2.2 优化目标 |
4.3 VNF资源需求预测方法 |
4.3.1 基于LSTM网络的流量预测 |
4.3.2 基于多层前馈神经网络的资源需求预测 |
4.4 VNF资源需求视图动态映射 |
4.5 性能评估及分析 |
4.5.1 实验环境和参数设置 |
4.5.2 结果分析 |
4.6 本章小结 |
第五章 MEC场景下的虚拟网络监测功能资源容量在线调整方法 |
5.1 引言 |
5.2 面向传输时延优化的边缘监测功能部署 |
5.2.1 系统模型 |
5.2.2 问题建模和映射算法 |
5.3 在线容量调整方法 |
5.3.1 问题描述与建模 |
5.3.2 在线容量调整 |
5.4 仿真和实验分析 |
5.4.1 实验参数设置 |
5.4.2 实验结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文主要研究成果和创新点 |
6.2 下一步的研究展望 |
致谢 |
参考文献 |
作者简历 |
(8)网络边缘服务功能链部署与优化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究历史与现状 |
1.3 本文的主要贡献与创新 |
1.4 本论文的结构安排 |
第二章 相关技术背景介绍 |
2.1 边缘计算概述 |
2.2 网络功能虚拟化技术概述 |
2.2.1 网络功能虚拟化主要内容 |
2.2.2 网络功能虚拟化技术的架构 |
2.2.3 服务功能链概述 |
2.3 基于NFV架构的边缘计算网络 |
2.4 本章小结 |
第三章 基于QoS保证的任务卸载网络功能分配机制研究 |
3.1 研究背景 |
3.2 问题描述及建模 |
3.2.1 底层物理网络模型 |
3.2.2 任务卸载和VNF实例 |
3.2.3 服务请求的延迟模型 |
3.2.4 整数线性规划模型 |
3.2.5 问题复杂性分析 |
3.3 算法设计 |
3.3.1 VNFANE算法 |
3.3.2 GenticRouting算法 |
3.3.3 LRFunction算法 |
3.3.4 算法复杂度分析 |
3.4 仿真结果与分析 |
3.4.1 仿真设置 |
3.4.2 仿真结果 |
3.5 本章小结 |
第四章 面向边缘网络的动态服务功能链资源高效性部署研究 |
4.1 研究背景 |
4.2 问题描述与建模 |
4.2.1 底层物理网络模型 |
4.2.2 服务功能链模型 |
4.2.3 整数线性规划模型 |
4.2.4 问题复杂性分析 |
4.3 算法设计 |
4.3.1 DRSFCP算法 |
4.3.2 DynamicProgrammingFunction算法 |
4.3.3 ResourceIntegrationFunction算法 |
4.3.4 算法复杂度分析 |
4.4 仿真结果与分析 |
4.4.1 仿真设置 |
4.4.2 仿真结果 |
4.5 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(9)网络资源分配及在异构网络中的应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 空闲频谱资源分配研究现状 |
1.2.2 业务接入控制研究现状 |
1.2.3 异构传感器网络中事件监测研究现状 |
1.2.4 现状总结与分析 |
1.3 课题来源和主要研究内容 |
1.3.1 课题来源 |
1.3.2 主要研究内容 |
1.3.3 论文结构安排 |
第二章 认知异构无线网络中传输速率最大化的频谱资源分配方法 |
2.1 引言 |
2.2 频谱资源分配0-1规划模型 |
2.2.1 网络模型 |
2.2.2 问题建模 |
2.3 分配方案设计 |
2.3.1 化简方法 |
2.3.2 化简方法最优性证明 |
2.4 仿真 |
2.4.1 实验参数及方法 |
2.4.2 实验结果分析 |
2.5 本章小结 |
第三章 认知异构无线网络中无线资源分配的多目标优化方法 |
3.1 引言 |
3.2 网络模型及问题推导 |
3.2.1 网络模型 |
3.2.2 问题的推导 |
3.2.3 问题复杂性分析 |
3.3. 问题求解 |
3.3.1 简化方法 |
3.3.2 改进的NSGA-Ⅱ算法(INSGA-Ⅱ) |
3.3.3 简化方法时间复杂度分析 |
3.4. 实验结果分析 |
3.4.1 仿真设置 |
3.4.2 性能评估 |
3.5 本章小结 |
第四章 密集部署异构无线网络中业务接入控制方法 |
4.1 引言 |
4.2 网络模型及问题推导 |
4.2.1 网络模型 |
4.2.2 问题推导 |
4.3 接入控制方法 |
4.4 仿真 |
4.4.1 实验参数及方法 |
4.4.2 算法性能分析 |
4.5 本章小结 |
第五章 异构传感器网络的复合事件协同监测方法 |
5.1 引言 |
5.2 事件模型和覆盖质量评估方法 |
5.2.1 事件模型 |
5.2.2 覆盖质量评估 |
5.3 部署成本最小化问题 |
5.3.1 问题描述 |
5.3.2 DCMP问题的复杂性分析 |
5.4 算法实现 |
5.4.1 近似算法 |
5.4.2 精确算法 |
5.4.3 性能分析 |
5.5 实验结果分析 |
5.5.1 部署成本与覆盖质量关系评估 |
5.5.2 算法执行效率 |
5.5.3 部署成本与监测面积关系评估 |
5.5.4 部署成本与节点类型数量关系评估 |
5.6 本章小结 |
总结与展望 |
参考文献 |
攻读博士学位期间发表或完成的论文 |
致谢 |
(10)NFV环境下服务功能链资源优化部署方法研究(论文提纲范文)
摘要 |
Abstract |
缩略词对照表 |
第一章 绪论 |
1.1 研究背景 |
1.2 NFV环境下的SFC体系结构 |
1.2.1 NFV基本架构 |
1.2.2 网络服务与编排 |
1.2.3 VNF自适应扩展机制 |
1.2.4 动态SFC架构 |
1.3 研究现状与问题提出 |
1.3.1 服务功能链部署研究现状 |
1.3.2 问题提出 |
1.4 论文主要工作 |
1.5 论文组织结构 |
第二章 网络资源状态感知的服务功能链部署方法 |
2.1 引言 |
2.2 问题描述和模型建立 |
2.2.1 问题描述 |
2.2.2 模型建立 |
2.3 算法描述 |
2.3.1 基于广度优先搜索的服务功能链构建算法 |
2.3.2 基于改进遗传粒子群算法的服务功能链映射算法 |
2.4 仿真实验 |
2.4.1 实验设置 |
2.4.2 结果分析 |
2.5 本章小结 |
第三章 基于资源需求预测的服务功能链动态部署方法 |
3.1 引言 |
3.2 模型建立 |
3.3 算法描述 |
3.3.1 基于GRU神经网络的资源需求预测方法 |
3.3.2 在线服务功能实例配置算法 |
3.3.3 基于遗传算法的服务功能路径配置算法 |
3.4 仿真实验 |
3.4.1 实验设置 |
3.4.2 结果分析 |
3.5 本章小结 |
第四章 时延约束下可靠性保证的服务功能链部署方法 |
4.1 引言 |
4.2 模型建立 |
4.2.1 底层网络与SFC请求 |
4.2.2 基于相邻VNF备份实例资源共享的备份方法 |
4.2.3 单路径与多路径混合的路由策略 |
4.2.4 SFC映射模型 |
4.3 算法描述 |
4.3.1 基于K阶最短路径扩展的服务功能链部署算法 |
4.3.2 时间复杂度分析 |
4.4 仿真实验 |
4.4.1 实验设置 |
4.4.2 结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
作者简历 |
四、遗传算法在网络流量及带宽分配中的应用(论文参考文献)
- [1]数据中心光网络中资源分配与优化技术及其应用研究[D]. 王炎豪. 南京邮电大学, 2021
- [2]卫星动态光网络的路由和资源管理方法研究[D]. 刘晔祺. 北京邮电大学, 2021(01)
- [3]面向电力物联网动态业务需求的智能路由分配方法[D]. 金卓军. 北京邮电大学, 2021(01)
- [4]智能电网通信网中业务驱动的高可靠路由算法研究[D]. 刘保菊. 北京邮电大学, 2021(01)
- [5]分布式探针调度系统的设计与实现[D]. 李刘杰. 北京邮电大学, 2021(01)
- [6]空分弹性光网络负载均衡自适应碎片抑制及高生存性的资源分配算法研究[D]. 吕畅. 北京邮电大学, 2020(04)
- [7]虚拟网络功能编排方法研究[D]. 袁泉. 战略支援部队信息工程大学, 2020
- [8]网络边缘服务功能链部署与优化研究[D]. 范琅. 电子科技大学, 2020(07)
- [9]网络资源分配及在异构网络中的应用[D]. 董晓庆. 广东工业大学, 2019(03)
- [10]NFV环境下服务功能链资源优化部署方法研究[D]. 孙士清. 战略支援部队信息工程大学, 2019