CN102377826A - 一种对等网络中冷门资源索引的优化放置方法 - Google Patents

Abstract

一种对等网络中冷门资源索引的优化放置方法，将对等网络中的缓存索引的节点选择，索引的均衡放置等进行了数学的抽象，从数学角度提供了一个资源优化放置的模型，由此提高了对等网络中冷门文件的搜索成功率，同时减少了缓存索引的开销，从而使得整个网络的总开销减少，使网络更具有扩展性。

Description

一种对等网络中冷门资源索引的优化放置方法

技术领域

本发明涉及网络通信领域，特别是对等网络搜索优化和资源放置优化问题。

背景技术

对等网络是下一代网络的核心概念，与传统的中心服务器与客户端模式不同。在对等网络中，各个节点既从其余节点获得自己想要的资源，也向其余的节点提供自己共享的资源。在对等网络的实现中，由于不存在中心服务器，如何快速的定位各种资源和服务是一个关键技术。

当前关于对等网的快速搜索的研究将对等网分为了结构对等网和无结构对等网。无结构对等网相对于使用分布式哈希表(Distributed Hash Table)的结构对等网而言，在精确搜索上效率降低，但是其自身维护开销显著减少，具有良好的扩展性，便于大范围内组网。

在无结构对等网中，信息的搜索分为盲目搜索和导向性搜索。盲目搜索以泛洪(Flooding)搜索为基础，节点将搜索信息无差别的，或是随机的选择若干个邻居节点进行转发，搜索具有盲目性；导向性搜索的常用技术是根据节点已有的搜索历史，将信息转发到搜索成功率更高的节点上。

导向性搜索中转发节点的选择是根据节点的搜索历史进行筛选，因此其转发节点往往跟查询节点具有一些相同的性质，比如拥有相似的兴趣内容，或是在线时间相似等等。在一定程度上导向性搜索比盲目搜索的成功率要大，同时减少了网络中的转发信息冗余。但经过一段时间后，由于网络中部分节点其维护的内容较多，且服务能力好(例如，一个局部地区的小型服务器)，使其渐渐的成为周边节点的共同转发节点。这样就形成了对等网中的一些过热节点或者称之为超级节点，它们承担着网络中很大一部分搜索信息的处理和转发。

另一方面，以历史信息为导向的搜索，在搜索流行文件时效果显著，在处理冷门文件时，由于用户之间的差异性，使得效果并不明显。一个可能的情况即为：网络中某节点对某种稀有资源发出搜索信息，并将其导向性的发送给超级节点，而超级节点不存在这种资源，但实质上在需求节点周围的某个叶子节点上即存在此资源，从而导致即使资源节点在需求节点可达的范围内，搜索依然失败。

针对这些情况，当前常用的技术就是进行资源的优化放置，对冷门资源进行合理缓存，提高冷门资源的搜索成功率。该技术一个基本思路是在每次搜索成功后，将搜索信息和资源节点的基本信息缓存在整个查询链路的节点上，当下一次有相同的搜索信息转发到此链路的节点时，节点发现此搜索信息与自身缓存的搜索信息相同，则将资源节点的基本信息反馈给搜索节点，搜索节点从而和资源节点建立直接连接，从而减少了开销(图2)。现有的索引缓存技术也有了不少研究成果。有的将搜索信息和资源节点的地址的索引值直接缓存到搜索链路上的每一个点；有的将搜索信息和网络中的节点地址进行哈希计算，只将资源缓存到哈希值相匹配的节点。这些技术都很好的提高了搜索的效率，减少了搜索造成的开销。

另一方面，缓存技术一个关键的问题是要保证索引的有效性，节点需定期的向源节点发送信息，确定索引匹配的资源是否还有效。如资源已经不存在，则更新自身的索引。常用技术是将索引和搜索信息分别设立时间节点t₁，t₂，索引的有效期为Δt。若t₂∈(t₁，t₁+Δt)，则认为此时的索引信息是有效的，直接转发搜索信息到资源节点。否则，缓存索引的节点可以先询问资源节点是否还保持此资源，再选择转发搜索信息。

最后，当前的技术对索引的缓存以提高搜索成功率为目的。网络中的索引缓存存在着很多冗余放置。在小规模局域网中，由于节点和资源都相对较少，冗余放置在提高搜索成功率基础上不会对节点缓存产生很大影响。而在大范围组网中，尤其是稠密的网络中，节点可能无法承载过多的缓存，从而影响网络的可扩展性。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种对等网络中冷门资源索引的优化放置方法，该方法使得网络中对资源的搜索成功率增加，搜索开销减少。

本发明的技术解决方案：一种对等网络中冷门资源索引的优化放置方法，实现步骤如图1所示，具体如下：

A.在对等网络每一个运行周期开始时，网络中的每个节点统计上一个周期内的自身被访问的次数；

B.根据访问次数将每个节点分成了叶子节点和超级节点，访问次数超过设定阈值的节点定义为热门节点，也称之为超级节点，访问次数没达到阈值的节点称为叶子节点；所有的节点向其周围的节点发送一个表明自己身份的信息，从而网络中每个节点均知晓自己周围的超级节点和叶子节点；

C.叶子节点根据自己接收到的步骤B中所述身份信息，统计出自己路由表中的超级节点，并计算所述这些超级节点与自己的行为相似性；所述叶子节点与超级节点间的行为相似性是指上个周期内叶子节点与超级节点共同在线时间的比重；此外，叶子节点统计上一周期内自身的资源访问次数，将访问次数低于设定阈值的资源定义为冷门资源；

D.所述超级节点根据自己接收到的步骤B中所述身份信息，统计出自己路由表中存在的超级节点和叶子节点，并计算所述这些超级节点与自身之间的连通度，再将所述连通度发送给其路由表中的叶子节点；

E.叶子节点根据步骤C中所述的与超级节点之间的行为相似性，以及接收到的D中所述的超级节点之间的连通度信息，建立一个以每个叶子节点放置的资源索引数最小为目标函数的整数规划模型，所述目标函数的整数规划模型为：

$\min \underset{j=1}{\overset{m}{\mathrm{\Σ}}}{X}_{\mathrm{nij}}$

$s.t.\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}\·X_{\mathrm{nij}}\·\left|L_j\right|\≥\mathrm{\λ}---\left(1\right)$

X_nir+X_nip+…+X_niq≤1                    (2)

$(\mathrm{if}{\mathrm{Connect}}_{({\mathrm{SN}}_r,{\mathrm{SN}}_p,...{\mathrm{SN}}_q)}=\frac{\left|L_{r\∩p...\∩q}\right|}{\left|L_r\right|+\left|L_p\right|+...+\left|L_q\right|}>\mathrm{\β})(\∀{\mathrm{SN}}_r,{\mathrm{SN}}_p,...{\mathrm{SN}}_q\∈{\mathrm{\Ω}}_{\mathrm{SN}})$

X_nij＝0，1                              (3)

其中：X_nij描述叶子节点N_i将冷门资源f_n的索引存储于超级节点SN_j上这个事件，X_nij＝1表示在SN_j存储该索引，否则X_nij＝0，m为超级节点的个数；

模型的约束条件(1)中的P_ij表示节点N_i将冷门资源f_n的索引存储于超级节点SN_j的概率，P_ij可以用行为相似性来表示，λ是一个给定的阈值；

模型的约束条件(2)中Ω_SN表示超级节点的集合。L_r，L_p，…，L_q表示的是超级节点SN_r，SN_p，…，SN_q的路由表中节点集合。L_r∩p…∩q表示的是这些超级节点路由表中的共同连接节点的集合。|·|表示集合的大小。当连通度

大于指定的阈值时只在其中的一个节点上放置同一个文件的索引，从而减少网络的资源放置开销；

F.求解步骤E中所述整数规划模型，得出放置资源索引的超级节点的集合；

G.叶子节点将步骤C中所述的自身的冷门资源的索引缓存到步骤F所得的最优解中对应的超级节点上。

所述步骤A中的周期指一个时间段单位，为一周或者一个月，其具体时间长度视网络负载和资源流行时间，更新频率等情况而定。

所述步骤C中行为相似度的计算公式为：

$\mathrm{Sim}(N_i,N_j)=\frac{T_i\∩T_j}{T}$

其中，用N_i，N_j来表示网络中的任意两个节点。Sim(N_i，N_j)表示N_i，N_j之间的行为相似度。T表示一个周期的时长。T_i，T_j分别表示节点N_i，N_j在T时长里的在线时间，T_i∩T_j表示N_i，N_j在T时长里的共同在线时长。在具体的实施中，每个节点在每次进入网络和离开网络时都向其路由表中的节点发送一个消息，从而可以得到每个节点的具体在线时长。

所述步骤D中超级节点在每个周期内开始放置索引前先计算其相互之间的连通度，任选其中若干个超级节点SN_i，SN_i+1，…，SN_j，其连通度的计算公式为：

${\mathrm{Connect}}_{({\mathrm{SN}}_i,{\mathrm{SN}}_{i+1},...{\mathrm{SN}}_j)}=\frac{\left|L_{i\∩i+1...\∩j}\right|}{\left|L_i\right|+\left|L_{i+1}\right|+...+\left|L_j\right|}$

用L_i，L_i+1，…，L_j表示对应的超级节点SN_i，SN_i+1，…，SN_j的路由表中节点集合。超级节点首先检索自身路由表中的超级节点，然后与这些超级节点互相交换各自的路由表信息并对路由表中节点ID进行比对，得到连接的共同节点的集合，用L_{i∩i+1…∩j}表示。|·|表示集合的大小。当连通度大于设定的阈值时只在其中的一个节点上放置同一个文件的索引，从而减少网络的资源放置开销。

所述步骤F中采用贪婪算法去求整数规划模型，具体步骤为：

步骤1：叶子节点N_i首先计算其路由表中的超级节点SN₁，SN₂，…，SN_n(其中n为N_i的路由表中的超级节点的个数)和N_i的行为相似度，得到一个相似度集合P＝(p₁，p₂，…p_n)，其中每个分量p_i(i＝1，2…n)表示超级节点SN_i和叶子节点N_i在一个周期内的共同在线时长比重，n为N_i的路由表中的超级节点的个数。如果叶子节点N_i路由表中一个超级节点也没有，即

则算法停止；否则，对P中分量降序排序得到P′＝(p′₁，p′₂，…p′_n)，设最优解集合S为空集，即

转步骤2；

步骤2：如果最优解中超级节点所连接的叶子节点数超过设定的阈值λ，即则算法停止，输出S；否则转步骤3；

步骤3：设当前P′中的值最大的分量为p′_k(在第一次计算时，k＝1)。找到p′_k对应的节点SN_k，并更新P′。更新方法为将当前的p′_k从P′中去掉。如果最优解集合S中存在若干个超级节点与SN_k之间连接的共同节点数的比例超过阈值β。即存在SN_i，SN_i+1…SN_j∈S，使得

则舍去SN_k，即S＝S，返回执行步骤3；否则转步骤4；

步骤4：用SN_j表示当前集合S中的超级节点，SN_j路由表中的节点数表示为|L_j|，其中j为算法每次迭代过程中加入集合S中的具体节点下标。如果最优解中已有的超级节点所连接的叶子节点数和SN_k所连接的叶子节点数的期望超过了设定的阈值λ，即

其中P_ij采用步骤5.1中计算的相似度值，下标i，j为对应的叶子节点N_i和超级节点SN_j的下标。然后将SN_k加入最优解集合，即S＝S∪SN_k。此时得到放置索引的超级节点的集合S并停止算法，输出S；否则将SN_k加入最优解集合，S＝S∪SN_k，转步骤3。

在本发明中按照节点间的行为相似度从大到小考虑每个超级节点，这样操作的理由首先是相似度高的节点，其与该叶子节点共同在线时间更长，索引放置后可以有更长的时间为对应资源提供服务；其次，在放置最少索引数这个目标下，这种选择方案可以在条件(2)的约束下尽快满足条件(1)。从而保证贪婪算法得到的解是模型的最优解。

当存在若干个约束条件(2)时，条件(1)可能在几个相似度高的节点放置了索引后已经成立。此时，其余的超级节点可以不用放置索引。这是因为条件(1)成立后，已经将该冷门资源人工调整为一个流行资源，放置结束；

该模型在理论上存在无解的情况：当存在某超级节点SN与N_i的相似度很高，且与N_i路由表中的另外几个超级节点的连通度也超过阈值β。但SN自身路由表中的叶子节点数目很少，则模型按照贪婪算法在优先考虑放置索引于SN后，由于约束(2)的存在，则其余的超级节点上无需放置索引。从而最终无法达到(1)而导致模型无解。但是在实际中，如果一个超级节点在线时间很长，则在导向性搜索的原理下，周围的节点会逐渐与它连接，从而其连接的叶子节点数会增大；或者由于此节点维护的资源很少或者是冷门资源，使得周围节点无法发现它，但这样它就成为不了周围节点的超级节点。所以模型在实际中无解的概率很小，在此不予以考虑。

本发明与现有技术相比的优点在于：本发明基于对等网络中节点的实际情况，通过引入行为相似性的定义来解决了节点的动态上下线等因素，使得索引的放置相较于静态网络下的放置结果更具有实际作用。同时，通过对超级节点的连通度的统计，使得网络中索引的分布更加均衡。最后，将所有的考察因素通过数学抽象建立了一个资源优化放置的模型，并给出了求解方法，由此提高了对等网络中冷门文件的搜索成功率，同时减少了缓存索引的开销，从而使得整个网络的总开销减少，使网络更具有扩展性。

附图说明

图1为本发明对等网络中冷门资源索引放置方法流程图；

图2为索引缓存技术的原理图；

图3本发明在网络中索引放置的实施例图。

具体实施方式

对等网是由一组联入网络中的终端设备构成，这些终端设备可以是一般家用的台式计算机、便携式笔记本电脑、性能较好的小型服务器，或者是一个小型区域的服务器，他们共同构成此对等网中的各个节点。每个设备都具有数据路由的功能，同时记载自身资源的访问量，自身在线时间等信息。每个设备在网络运行时都向周围的节点发送信息，包括节点上下线时间信息，身份信息，索引放置请求信息等。每个节点根据这些信息选择索引放置的具体节点。

通过索引放置可以提高对等网中资源的搜索成功率，并减少了信息搜索时冗余信息的产生。如图2所示，节点A首先发出对一个资源的搜索，经过4跳后在图2中最右边的资源节点处搜索到请求的资源。此时，一个简便易行的方法是将该资源的索引缓存到从节点A到资源节点的搜索路径上的每一个转发节点上。索引信息包括资源的标识码和资源节点的IP地址。

此后，当网络中另一个节点B也发出了对该资源的搜索请求时，B向周边的节点进行搜索信息的发送，经过两跳到达一个缓存索引的节点。通过缓存的索引，B知道了资源节点的IP地址，从而B直接建立与资源节点的连接并下载所请求的资源。

对等网中节点具有动态性，因此图2中所述的索引放置方法在对等网中可能会发生搜索路径中的节点离线，从而导致放置的索引失效等情况。所以我们的发明考虑到节点之间是否能同时在线，以及如何使得放置的索引在网络中可以均衡的为所有的节点服务的情况。

为使本发明更加容易理解，结合一个实例(图3)对本发明作进一步阐述，但该实例不构成对本发明的任何限制。

图3是网络中一个叶子节点及其周围超级节点布置图，超级节点服务的叶子节点总数设定为600个。叶子节点N₁是一个普通的PC机，在其周围布置着8个小型服务器作为超级节点(SN₁，SN₂，…，SN₈)。N₁在一个周期开始时，根据所述步骤C中相似度计算公式计算其与SN₁，SN₂，…，SN₈的行为相似性。其行为相似性如表1所示：(周期取一个星期)，

表1：叶子节点N₁与超级节点SN₁，SN₂，…，SN₈的行为相似性

SN1

SN2

SN3

SN4

SN5

SN6

SN7

SN8

SIM

35％

80％

73％

21％

48％

59％

62％

85％

超级节点SN₁，SN₂，…，SN₈根据步骤D中连通度计算公式计算相互之间的连通度，得到表2：

表2：超级节点SN₁，SN₂，…，SN₈之间的连通度

	SN1	SN2	SN3	SN4	SN5	SN6	SN7	SN8
									SN1	×	0	0	0	0	0	0	0
SN2	0	×	1	0	0	0	0	0
									SN3	0	1	×0	0	0	0	0	0
SN4	0	0	0	×	0	0	0	0
									SN5	0	0	0	0	×	1	0	0
SN6	0	0	0	0	1	×	1	0
									SN7	0	0	0	0	0	1	×	0
SN8	0	0	0	0	0	0	0	×

表中0表示的节点之间连通度小于阈值，1表示连通度大于阈值。则可知，在8个超级节点中，节点2和节点3，节点5和节点6以及节点6和节点7之间能够服务的叶子节点很大一部分相同。故具体的约束条件为：

X₁₂+X₁₃≤1；

X₁₅+X₁₆≤1；

X₁₆+X₁₇≤1；

模型需要的其余参数为：

超级节点SN₁，SN₂，…，SN₈连接的叶子节点数为：

SN1	SN2	SN3	SN4	SN5	SN6	SN7	SN8
								75	174	159	46	93	116	142	220

本发明实例中取资源的流行阈值为75％，即放置的索引如果可以为网络中75％的节点提供服务，其对应的资源可以被这些节点搜索到，则这种资源为流行资源。所以模型中的λ＝600·75％＝450，具体模型如下：

$\min \underset{j=1}{\overset{m}{\mathrm{\Σ}}}{X}_{\mathrm{nij}}$

$s.t.\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}\·X_{\mathrm{nij}}\·L_j\≥450$

X₁₂+X₁₃≤1；

X₁₅+X₁₆≤1；

X₁₆+X₁₇≤1；

X_nij＝0，1

由于此问题的规模较小，可以采取类似背包问题的贪婪算法进行求解，首先根据SN₁，SN₂，…，SN₈与N₁的相似度按照降序排序为：

(SN₈，SN₂，SN₃，SN₇，SN₆，SN₅，SN₁，SN₄)

首先考虑在相似度最高的SN₈上放置索引，然后放置在SN₂上，由于限制条件X₁₂+X₁₃≤1，SN₃可以不需放置索引，则依次放置在SN₇上，此时SN₆不用放置，直接放置在SN₅上，此时：

$\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}\·X_{\mathrm{nij}}\·L_j=85\%\·220+80\%\·174+62\%\·142+48\%\·93\≥450$

此时已经满足了模型的条件，则最优解为X＝(SN₈，SN₂，SN₇，SN₅)。N₁按照最优解将索引放置到对应的超级节点上，通过这种方法将一个冷门资源调整成一个可以被网络中大多数节点搜索到的资源，从而提高了该资源的搜索成功率。

以上所述是本发明的实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变动，对于周期时长的设定，可以根据具体网络中资源的流行性和节点的性能等实际情况来取不同的值，这些改进和变动也视为本发明的保护范围。

Claims (5)

1.一种对等网络中冷门资源索引的优化放置方法，其特征在于实现步骤如下：

A.在对等网络每一个运行周期开始时，网络中的每个节点统计上一个周期内的自身被访问的次数；

B.每个节点根据访问次数确定自己为叶子节点或者超级节点，访问次数超过设定阈值的节点定义为热门节点，也称之为超级节点，访问次数没达到阈值的节点称为叶子节点；所有的节点向其周围的节点发送一个表明自己身份的信息，从而网络中每个节点均知晓自己周围的超级节点和叶子节点；

C.叶子节点根据自己接收到的步骤B中所述身份信息，统计出自己路由表里的超级节点，并计算所述这些超级节点与自己的行为相似性；所述叶子节点与超级节点间的行为相似性是指上个周期内叶子节点与超级节点共同在线时间的比重；此外，叶子节点统计上一周期内自身的资源访问次数，将访问次数低于设定阈值的资源定义为冷门资源；

D.所述超级节点根据自己接收到的步骤B中所述身份信息，统计出自己路由表中存在的超级节点和叶子节点，并计算这些超级节点与自身之间的连通度，再将所述连通度发送给其路由表中的叶子节点；

E.叶子节点根据步骤C中所述的与超级节点之间的行为相似性，以及接收到的D中所述的超级节点之间的连通度信息，建立一个以每个叶子节点放置的资源索引数最小为目标函数的整数规划模型，所述目标函数的整数规划模型为：

$\min \underset{j=1}{\overset{m}{\mathrm{\Σ}}}{X}_{\mathrm{nij}}$

$s.t.\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}\·X_{\mathrm{nij}}\·\left|L_j\right|\≥\mathrm{\λ}---\left(1\right)$

X_nir+X_nip+…+X_niq≤1                   (2)

$(\mathrm{if}{\mathrm{Connect}}_{({\mathrm{SN}}_r,{\mathrm{SN}}_p,...{\mathrm{SN}}_q)}=\frac{\left|L_{r\∩p...\∩q}\right|}{\left|L_r\right|+\left|L_p\right|+...+\left|L_q\right|}>\mathrm{\β})(\∀{\mathrm{SN}}_r,{\mathrm{SN}}_p,...{\mathrm{SN}}_q\∈{\mathrm{\Ω}}_{\mathrm{SN}})$

X_nij＝0，1                            (3)

其中：X_nij描述叶子节点N_i将冷门资源f_n的索引存储于超级节点SN_j上这个事件，X_nij＝1表示在SN_j存储该索引，否则X_nij＝0，m为超级节点的个数；

模型的约束条件(1)中的P_ij表示节点N_i将冷门资源f_n的索引存储于超级节点SN_j的概率，P_ij可以用行为相似性来表示，λ是一个给定的阈值；

模型的约束条件(2)中Ω_SN表示超级节点的集合，L_r，L_p，…，L_q表示的是超级节点SN_r，SN_p，…，SN_q的路由表中节点集合，L_r∩p…∩q表示的是这些超级节点路由表中的共同连接节点的集合，|·|表示集合的大小，当连通度

指定的阈值时只在其中的一个节点上放置同一个文件的索引，从而减少网络的资源放置开销；

F.求解步骤E中所述整数规划模型，得出放置资源索引的超级节点的集合；

G.叶子节点将步骤C中所述的自身的冷门资源的索引缓存到步骤F所得的最优解中对应的超级节点上。

2.根据权利要求1所述的一种对等网络中冷门资源索引的优化放置方法，其特征在于：所述步骤A中的周期指一个时间段单位，为一周或者一个月，具体时间长度视网络负载和资源流行时间，更新频率等情况而定。

3.根据权利要求1所述的一种对等网络中冷门资源索引的优化放置方法，其特征在于：所述步骤C中行为相似度的计算公式为：

$\mathrm{Sim}(N_i,N_j)=\frac{T_i\∩T_j}{T}$

其中，用N_i，N_j来表示网络中的任意两个节点，Sim(N_i，N_j)表示N_i，N_j之间的行为相似度，T表示一个周期的时长；T_i，T_j分别表示节点N_i，N_j在T时长里的在线时间，T_i∩T_j表示N_i，N_j在T时长里的共同在线时长，在具体的实施中，每个节点在每次进入网络和离开网络时都向其路由表中的节点发送一个消息，从而可以得到每个节点的具体在线时长。

4.根据权利要求1所述的一种对等网络中冷门资源索引的优化放置方法，其特征在于：所述步骤D中超级节点在每个周期内开始放置索引前先计算其相互之间的连通度，任选其中若干个超级节点SN_i，SN_i+1，…，SN_j，其连通度的计算公式为：

${\mathrm{Connect}}_{({\mathrm{SN}}_i,{\mathrm{SN}}_{i+1},...{\mathrm{SN}}_j)}=\frac{\left|L_{i\∩i+1...\∩j}\right|}{\left|L_i\right|+\left|L_{i+1}\right|+...+\left|L_j\right|}$

其中，用L_i，L_i+1，…，L_j表示对应的超级节点SN_i，SN_i+1…，SN_j的路由表中节点集合；超级节点首先检索自身路由表中的超级节点，然后与这些超级节点互相交换各自的路由表信息并对路由表中节点ID进行比对，得到连接的共同节点的集合，用L_{i∩i+1…∩j}表示，|·|表示集合的大小；当连通度大于设定的阈值时只在其中的一个节点上放置同一个文件的索引，从而减少网络的资源放置开销。

5.根据权利要求1所述的一种对等网络中冷门资源索引的优化放置方法，其特征在于：所述步骤F中采用贪婪算法去求整数规划模型，具体步骤为：

步骤5.1：任意选取网络中一个待放置索引的叶子节点，表示为N_i，首先计算N_i路由表中的超级节点SN₁，SN₂，…，SN_n，其中n为N_i的路由表中的超级节点的个数，得到一个相似度集合P＝(p₁，p₂，…p_n)，其中每个分量p_i(i＝1，2…n)表示超级节点SN_i和叶子节点N_i在一个周期内的共同在线时长比重；如果叶子节点N_i路由表中一个超级节点也没有，即则算法停止；否则，对P降序排序得到P′＝(p′₁，p′₂，…p′_n)，设最优解集合S为空集，即

转步骤5.2；

步骤5.2：如果最优解中超级节点所连接的叶子节点数超过设定的阈值λ，即

则停止，输出最优解集合S；否则转步骤5.3；

步骤5.3：设当前P′中的值最大的分量为p′_k，在第一次计算时，k＝1，找到p′_k对应的节点SN_k，并更新P′，更新方法为将当前的p′_k从P′中去掉，如果最优解集合S中存在若干个超级节点与SN_k之间连接的共同节点数的比例超过阈值β，即存在SN_i，SN_i+1…SN_j∈S，使得连通度则舍去SN_k，即S＝S，返回执行步骤5.3；否则转步骤5.4；

步骤5.4：用SN_j表示当前集合S中的超级节点，SN_j路由表中的节点数表示为|L_j|，其中j为算法每次迭代过程中加入集合S中的具体节点下标，如果最优解中已有的超级节点所连接的叶子节点数和SN_k所连接的叶子节点数的期望超过了设定的阈值λ，即

其中P_ij采用步骤5.1中计算的相似度值，下标i，j为对应的叶子节点N_i和超级节点SN_j的下标；然后将SN_k加入最优解集合，即S＝S∪SN_k；此时得到放置索引的超级节点的集合S并停止算法，输出S；否则将SN_k加入最优解集合，S＝S∪SN_k，转步骤5.3。

Images