CN100583836C - 一种Scale-Free网络上的自适应局部路由方法 - Google Patents

Abstract

本发明公开了一种Scale-Free网络上的自适应局部路由方法。通过网络业务的产生；节点临界阈值的设定；择优因子的确定；节点根据择优因子，确定向每个邻居节点发送信息包的自适应转发概率并向各个节点同步发送信息包；本发明通过调整信息包转发概率，可以实现在Scale-Free网络上实时的根据业务轻重合理分配负载，使得所有节点的发送能力得以充分利用；网络内所有节点可以同步达到饱和，可以提高拥塞时的临界发送速率R_c，提高网络容量。

Description

一种Scale-Free网络上的自适应局部路由方法

技术领域

本发明属于复杂网络技术领域，具体涉及一种适用于Scale-Free网络的自适应局部路由方法。

背景技术

互联网被证实具有复杂网络的小世界以及Scale-Free连接特性。孤立节点或单业务连接等局部特性的研究不足以解决这种复杂系统的优化传输问题，需要将网络拓扑以及建立在其上的信息传输规则和过程有机结合起来，进而寻求其拥塞控制、结构优化的有效方法。Scale-Free网络(也叫无标度网络)及其信息传输特性和传输方法研究，致力于从整体的角度来研究网络的信息传输特性，提高通信网整体性能。

随着产生业务的增加，网络存在从稳态(自由流状态)到拥塞态的相变，这主要归因于网络节点之间及业务与拓扑结构之间的相互作用。网络拓扑结构是网络的信息传输的基础物理构架，它对网络的信息传输特性有重要的影响，决定了网络可能的最大传输能力，并且与其上的路由方法一起决定了网络的实际传输能力的大小。路由方法和网络结构之间的非线性作用决定了实际网络的信息传输能力和业务动力学特性。

为了在复杂网络结构上实现高效的信息传输，已经有很多路由方法被提出。主要分为全局路由方法和局部路由方法两大类。

1.全局路由方法

全局路由方法要求每个节点知道网络的全局拓扑连接信息，从而设计路由方法。

最经典的全局路由方法是沿最短跳数路径发送信息包的路由方法，它能够使得信息花费最少的时间到达目的地，所以在自由流状态具有最高的效率。但是它使得各条最短路径集中通过的节点(Hub节点)的负担很大，大量信息包在这里堆积。一旦网络结构有不利因素，例如Scale-Free网络中Hub节点的中心枢纽地位十分突出，那么这种方法将使拥塞很快发生。

全局路由方法对增大网络容量的效果较好，但其问题在于每个节点都不断探测全局结构，并且修改路径特性，这对于试验性质的中小型网络或许适用，但对于类似因特网规模的网络或者高动态性的连接结构不断变化的无线网络而言，每个路由节点的计算量和能量消耗都过于巨大。

2.局部路由方法

局部路由方法只要求每个节点知道自身及周围一跳邻居节点、或者二跳邻居节点的路径连接和负载情况。

最原始的局部路由方法是随机游走方法，发送节点为所有一跳邻居节点均匀分配相等的转发概率。由于随机游走的方法过于简单，在网络中实际效果很差，仅有理论研究价值。

之后产生了一种基于节点连接度的局部路由方法，发送节点根据邻居节点的连接度和指定的度指数计算转发概率，做出路由选择和逐跳传输。每个节点作为发送节点在它的一跳邻居节点中搜索信息包的目标节点，如果找到则转发给相应的目标节点，，否则按照以下的转发概率∏_i转发给任意邻居节点i：

${\mathrm{\Π}}_i=\frac{k_i^{\mathrm{\α}}}{\underset{j}{\mathrm{\Σ}}{k}_j^{\mathrm{\α}}}$

其中k_i是某一个邻居节点i的连接度；

是所有邻居节点j的连接度的α次幂求和；α是事先指定的节点度指数，或称择优因子。

上述方法是一种预先设置固定度指数α，均匀分配负载的静态方法。其中α＝-1是最佳选择，此时拥塞临界点最大，且网络中负载分布最均匀，即网络容量最大。转发概率∏_i仅由节点的固定的拓扑连接度决定，而不能根据节点的运行状态和业务流量变化对路由方法进行实时调整。

发明内容

本发明针对现有的Scale-Free网络上的局部路由方法不能根据节点运行状态改变转发概率，调节网络业务流量分配而导致网络容量小和不能实施调整路由方法的问题，提出一种能够根据负载变化，在业务运行中自适应调整转发概率的局部路由方法。

本发明提供的一种适用于Scale-Free网络的自适应局部路由方法，是一种转发概率受到节点静态拓扑结构和动态变化的负载的共同影响的局部路由方法，包括：网络业务的产生；节点临界阈值的设定；择优因子的确定；节点根据择优因子，确定向每个邻居节点发送信息包的自适应转发概率并向各个节点同步发送信息包。

上述技术方案中，采用具有Scale-Free连接形式的BA(Barabasi-Albert)模型作为底层构架，节点的连接度k分布具有幂率特性，即p(k)＝k^-γ，γ＝3。

所述的网络业务由每个时步不断生成的信息包组成。在每一时步开始都有固定个数的信息包生成于网络中，设为R，所以称此时网络中的信息包产生速率为R。之后随机的为每个新产生的信息包选择产生节点和目标节点。

所述的每个信息包的产生节点和目标节点不可为同一点，否则视为此信息包无效。

所述的临界阈值反映的是拥塞不发生时的节点可以缓存的最高负载量。为了充分利用Hub节点适应Scale-Free网络不均衡的度分布结构，设临界阈值q_ic：

q_ic＝εk_i

其中ε＝C/k_min，k_min为网络最小度，C为节点的固定发送能力。

本发明中调整择优因子遵循的原则是对于信息包队列长度已经达到临界阈值的节点也称为饱和，减少邻居节点向其发送信息包的概率，缩小其择优因子α_i；对于信息包队列长度未达到临界阈值的节点，增大其择优因子α_i，使此节点接受更多的信息包。

所述的转发概率∏_i：

${\mathrm{\Π}}_i=\frac{k_i^{{\mathrm{\α}}_i\left(S\right)}}{\underset{j}{\mathrm{\Σ}}{k}_j^{{\mathrm{\α}}_j\left(S\right)}}$

其中k_i是某接受节点i的连接度，α_i(S)是某发送节点S在自身路由表内记录的其邻居节点i的择优因子。各个节点根据转发概率∏_i选择发送的邻居节点。

为了避免不断重复的在同一区域搜索目标节点，即某一信息包不断以同一个节点为发送节点，我们采用回避原传送路径的方法，即在转发信息包时排除该信息包的上一个发送节点。

本发明的优点在于：

(1)本发明考虑到在Scale-Free网络中连接度代表了节点的重要程度，而负载反映了瞬时的节点业务量大小，把二者对转发概率的影响都考虑进路由方法来，根据业务轻重自适应的调整转发概率；

(2)本发明设定了正比于节点的调整阈值，使得具有突出的连通全局的枢纽地位的Hub节点可以容纳较多负载，优先使用Hub节点处理业务，提高效率；

(3)最小连接度节点的临界阈值等于其发送能力，这又使得所有节点的发送能力得以充分利用。

(4)网络内所有节点可以同步达到饱和，可以提高拥塞时的临界发送速率R_c，提高网络容量。

附图说明

图1为本发明提出的自适应局部路由方法在一个时步的路由方法实施流程图；

图2为一个时步内，Scale-Free网络业务的产生流程图；

图3为自适应调整择优因子的方法流程图；

图4a为Scale-Free网络规模N为1000时的连接度概率分布图；

图4b为Scale-Free网络规模N为10000时的连接度概率分布图；

图5为本发明实施例的部分拓扑连接结构的示意图；

图6为本发明与不采用本发明的局部路由方法的网络容量对比仿真图；

图7为采用本发明不同参数对应的网络临界产生速率的仿真结果图。

具体实施方式

下面结合附图对本发明的一种适用于Scale-Free网络的自适应局部路由方法做进一步的详细描述。

以一个时步(也称Time step)内的自适应局部路由方法为例来说明本发明的具体实施方案。图1为本发明提出的自适应局部路由在一个时步的路由判断方法实施流程图，具体包括如下步骤：

步骤一、Scale-Free网络内业务的生成；

如图2所示，在业务流产生的一个时步内，信息包的产生以及信息包的产生节点、目标节点的选定都是随机的过程。在一个时步的开始，

(1)网络内会随机生成一个信息包，然后为该信息包在整个网络内随机选定产生节点；

(2)然后再在整个网络内随机选定目标节点；

(3)判断该信息包的目标节点与产生节点是否重合，如果重合则回到步骤(2)重新随机选取目标节点，否则进入(4)；

(4)将具有产生节点和目标节点的信息包压入产生节点的缓存队列中，所述的缓存队列采用FIFO(先入先出)原则；

(5)重复步骤(1)～(4)，直到产生的信息包数量已经达到R个，则结束此时步的业务生成过程；

每一个时步内的生成的信息包在网络内被节点发送、接受的流动过程就形成了业务流。信息包数量R是测试路由方法性能时作为实验条件的输入值。R在网络不拥塞时可以输入的最大值称为临界发送速率R_c，R_c越大代表路由方法性能越好。

步骤二、为每个节点设计临界阈值q_ic；

临界阈值反映的是拥塞不发生时的节点可以缓存的最高负载量。传统的局部路由方法中，对于每个节点最多可以承载的负载量(以信息包队列长度表示)没有设定，这样没有信号可以提示某些节点负载过重，路由方法不能预先调整转发概率避免拥塞发生。本发明设定临界阈值来代表每个节点不拥塞时可以缓存的最高负载量，通过监视节点的负载量与临界阈值的关系来调整转发概率，避免局部过饱和导致的拥塞。

在Scale-Free网络内，信息包产生速率R从O向临界速率R_c增大的过程中，整个网络内节点各缓存的平均信息包队列长度会逐渐增大。连接度越大的节点的信息包队列长度增长得越快，从优先利用连接度大的Hub节点转发信息包寻找目标节点的角度考虑，节点连接度越大其临界阈值应该越大。为了充分利用Hub节点适应Scale-Free网络不均衡的连接度分布结构，本发明中设定节点的临界阈值q_ic正比于其节点的连接度k_i，即q_ic＝ε·k_i，其中ε是可调的比例系数；

所述的饱和的过程是由连接度大的节点向连接度小的节点依次进行的，网络中具有最小连接度k_min的节点最晚达到饱和。如果具有k_min的节点饱和，则说明周围连接度较大的节点必然已经饱和，拥塞将会无可避免的发生。所以如果路由方法使得具有最小连接度k_min的节点的负载量能够保持小于节点发送能力C而不进入饱和，那么网络一定不拥塞。所以对于具有最小连接度k_min的节点的最高负载量，我们采用最稳妥的限定，即具有最小连接度k_min的节点的临界阈值

为：

$q_{k_{\min }c}=\mathrm{\ϵ}\·k_{\min }\≤C---\left(1\right)$

即在临界状态下，根据连接度最小节点的不拥塞情况确定比例系数ε的取值：

$\mathrm{\ϵ}=\frac{C}{k_{\min }}---\left(2\right)$

其中C为节点发送能力，k_min为网络最小连接度。

因此网络中任意节点i的临界阈值q_ic可以统一表示为：

$q_{\mathrm{ic}}=\frac{C}{k_{\min }}{k}_i---\left(3\right)$

步骤三、节点根据其邻居节点的负载量与临界阈值的大小关系，计算其邻居节点的择优因子；

图3为自适应选择调整择优因子的方法流程图：

(i)每个发送节点S首先获取其所有邻居节点i的负载量q_i及临界阈值q_ic；其中i≠S；

(ii)发送节点S比较其邻居节点i的当前负载量q_i与临界阈值q_ic的大小关系，并计算更新该邻居节点i的择优因子α_old：

如果其邻居节点i的当前负载量q_i小于临界阈值q_ic，并且其择优因子α_old达到上限α_max，即α_old＝α_max，则取α_new＝α_old；如果此时择优因子没有达到上限，即α_old＜α_max，则取α_new＝α_old+Δα，一般取Δα为α_max的二十分之一，通过增大此发送节点S内记录的该邻居节点i的择优因子α_old，增大分配到该邻居节点i的转发概率。

如果其邻居节点的当前负载量q_i大于或等于临界阈值q_ic，并且其择优因子α_old达到下限α_min，即α_old＝α_min，则取α_new＝α_old；如果其择优因子α_old没有达到下限α_min，即α_old＞α_min，则取α_new＝α_old-Δα，一般取Δα为α_max的二十分之一，通过减小此发送节点内记录的该邻居节点的择优因子，减小分配到该邻居节点的转发概率。

在传统的固定择优因子α的局部路由方法中，选取α＝1是经典的连接度优先转发方法；选取α＝-1是抑制连接度转发方法，在静态方法中具有最大的网络容量。为了涵盖具有代表性的连接度优先转发和抑制连接度转发方法，我们选取本发明的择优因子的上下限为α_max＝1，α_min＝-1。

步骤四、节点根据择优因子α_new计算转发概率，各个节点根据转发概率同步发送信息包。

根据步骤三中确定的择优因子α_new来确定发送节点分配给各个邻居节点i的转发概率∏_i：

${\mathrm{\Π}}_i=\frac{k_i^{{\mathrm{\α}}_{\mathrm{new}}\left(i\right)}}{\underset{j}{\mathrm{\Σ}}{k}_j^{{\mathrm{\α}}_{\mathrm{new}}\left(j\right)}}---\left(4\right)$

其中k_i是邻居节点i的连接度，α_new(i)是计算更新后的邻居节点i的择优因子。发送节点根据转发概率∏_i向其邻居节点同步发送信息包。

如果邻居节点i是当前信息包的上一个发送节点，则取∏_i＝O，即两个节点之间不会重复反复的进行信息包的发送。

从上述的路由方法步骤中可以看出，本发明提出的一种适用于Scale-Free网络的自适应局部路由方法，是一种自适应变化节点信息进入速率的局部路由方法。传统的局部路由方法中，转发概率仅仅由网络连接拓扑结构决定，转发概率是固定的，业务的分配不受当前负载轻重的影响。而本发明考虑到在Scale-Free网络中连接度代表了节点的重要程度，而负载反映了瞬时的节点业务量大小，把二者对转发概率的影响都考虑进路由方法中来。本发明中根据节点当前负载量(也称节点队列长度)与临界阈值q_ic的关系来自适应的调整择优因子α，进而动态变化每个节点的转发概率。本发明设定了正比于节点连接度的临界阈值，使得具有突出的连通全局的枢纽地位的Hub节点可以容纳较多负载，优先使用Hub节点处理业务，提高效率；而具有最小连接度的节点的临界阈值等于该节点的发送能力，这又使得所有节点的发送能力得以充分利用。最后网络内所有节点可以同步达到饱和，可以提高拥塞时的临界发送速率，提高网络容量。

图4a、4b为应用本发明的路由方法，采用两个不同规模的Scale-Free网络的连接度概率分布图，图4a的网络中总节点数N＝1000，图4b的网络中总节点数N＝10000。横轴代表节点的连接度K，纵轴代表具有该连接度K的节点在网络总节点数中所占的比例p(k)。星号“＊”代表本实例中所采用的网络的实际概率分布状况，直线“-”代表曲线y＝ax^-3。通过比较可以看出，用作实例的两种不同规模的网络拓扑结构基本满足Scale-Free网络的拓扑连接条件，即星号“＊”分布大部分与曲线y＝ax^-3基本相同，实际概率分布曲线的上端的节点概率分布都满足p(k)＝k^-γ，γ＝3；在实际概率分布曲线的最下端，小部分具有不同的连接度的节点拥有相等的出现概率而不是服从幂率分布p(k)＝k^-γ，其原因是，这部分节点的出现概率已达到网络中节点连接度分布出现情况的最小概率p_min当节点数N＝1000时，p_min＝0.001；当N＝10000时，p_min＝0.0001，这是采用具体实例时无法避免的。

图5为本发明实施例的部分拓扑连接结构的示意图。节点A有5条边，故其节点连接度k_A＝5。以A点为发送节点，其余B、C、D、E、F节点作为其一跳邻居节点，设定其连接度分别为k_B＝5，k_C＝8，k_D＝19，k_E＝5，k_F＝60，其当前负载q_i分别为q_B＝3，q_C＝12，q_D＝40，q_E＝4，q_F＝121。本网络内最小连接度k_min＝5，设定仿真参数节点发送能力C＝10，择优因子上限α_max＝1、下限α_min＝-1，Δα取为α_max的1/20，即0.05。根据我们的设定，选取ε＝C/k_min＝2，所以临界队列长度即临界阈值q_ic＝ε·k_i＝2·k_i，其中(i＝A、B、C、D、E、F)。在节点A记录的各节点当前择优因子值为α_B(A)＝1，α_C(A)＝1，α_D(A)＝-0.9，α_E(A)＝0.2，α_F(A)＝-1。节点A对其邻居节点的状态进行分析，节点B、C、D、E、F各点的临界阈值分别为q_Bc＝10，q_Cc＝16，q_Dc＝38，q_Ec＝10，q_Fc＝120。对于节点B、C、E有q_i＜q_ic反映出节点B、C、E可以分配到更大的转发概率，但是节点B、C的择优因子已经达到上限α_max，所以维持α_B(A)＝1、α_C(A)＝1，增长α_E(A)＝0.2+Δα；对于节点D、F有当前负载q_i≥q_ic，反映出节点D、F负载过重需要减小转发概率，但是节点F的择优因子已经达到下限α_min，所以维持α_F(A)＝-1，减小α_D(A)＝0.9-Δα。完成对邻居节点B、C、D、E、F择优因子的更新后，根据节点的发送能力C，把节点A中储存的信息包队列中的前C个依照下式的转发概率发送给邻居节点：

${\mathrm{\Π}}_i=\frac{k_i^{{\mathrm{\α}}_i\left(A\right)}}{\underset{j}{\mathrm{\Σ}}{k}_j^{{\mathrm{\α}}_j\left(A\right)}}$

∏_i就是发送节点A将信息包发送给邻居节点i的概率，k_i是邻居节点i的连接度，α_i是邻居节点i的择优因子，分母是在A节点的所有邻居节点中求和，所述的邻居节点为节点B、C、D、E、F。

网络中所有的节点都平行的按照公式所列的概率向其邻居节点发送信息包。

图6为本发明与不采用本发明的局部路由方法的网络容量对比仿真图。横轴代表网络规模N，纵轴代表临界发送速率R_C，即网络容量。α_max＝1、α_min＝-1代表采用本发明提出的自适应变化择优因子的局部路由方法；α＝-1，α＝0，α＝1代表不采用本发明提出的机制，维持择优因子为一个固定值的局部路由方法。两种局部路由方法的网络总节点数N＝1000，发送能力C＝10，网络内最小连接度k_min＝5。可以看到与不采用本发明提出机制的局部路由方法相比，本发明的局部路由方法得到的网络容量曲线明显高于普通的局部路由方法得到的网络容量曲线，网络容量曲线中R_C接近60，明显高于其它三条曲线，可见应用本发明提供的局部路由方法可以大大提高网络容量。

图7为采用本发明不同参数对应的网络临界产生速率的仿真结果图。曲线(a)C＝10，网络总节点数N＝1000，最小度k_min＝5，ε＝C/k_min＝2；曲线(b)C＝10，网络总节点数N＝10000，最小度k_min＝5，ε＝C/k_min＝2；曲线(c)C＝10，网络总节点数N＝1000，最小度k_min＝8，ε＝C/k_min＝1.25。曲线(d)C＝5，网络总节点数N＝1000，最小度k_min＝5，ε＝C/k_min＝1。

图7反映了在本发明提出的局部路由方法下，不同网络总节点数N，不同的可调参数ε对临界产生速率的影响。可以看到，在各种条件下网络容量均在ε达到C/k_min后不再增长。这说明本发明的临界阈值的系数ε选择是可以使网络容量最大化的。

从图7中的曲线(a)～(b)可以看到，网络规模的扩大对于本发明的最大网络容量影响很小。因为整个网络Scale-Free的度分布幂律连接的特性不因规模扩大而产生变化，在不改变最小连接度的前提下节点平均连接度保持不变，而局部路由方法每个节点都只在自己的邻居节点中执行搜索，所以网络总节点数变化对本地搜索的临界发送速率影响非常小。而从曲线(c)可以看到提高最小连接度可以有效地提高网络容量，这是因为最小连接度的提高意味着在总节点数目不变的情况下连接的总边数大大增加，执行局部路由方法时有更多的邻居节点可供选择，使得信息包更容易达到目的地。从曲线(d)可以看到，当节点发送能力C由其他曲线的10变为此曲线的5后，临界发送速率Rc减少很多，所以节点发送能力C的变化会极大影响临界发送速率。

Claims (3)

1、一种Scale-Free网络上的自适应局部路由方法，其特征在于：

步骤一、Scale-Free网络内业务的生成；

在业务流产生的一个时步内，

(a)网络内会随机生成一个信息包，然后为该信息包在整个网络内随机选定产生节点；

(b)然后再在整个网络内随机选定目标节点；

(c)判断该信息包的目标节点与产生节点是否重合，如果重合则回到步骤(b)重新随机选取目标节点，否则进入(d)；

(d)将具有产生节点和目标节点的信息包压入产生节点的缓存队列中，所述的缓存队列采用先入先出原则；

(e)重复步骤(a)～(d)，直到产生的信息包数量已经达到设定的R个，则结束此时步的业务生成过程；

步骤二、为每个节点设计临界阈值q_ic；设定节点的临界阈值q_ic正比于其节点的连接度k_i，即q_ic＝ε·k_i，其中 $\mathrm{\ϵ}=\frac{C}{k_{\min }},$ C为节点发送能力，k_min为网络最小连接度，k_i为节点i的连接度；

步骤三、节点根据其邻居节点的负载量与临界阈值的大小关系，计算其邻居节点的择优因子；

每个发送节点S首先获取其所有邻居节点i的负载量q_i及临界阈值q_ic，其中i≠S；并比较发送节点S与其邻居节点i的当前负载量q_i与临界阈值q_ic的大小关系，并计算更新该邻居节点i的择优因子α_old：

如果其邻居节点i的q_i＜q_ic，并且α_old＝α_max，则取α_new＝α_old；如果α_old＜α_max，则取α_new＝α_old+Δα；

如果其邻居节点i的q_i≥q_ic，并且α_old＝α_min，则取α_new＝α_old；如果α_old＞α_min，则取α_new＝α_old-Δα；

Δα为α_max的二十分之一；

步骤四、节点根据择优因子α_new计算转发概率，各个节点根据转发概率同步发送信息包；转发概率∏_i为： ${\mathrm{\Π}}_i=\frac{k_i^{{\mathrm{\α}}_{\mathrm{new}}\left(i\right)}}{\underset{j}{\mathrm{\Σ}}{k}_j^{{\mathrm{\α}}_{\mathrm{new}}\left(j\right)}},$ 其中k_i是邻居节点i的连接度，α_new(i)是计算更新后的邻居节点i的择优因子，发送节点根据转发概率∏_i向其邻居节点同步发送信息包。

2、根据权利要求1所述的一种Scale-Free网络上的自适应局部路由方法，其特征在于：步骤一中所述的信息包数量R是测试路由方法性能时作为实验条件的输入值。

3、根据权利要求1所述的一种Scale-Free网络上的自适应局部路由方法，其特征在于：步骤四中如果邻居节点i是当前信息包的上一个发送节点，则取∏_i＝0。

Images