CN102025539A - 一种认知网络中基于Agent的可用资源评估方法 - Google Patents

Abstract

本发明提供一种认知网络中基于Agent的可用资源评估方法，属于计算机网络技术领域。本发明采用评估Agent根据要评估业务的各项评估指标对网络资源进行评估、统计和计算，最后得到该业务关于可用资源的综合评估矩阵M；本发明能够根据用户业务需求，确定所需资源的类型和权重，经过评估agent的评估生成综合评估矩阵，从而确定资源的评价等级，判断网络资源能否满足用户的业务需求，为认知网络中的资源重配置奠定基础。

Description

一种认知网络中基于Agent的可用资源评估方法

技术领域：

本发明涉及一种认知网络中基于Agent的可用资源评估方法，属于计算机网络技术领域。

背景技术：

网络资源是有限的，而网络应用对资源的需求日益增加，满足所有用户的资源需求通常是不可能的，这就意味着一些用户的资源需求得不到满足，甚至在资源匮乏的情况下网络拒绝为用户提供服务，传统网络资源利用率低下，造成网络资源的浪费。认知网络是目前兴起的一种新型网络技术，其主要特点是使得网络能够基于当前网络状态，以实现端到端目标为目的，基于知识库中的知识，进行网络资源的评估、预测、规划、调整和分配，实现网络资源利用率最大化，使得网络具有自感知、自学习、自优化、自修复、自配置能力，实现真正意义上的网络可测、可控、可管、可信。因此，对可用网络资源进行动态合理的评估，是实现网络资源最佳配置、进而保证认知网络服务质量的前提和基础。

发明内容

发明目的：

本发明提供一种认知网络中基于Agent的可用资源评估方法，主要目的是为了实现认知网络功能，评估该终端和网络是否能满足业务需求，是否真实可靠，从而进行相应的访问控制，满足用户业务需求，提高QoS。

技术方案：

本发明为实现上述发明目的采用如下技术方案：

一种认知网络中基于Agent的可用资源评估方法，该方法采用评估Agent根据要评估业务的各项评估指标对网络资源进行评估、统计和计算，最后得到该业务关于可用资源的综合评估矩阵M，所述评估Agent由总评估Agent和若干个评估专家Agent构成，其中评估专家Agent的具体评估过程如下：

步骤A，将用户的业务请求经过QoS参数映射和转化步骤输入评估指标集Agent，所述评估指标集记为：U＝{U₁，U₂，…，U_i}，式中，其中i为评估指标数，i＝1，2，…，i为自然数；

步骤B，采用评估指标集Agent从评估集库中选择与用户的业务所对应的评估集，将评估集记作P＝{P₁，P₂，…，P_n}，式中，n为评估集的等级数；n＝1，2，…，n为自然数；

步骤C，评估专家Agent对业务评估指标体系中的每一个评估指标U_i进行评估，从而得到该业务关于所需资源的综合信息矩阵R：

$R=\left[\begin{array}{cccc}{r}_{1p1}& r_{1p2}& ...& r_{1\mathrm{pn}}\\ r_{2p1}& r_{2p2}& ...& r_{2\mathrm{pn}}\\ & .& & \\ & .& & \\ & .& & \\ r_{\mathrm{mp}1}& r_{\mathrm{mp}2}& ...& r_{\mathrm{mpn}}\end{array}\right]$

式中，r_mpn为评估指标U_i对其评估集的某个评估等级P_n的隶属度；

各评估专家Agent获得各自的综合信息矩阵R后，将其发送至总评估Agent，总评估Agent继续进行下列评估过程：

步骤D(1)，采用N元一次函数：

f(x₁，x₂，…x_n)＝k₁x₁+k₂x₂+…+k_nx_n

来表示资源关联综合评估函数，式中0≤k_n≤1，n∈N+，且k₁+k₂+…+k_n＝1；

其中x₁、x₂。。。。x_n分别表示该业务的各个评估指标；

步骤D(2)，根据资源关联综合评估函数中各变量的系数，计算权重，评估指标权重集记为：

Q＝{Q₁，Q₂，...，Q_i} Q_i＞0且Q₁+Q₂+...+Q_i＝1

其中i为评估指标数，i＝1，2，…i为自然数；

步骤D(3)，根据综合信息矩阵R和权重集Q得到资源综合评估矩阵M：

M＝Q×R；

步骤D(4)，总评估Agent调用符合具体评估集的权重集，将评估指标集评估等级的加权矩阵记为B＝[B₁，B₂，…，B_i]；

步骤D(5)，根据综合评估矩阵M和加权矩阵B得到相应业务的综合量值V：

V＝M×B^T

其中B^T为B的转置矩阵；

步骤E，通过综合量值V可知所评估业务的综合评估结果，其中V越大，表明被评估业务越优，QoS越高，也说明资源能充分保证业务需求，符合网络运营商和用户的目标；反之，说明评估业务的等级低，不能满足用户业务需求，需要经过多次调整来达到预期目标。

进一步地，上述的认知网络中基于Agent的可用资源评估方法的步骤D(2)中所述资源关联综合评估函数，其所采用的建立评估函数的步骤如下：

i，对业务的每一个评估指标，确定所需资源的类型及属性；

ii，将得到数据输入计算机，采用NOSA统计分析软件，计算相关变量的相关矩阵的特征根；并同时得到特征根的累积贡献率W；

jii，根据特征根的累积贡献率W，提取相应的主成分变量记为f₁，f₂，…，f_i，并把f₁，f₂，…，f_i表示为变量x₁，x₂，…，x_n的函数，得到主成分变量的分系数矩阵；

iv，综合评估函数

式中w′为对应特征根的贡献率。

关于步骤A中QoS参数映射和转化步骤是本行业内的公知方法，以带宽、丢包率、时延和抖动作为主要参数进行研究。由于不同的业务，对这四个参数的关注程度是不同的，比如会话类业务，对时延和抖动的要求严格，而对丢包率和带宽要求较低。所以本步骤不需要再进行具体的介绍。

有益效果：

通过本发明的一种可用资源评估方法，我们可以实现：

1，根据用户业务需求，确定所需资源的类型和权重，经过评估代理的评估生成综合评价矩阵，从而确定资源的评价等级，评估网络能否满足用户的业务需求。

2，可用资源评估方法通过在系统中收集其它终端对某一业务的客观评价，运用Agent评估该终端和网络是否能满足业务需求(QoS参数)，是否真实可靠，从而进行相应的访问控制。

3，可用资源评估方法能够合理反映当前网络资源利用状况，为用户提供差异化的QoS，为认知网络资源重配置奠定基础。

附图说明：

图1是基于Agent的可用资源评估方法图。

图2是评估Agent结构方法图。

图3是评估指标集U图。

具体实施方案：

下面结合附图对技术方案的实施作进一步的详细描述：

认知网络环境下被监测资源具有多样性，不仅种类繁多，而且不同资源间有复杂的逻辑关系，对可用网络资源进行动态合理的评估，是实现网络资源最佳配置、进而保证认知网络服务质量的前提和基础。本发明提出的基于Agent的可用资源评估方法如图1所示。可用资源评估方法能够根据用户业务需求，确定所需资源的类型和权重，经过评估代理的评估生成综合评价矩阵，从而确定资源的评价等级，评估网络能否满足用户的业务需求，为资源重配置奠定基础。

评估Agent的功能主要是根据要评估业务的各项评估指标对网络资源进行评估并统计和计算，最后得到该业务关于资源的综合信息矩阵R。如评估集P的值为{优，良，中，较差，差}，则评估Agent的主要任务是对被评估业务所需资源的每一个评估指标选择评估值集中的优或其他的等级值，并按照一定的规则进行统计和计算，最后得到被评估资源的综合评估矩阵M。

评估Agent结构方法如图2所示，评估Agent主要由评估总Agent和评估专家Agent构成。评估Agent在接收到外部环境输入(其它Agent或系统直接输入)后，根据业务的类型和复杂程度，将评估任务分配给特定的一组评估专家Agent。

下面详细介绍可用资源评估方法的评估过程。

一确定业务评估指标集U

本发明利用Agent技术来建立具体业务的评估指标集，其方法如图3所示。用户通过浏览器选择需要的业务后，经过映射和转化步骤得到评估指标集Agent的外部环境输入(这里为X)，如果用户不是认知用户，那么评估指标集Agent按照业务的类型和所需资源进行智能推理，从评估指标集库中调用相应的指标进行优化评估。如果用户为认知用户，那么Agent将会智能的判断该用户的SLA(服务等级)，根据服务等级对业务做出不同的评估标准，从而调用评估指标集库中的评估指标。对于新出现的业务，Agent会产生新的评估标准并存储到评估指标集库，Agent与评估指标集库相互作用，实时动态的更新评估指标，使系统具有实用性和可扩展性。

评估指标集记为：U＝{U₁，U₂，…，U_i}式中，i为评估指标数，i＝1，2，…。

二评估集P的设定

在评估过程中，业务的每一个评估指标都对应一组评估值，而且不同业务所需资源也有不同评估值，如五等级模糊评估值{优，良，中，较差，差}。同评估指标的建立一样，通过Agent从评估集库中选择合适的评估集。

评估集记作P＝{P₁，P₂，…，P_n}，式中，n为评估集的等级数。

三建立资源综合信息矩阵R

在评估过程中，通过评估Agent对业务评估指标体系中的每一个U_i进行评估，从而得到该业务关于所需资源的综合信息矩阵R。

$R=\left[\begin{array}{cccc}{r}_{1p1}& r_{1p2}& ...& r_{1\mathrm{pn}}\\ r_{2p1}& r_{2p2}& ...& r_{2\mathrm{pn}}\\ & .& & \\ & .& & \\ & .& & \\ r_{\mathrm{mp}1}& r_{\mathrm{mp}2}& ...& r_{\mathrm{mpn}}\end{array}\right]$

公式中，r_mpn为评估指标U_i对其评估集的某个评估等级P_m的隶属度。

四建立评估等级的权重系数集Q

本发明设计了以下几个评估指标：X₁(可用带宽)；X₂(时延)；X₃(抖动)；X₄(丢包率)；X₅(CPU利用率)；X₆(内存利用率)；X₇(路由分组与调度)；X₈(网络当前承载业务及背景流)；X₉(其它网络链路信息)；X₁₀(服务器进程类型及运行状态)等。利用一个N元一次函数：

f(x₁，x₂，…x_n)＝k₁x₁+k₂x₂+…+k_nx_n

来表示资源关联综合评估函数，式中0≤k_n≤1，n∈N+，且k₁+k₂+…+k_n＝1。根据数理统计中的——主成分分析法确定系数K₁，K₂，…，K_n，因此，采取下列步骤建立评估函数：

(1)对业务的每一个评估指标，确定所需资源的类型及属性。

(2)将得到数据输入计算机统计软件(NOSA统计分析软件)，得到相关变量的相关矩阵的特征根。

(3)根据特征根的累积贡献率W，所述累计贡献率W是根据NOSA统计分析软件得出的；提取相应的主成分变量记为f₁，f₂，…，f_i，并把f₁，f₂，…，f_i表示为变量x₁，x₂，…，x_n的函数，得到主成分的分系数矩阵。

(4)综合评估函数f(x₁，x₂，…，x_n)是主成分变量的加权平均值，权数为相应特征根的贡献率，即

w′为对应特征根的贡献率。

(5)根据综合评估函数中各变量的系数，确定权重。将评估指标权重集记为：

Q＝{Q₁，Q₂，...，Q_i} Q_i＞0且Q₁+Q₂+...+Q_i＝1

其中i为评估指标数，i＝1，2，…i为自然数。

五综合评估矩阵M

根据综合信息矩阵R和权重集Q得到资源综合评估矩阵M：

M＝Q×R

六确定加权矩阵B

在评估过程中，通过调用加权集Agent从模块库中调用符合具体评估集的权重集。将指标集评估等级的加权矩阵记为

B＝[B₁，B₂，…，B_i]

七综合量值V

根据综合评估矩阵M和加权矩阵B得到相应业务的综合量值V：

V＝M×B^T

其中B^T为B的转置矩阵。

通过V的值可知所评估业务的综合评估结果。V越大，说明认知网络资源能够充分保证该用户的该种业务需求，符合网络运营商和用户的目标。反之，说明评估业务的等级低，不能满足用户业务需求，需要经过多次调整来达到用户的预期目标。

Claims (2)

1.一种认知网络中基于Agent的可用资源评估方法，其特征在于，该方法采用评估Agent根据要评估业务的各项评估指标对网络资源进行评估、统计和计算，最后得到该业务关于可用资源的综合评估矩阵M，所述评估Agent由总评估Agent和若干个评估专家Agent构成，其中评估专家Agent的具体评估过程如下：

步骤A，将用户的业务请求经过QoS参数映射和转化步骤输入评估指标集Agent，所述评估指标集记为：U＝{U₁，U₂，…，U_i}，式中，其中i为评估指标数，i＝1，2，…，i为自然数；

步骤B，采用评估指标集Agent从评估集库中选择与用户的业务所对应的评估集，将评估集记作P＝{P₁，P₂，…，P_n}，式中，n为评估集的等级数；n＝1，2，…，n为自然数；

步骤C，评估专家Agent对业务评估指标体系中的每一个评估指标Ui进行评估，从而得到该业务关于所需资源的综合信息矩阵R：

$R=\left[\begin{array}{cccc}{r}_{1p1}& r_{1p2}& ...& r_{1\mathrm{pn}}\\ r_{2p1}& r_{2p2}& ...& r_{2\mathrm{pn}}\\ & .& & \\ & .& & \\ & .& & \\ r_{\mathrm{mp}1}& r_{\mathrm{mp}2}& ...& r_{\mathrm{mpn}}\end{array}\right]$

式中，r_mpn为评估指标U_i对其评估集的某个评估等级P_m的隶属度；

各评估专家Agent获得各自的综合信息矩阵R后，将其发送至总评估Agent，总评估Agent继续进行下列评估过程：

步骤D(1)，采用N元一次函数：

f(x₁，x₂，…x_n)＝k₁x₁+k₂x₂+…+k_nx_n

来表示资源关联综合评估函数，式中0≤k_n≤1，n∈N+，且k₁+k₂+…+k_n＝1；

其中x₁、x₂。。。。。x_n分别表示该业务的各个评估指标；

步骤D(2)，根据资源关联综合评估函数中各变量的系数，计算权重，评估指标权重集记为：

Q＝{Q₁，Q₂，...，Q_i} Q_i＞0且Q₁+Q₂+...+Q_i＝1

其中i为评估指标数，i＝1，2，…i为自然数；

步骤D(3)，根据综合信息矩阵R和权重集Q得到资源综合评估矩阵M：

M＝Q×R；

步骤D(4)，总评估Agent调用符合具体评估集的权重集，将评估指标集评估等级的加权矩阵记为B＝[B₁，B₂，…，B_i]；

步骤D(5)，根据综合评估矩阵M和加权矩阵B得到相应业务的综合量值V：

V＝M×B^T

其中B^T为B的转置矩阵；

步骤E，通过综合量值V可知所评估业务的综合评估结果，其中V越大，表明被评估业务越优，QoS越高，也说明资源能充分保证业务需求，符合网络运营商和用户的目标；反之，说明评估业务的等级低，不能满足用户业务需求，需要经过多次调整来达到预期目标。

2.根据权利要求1所述的认知网络中基于Agent的可用资源评估方法，其特征在于：步骤D(1)中所述资源关联综合评估函数，其所采用的建立评估函数的步骤如下：

i，对业务的每一个评估指标，确定所需资源的类型及属性；

ii，将得到数据输入计算机，采用NOSA统计分析软件，计算相关变量的相关矩阵的特征根；并同时得到特征根的累积贡献率W；

iii，根据特征根的累积贡献率W，提取相应的主成分变量记为f₁，f₂，…，f_i，并把f₁，f₂，…，f_i表示为变量x₁，x₂，…，x_n的函数，得到主成分变量的分系数矩阵；

iv，综合评估函数

式中w′为对应特征根的贡献率。

Images