CN103200113A - 兼顾运营成本和传输性能双优化的域间流量工程的实现方法 - Google Patents

Abstract

一种兼顾运营成本和传输性能双目标优化的域间流量工程的实现方法，支持域间协同实现性能优化，兼顾运营成本最低和性能最优双目标而制定合理的流量控制策略；其决策原则是多准则建模，全面考虑实际网络需求，同时处理多个流请求，实时调控网络流量，将问题分而治之，避免或减少泄露敏感信息；采用博弈思路，兼顾参与者的合作与竞争。具体步骤是：从性能和运营成本角度分别确立优化目标，利用流量守恒定律表述满足性能和运营成本双优化目标的约束条件，并执行拉格朗日分解。本发明能实时处理大规模跨域流量传输请求，解决了现有运营商不顾全局利益，只根据有限的自治域信息和自身利益调节跨域流量的资源浪费问题，或不考虑运营成本的处理方式。

Description

兼顾运营成本和传输性能双优化的域间流量工程的实现方法

技术领域

本发明涉及一种双目标优化的域间流量工程的实现方法，确切地说，涉及一种兼顾运营成本和传输性能双目标优化的域间流量工程的实现方法，属于域间流量工程或网络建模及其性能优化的技术领域。

背景技术

Internet快速的自我成长性和日益膨胀的规模对网络的有效管理和互联网的技术发展都提出了巨大的挑战。大量网络新应用的涌出和社会行为的网络化，对网络域间行为的安全性和可控性的需求日益增强。互联网工程任务组（IETF）顺应形势提出了流量工程TE（Traffic Engineering）的概念，并指出流量工程的目的是优化运营网络的性能，以便最有效地利用网络资源，为用户提供保证质量的服务。流量工程的主要目标是对运营网络进行性能优化，在促进有效、可靠的网络操作的同时，提高网络资源的利用率，优化网络性能。它的技术涉及到互联网的流量测量、模型建立、特征描述和控制的科学原理和技术应用，以及如何将这些知识和技术应用到实践中来实现特定的网络性能指标。

在互联网中，提供网络服务的角色为运营商ISP（Internet Service Provider），每个运营商拥有各自独立的流量传输网络，其网络管理高度自治，由统一的管理机构采用统一的路由策略来管理网络。因此，具有统一管理机构、统一路由策略的网络称为自治域，而不同运营商分别管理的网络为不同的自治域。流量工程调控网络流量时，根据其作用域的不同，可分为域内流量工程（流量调控在自治域内部进行）和域间流量工程（流量调控在不同的自治域之间进行）。目前，流量工程的解决方案大都局限于自治域内，而在实际互联网中，经常出现多个运营商合作共同向客户提供服务的情况，即流量跨域传输。为了进一步改善用户的端到端的性能，需要实施域间流量工程，保证流量在整个互联网络中得到负载均衡，并提高全网的运行效率。

然而，自治域具有高度自治性和保密性，不允许其它自治域影响自己的路由和流量管理。因此，域间流量工程具有拓扑信息的不完全性、网络状态信息的不完全性、控制管理的难协商性和流量模式的动态性等许多特点，其研究难度很大。具体来说，在技术方面，网络拓扑和链路状态信息对于有效分配流量颇有帮助，然而，域间路由协议BGP基于安全性、稳定性和扩展性的考虑，并不穿越网络边界发布这类信息。在管理方面，各个自治域具有不同的运营成本和网络容量，在某个自治域内被认为是好的解决方案，被移植到另一个自治域内时，不一定也被认为是好的解决方案。在影响方面，流量跨域传输时，一个域的输出流量会成为相邻域的输入流量，即流量输出域的流量控制策略会影响流量输入域的网络性能。运营商认为对自己最有利的解决方案，却可能会给相邻网络运营商的网络带来拥塞等不利影响。如果运营商只根据自身利益来制定流量策略，则很可能给彼此带来不利影响，最后导致所有参与者利益受损。这些特点都增加了域间流量工程的难度，使得互联网域间协同实现性能优化工作充满了困难和挑战，也使得这项工作充满了意义。

域间协同实现性能优化是运营商利用域间流量工程来优化所有参与流量传输的自治域的网络性能，而其关键就是如何有效地控制流的流向。现实生活中，多协议标签交换MPLS（Multi-Protocol Label Switching）流量工程策略已被广泛应用于自治域内部，用于优化网络资源利用率、支持要求端到端QoS保证的服务、实现链路/节点故障的快速修复等。而将MPLS流量工程应用到域间协同实现性能优化时，却因为无法获取相邻域的网络拓扑和链路状态等信息，进而给计算最短约束路径造成了困难。

虽然，IETF的流量工程工作组正在积极研究采用MPLS流量工程策略来实现域间流量工程目标，但是，目前也只是提出对于域间MPLS流量工程的设计要求，还没有给出有效的策略。由于MPLS技术还没有穿越自治域边界被使用，目前的域间流量工程只能通过调整BGP路由协议的配置来实现。基于BGP的流量工程策略仅仅是对域间流量的流向进行粗略和单方面的控制，当流量输入到其他运营商网络时，可能会造成相邻运营商的网络性能降低或网络流量不可预测的变化，最终导致双方性能都降低。

因此，域间流量工程需要一个更有效、更符合互联网发展趋势的方法来优化网络性能，最有效地利用网络资源和为用户提供QoS保证。就目前研究情况来看，研究人员试图提出系统化的方法来解决域间流量工程问题。因为每个自治域都是独立管理的，域内流量控制可以由运营商自行调节，而域间流量信息存在隐蔽性，只能通过有选择地发布路由信息来对入网流量和出网流量进行有效调节，即出网域间流量工程。

文献《保障带宽的域间流量工程的出口路由器选择》（《On Egress RouterSelection for Inter-domain Traffic with Bandwidth Guarantees》，刊于In Proceedingsof IEEE HPSR,April2004）指出：出网域间流量工程问题的本质是一个出口路由器的选择问题，即每个自治域的出域流量可通过不同的出口路由器到达相邻自治域时，需要在自治域内部将出域流量引导至最优的出口路由器，以使双方的网络资源都能得到充分利用，并且，这个问题可建模为线性规划问题来解决。通过建模来确定出域流量的出口路由器选择的域间流量工程方法需要运营商之间的相互合作；然而，由于网络中各个运营商之间存在激烈的竞争，可行的域间流量工程方法必须遵循下述准则：

（1）泄露信息最小化：对于运营商，网络拓扑和链路状态信息是敏感的内部信息，基于安全性和维持竞争力的立场，运营商不愿意将这些信息泄露给其他运营商。因此，运营商合作的前提是避免或减少泄露其内部敏感信息。

（2）帕累托最优：域间流量工程的流量分配应该达到下述效果：从某一种分配状态过渡到另一种状态的变化中，在没有使得任何运营商的网络性能变差的前提下，也不可能使得某个或某些运营商的性能变得更好。换句话说，就是不可能发生改善某些运营商的网络性能时，不使任何其他运营商网络性能变差。

（3）比例公平：域间流量工程策略对于参与者的网络性能优化是比例公平的，不能使得参与者获得公平利益的策略是不会被长久采纳的。

（4）动力一致：参与的网络运营商都能获得比以前不合作时的更多利益，合作是双赢的选择。

（5）运营成本最小化：流量传输是需要运营成本的，在不产生拥塞的前提下，能用最短路径完成流量传输，就不再选择更长的路径，即选择运营成本最小的流量传输路径。

目前，已经有了一种比较有效的域间流量工程的实现方法，可以同时满足上述五项准则中的四个标准，文献《采用纳什讨价还价法和分解法的合作型域间流量工程》（《Cooperative Inter-Domain Traffic Engineering Using Nash Bargainingand Decomposition》，刊于In INFOCOM’07）较好地实现了性能角度的协同性能优化，能够同时满足上述泄露信息最小化、帕累托最优、比例公平和动力一致的四项优化准则。

然而，随着互联网的发展和扩散，各种付费服务数目不断增多（如音乐、视频、计算、存储等），在决定提供何种服务和制定定价机制时，与技术因素相比较，运营成本或费用的因素也变得越来越重要。现实生活中运营商制定策略时不仅要考虑效率最大化，也要考虑利益最大化。而利益最大化的最基本方式是降低网络的运营成本。在网络优化的领域中，最小化运营成本不是一个新概念，最小费用最大流问题是经济学和管理学中的一类典型问题。但是，这种问题现有的解决方式不利于同时处理多条流量请求，也不利于实时调控流量，是一种滞后的流量调控，而且这种滞后的流量调控有时甚至会降低网络性能。因此，现在需要寻求一种新的方法以使运营商的利益最大化。然而，网络中的运营收益关系比较复杂，相关研究还在起步阶段，相关资料也非常少。

文献《描述面向服务的互联网中的相互作用、竞争和革新的运营收益模型》（《Interactions,competition and innovation in a service-oriented internet:Aneconomic model》，刊于INFOCOM,2010,Proceedings IEEE），从运营收益角度比较透彻地分析了网络参与者之间的相互作用和竞争关系。而文献《双边市场中自治域间的利润分享》（《Revenue Sharing among ISPs in Two-Sided Markets》，刊于In INFOCOM’11）在一定程度上诠释了双边市场中的参与者之间的利润分配问题。上述两篇文献，为描述域间流量工程中的运营收益关系并最小化运营成本提供了良好的基础。

综合上述，从运营成本和传输性能两个角度制定一个符合现实网络需求的域间流量工程的实现方法，对指导现实中的互联网域间协同实现性能优化具有非常重要意义，已经成为业内科技人员关注的焦点。

下面先介绍本发明所涉及的相关技术术语的涵义或定义：

双目标优化：系统方案的选择取决于两个优化目标的满足程度，这类决策问题称为双目标决策，又叫双目标优化。本发明从运营成本和传输性能两个角度判断域间流量工程实现方法的优劣。

纳什讨价还价：又称为议价或谈判，主要是指参与双方通过协商方式解决利益的分配问题，其解被称为纳什讨价还价解或纳什谈判解。这是一种同时满足帕累托最优、对称、比例公平和无关选择的独立性的解。在这种机制下，网络运营商合作优化社会福利函数，即合作优化作为优化目标函数的纳什乘积。为了得到纳什谈判解，只需要求解简单的纳什乘积最大化问题即可，不涉及具体的讨价还价细节。

利润分享契约：当跨域流量在两个运营商的网络之间传输时，占主导地位的运营商向另一运营商收取低于临界成本的传输费用，并为弥补利润损失而收取对方利润分成的契约。这个契约有效促进了运营商之间的合作与双赢。

拉格朗日松弛算法：将目标函数中造成问题求解复杂的约束吸收到目标函数中，并保持目标函数的线性特性，使得问题更容易求解；也就是在一些组合优化中，在原问题中减少一些约束，使得问题的求解难度大大降低（称这类造成问题复杂的约束为难约束或复杂约束）。

拉格朗日分解算法：增加辅助变量，使得一个等式约束可以耦合两组相对独立的约束条件。采用拉格朗日松弛方法，将刚引入的等式约束吸收到目标函数中，根据目标函数的线性特性而分解为两个相对独立的线性规划问题，这两个线性规划问题被称为原问题的拉格朗日分解。

次梯度算法：为求解凸函数最优化问题的一种迭代法。次梯度法能够用于不可微的目标函数，且只需要很少的存储需求；当次梯度法和拉格朗日分解算法结合时,可以简化原问题而得到一种简单分配算法。

发明内容

有鉴于此，本发明的目的是提供一种全面考虑网络实际需求，兼顾运营成本和传输性能双目标优化，实时处理大规模跨域流量传输请求的域间流量工程的实现方法，用于解决现有运营商不顾全局利益，只根据有限的自治域信息和自身利益来调节流量，进而导致网络资源浪费的问题，以及只注重性能优化，而不考虑运营成本的处理方式。

为了达到上述发明目的，本发明提供了一种兼顾运营成本和传输性能双目标优化的域间流量工程的实现方法，其特征在于：所述方法支持域间协同实现性能优化、兼顾运营成本最低和性能最优双目标而制定合理的流量控制策略；采用的决策原则是多准则建模，全面考虑实际网络需求，同时处理多个流请求，以便实时调控网络流量，将问题分而治之，避免或减少敏感信息的泄露；并采用博弈思路，兼顾参与者的合作与竞争；该方法包括下述操作步骤：

（A）从性能角度确立优化目标：以网络传输性能指标作为研究对象，使得最后的流量分配策略能够满足帕累托最优、比例公平和动力一致性的特点；

（B）从运营成本角度确立优化目标：以运营成本作为研究对象，使得最后的流量分配策略能够满足运营成本最小化的要求；

（C）利用流量守恒定律表述满足性能和运营成本双优化目标的约束条件：因拥有双优化目标和流量守恒的约束限定条件而构建成线性规划问题，故通过计算获得该问题的最优解；

（D）执行拉格朗日分解：将涉及到两个自治域的线性规划问题分解为每个自治域各自独立解决的子问题，使得每个自治域之间只交换不涉及包括域内网络拓扑和链路容量的非敏感信息。

本发明方法的创新技术是：通过数学建模，用计算方式获取每条链路上流向目标节点的流量数值，可以同时处理多个源节点到目的节点的流量请求信息。虽然计算得出的只是单条链路上的流量，但在计算过程中，使用了流量守恒定律，即对于任意一条流，本发明能够计算出其从源节点到目的节点的路径（可能流量会分成多条路传输），并可通过资源预留方式进行流量调控。此外，本发明方法支持实时调控，在任何时刻都可以进行宏观调控流量，因为每个中间传输路由都会存储或记忆尚未完成传输的流量计算结果，这些存储或记忆的信息将作为下次计算的流请求处理。

本发明域间流量工程方法具有下述有益效果：本发明支持域间协同实现性能优化、兼顾运营成本最低和传输性能最优双目标而制定合理的流量控制策略；其优化目标是全局的，求解过程是分解的、计算量较少；且建模过程采用博弈思路，既满足参与者合作双赢的需求，也兼顾其竞争的特性；最大程度地优化利用网络资源，解决了现有域间流量工程中运营商只根据有限自治域信息和自身利益调节流量，不顾全局利益，进而导致网络资源浪费的问题，以及只注重传输性能优化，而不考虑运营成本的处理方式；采用了系统化的建模方式，可以同时处理多个源节点、多个目标节点的大规模跨域流量请求，使得实时调控网络流量成为可能；再者，所建模型具有很好的扩展性和适应性。本发明能够广泛应用于实际域间流量工程协同实现性能优化，具有很好的应用前景。

附图说明

图1是域间流量工程模型示意图。

图2是本发明域间流量工程实现方法的操作步骤流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步的详细描述。

本发明提供了一种兼顾运营成本和传输性能双目标优化的域间流量工程的实现方法，支持域间协同实现性能优化，兼顾运营成本最低和性能最优双目标而制定合理的流量控制策略；采用的决策原则是多准则建模，全面考虑实际网络需求，同时处理多个流请求，以便实时调控网络流量,将问题分而治之，避免或减少敏感信息的泄露；并采用博弈思路，兼顾参与者的合作与竞争。

参见图1，为阐述本发明方法，先介绍如图1所示的域间流量工程模型：

假设网络中的运营商、内容提供商和终端用户都只有2个。由于地理位置、行业垄断和服务的不可替代性，内容提供商CP（Content Provider）和终端用户EU（End User）都固定接入设定运营商ISP(Internet Service Provider)的网络。这里采用简称加下标表示不同的实体，如ISP₁和ISP₂表示不同的运营商，CP₁和CP₂表示不同的内容提供商，EU₁和EU₂表示不同的终端用户。CP₁和EU₁分别通过其网关

和

固定接入第一个运营商ISP₁，CP₂和EU₂分别通过其网关

和

固定接入第二个运营商ISP₂。相邻运营商之间有两个双向域间通路Peer link，域间通路在自治域上的接入点为出口路由。图1中的ISP₁的出口路由为

和

，ISP₂的出口路由为

和

；终端用户和内容提供商所接入的网关均能路由到各自所在自治域的出口路由，且每个自治域内的网关互通。内容提供商所提供的服务既可以在域内传输（如CP₁传输给EU₁），也可以跨域传输（如CP₁传输给EU₂）。当CP₁的服务传输给EU₂时，其流量需要经过不同的自治域，即跨域传输。出域流量既可以选择模型中位置处于上方的Peer link，也可以选择位置处于下方的Peer link。本发明域间流量工程的实现方法就是解决跨域流量如何选择出口路由的问题。

参见图2，介绍本发明兼顾运营成本和传输性能双目标优化的域间流量工程的实现方法的具体操作步骤：

步骤1，从性能角度确立优化目标：以网络传输性能指标作为研究对象，使得最后的流量分配策略能够满足帕累托最优、比例公平和动力一致性的特点。

该步骤的性能角度优化是以两个网络运营商企图优化的网络性能指标u₁和u₂的纳什乘积u₁u₂作为性能优化的目标函数，该两个网络性能指标u₁和u₂代表的实际网络传输性能指标能够相同或不同；选择纳什乘积作为性能优化的目标函数是因为其解满足纳什谈判解的三条公理：帕累托最优、对称性和无关选择的独立性，且无关讨价还价的具体过程。以纳什乘积作为性能优化的目标函数的解满足帕累托最优表示参与运营商的利益均已达到在不伤害其他运营商利益下的最大值；其解满足对称性表示公平公正，参与的运营商愿意长期合作；其解满足无关选择的独立性表示其他不相干属性不会影响决策结果，能保障结果的稳定性；其解还满足属性的独立性，即参与双方能够选择相同属性或不同属性，属性的选择不影响问题的求解。

为方便操作，本发明方法选择与纳什乘积u₁u₂拥有等价解的lnu₁+lnu₂作为目标函数，理由是lnu₁+lnu₂=lnu₁u₂，而作为纳什乘积的对数的lnu₁u₂和纳什乘积u₁u₂具有相同的单调性，故lnu₁+lnu₂和u₁u₂具有相同的纳什解，两者作为优化目标是等价的；且由于选择lnu₁+lnu₂作为目标函数，有利于将优化问题分解为供参与性能优化的两个运营商各自独立解决的子问题，降低问题求解的复杂度。所以从性能角度出发，优化目标的函数为f₁(u₁,u₂)=lnu₁+lnu₂，性能角度的优化目标为最大化f₁(u₁,u₂)。

步骤2，从运营成本角度确立优化目标：以运营成本作为研究对象，使得最后的流量分配策略能够满足运营成本最小化的要求。

该步骤的运营成本角度优化是选择运营成本最小化作为运营成本优化的目标函数，以提高总运营利润。因流量跨域传输导致各个自治域之间传输的流量需要收费，而采用设定的经济分享契约能使每个运营商的各自利润与总运营利润成正比，通过研究流量跨域传输时，网络参与者之间的运营收益关系，即收费机制，可知在传输流量固定、各链路运输单位流量成本不变的条件下，最小化总运营成本可以提高总运营利润；因此采用降低总运营成本提高总运营利润的方法，对于参与流量跨域传输和按总运营利润比例分成的运营商来说，是比例公平的。且提高总运营利润，参与流量跨域传输的两个运营商必将双赢，运营商有参与的合作动力。

图1模型中流量跨域传输的总运营成本可表示为两个自治域内的流量传输成本之和，其计算公式为： $f_2(x_{1,k_1}^d,x_{2,k_2}^d)=\underset{k_1\∈K_1}{\mathrm{\Σ}}(c_{1,k_1}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d)+\underset{k_2\∈K_2}{\mathrm{\Σ}}(c_{2,k_2}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d);$ 式中，K_i为运营商ISP_i中各自的链路序号集合，下标i为该两个运营商序号,其值为1或2，自然数k_i为集合K_i中的链路序号，即k_i∈K_i，其最大值为l_i；

为运营商ISP_i自治域中的链路k_i上的单位流量的传输费用；D为两个运营商的所有目的端点序号的集合，自然数d为集合D中的目的端点序号，即d∈D，其最大值为N；

为运营商ISP_i自治域中链路k_i上传输的目的端点为d的流量。故对于图1模型来说，运营成本角度的优化目标为最小化

步骤3，利用流量守恒定律表述满足性能和运营成本双优化目标的约束条件：因拥有双优化目标和流量守恒的约束限定条件而构建成线性规划问题，故通过计算获得该问题的最优解。

该步骤中，网络中产生的流量请求实质是流量沿着内部链路进行传输的过程，该过程应满足流量守恒定律，将其公式化为优化目标的约束限制条件，以形成优化目标的可行域。每个端到端的流量请求是一条流量守恒约束限制，目的端点相同的流请求构成一个向量；因此目的端点序号集合D中的每个端点序号d都满足两个流量守恒限制方程组， $A_1\left[\begin{array}{c}{x}_1^d\\ y^d\end{array}\right]=s_1^d$ 和 $A_2\left[\begin{array}{c}{x}_2^d\\ y^d\end{array}\right]=s_2^d;$ 其中，A₁和A₂分别为ISP₁和ISP₂的网络拓扑关联矩阵，且都是n_i行、l_i+p列的实数矩阵，n_i和l_i分别为运营商ISP_i网络拓扑中的节点数和内部链路条数，p为ISP₁和ISP₂域间通路数目的2倍；为运营商ISP_i的自治域中所有节点到目的端点d的流量请求向量，

为自治域ISP_i中所有内部链路上传输的目的端点为d的流量向量： $x_i^d\left(\begin{array}{c}{x}_{i,1}^d\\ x_{i,2}^d\\ ...\\ x_{i,k_i}^d\\ ...\\ x_{i,l_i}^d\end{array}\right),y^d$ 为ISP₁和ISP₂域间通路上传输的目的端点为d的流量向量；此外，根据流量的非负性，该两个向量

和y^d中的各个参数都满足下述不等式约束限制条件： y^d≥0。

步骤4，执行拉格朗日分解：将涉及到两个自治域的线性规划问题分解为每个自治域各自独立解决的子问题，使得每个自治域之间只交换不涉及包括域内网络拓扑和链路容量的非敏感信息。该步骤包括下列具体操作内容：

（41）、域间流量本地化，将流量守恒限制方程组进行等价变形处理：

因步骤3中的流量守恒限制方程组 $A_1\left[\begin{array}{c}{x}_1^d\\ y^d\end{array}\right]=s_1^d$ 和 $A_2\left[\begin{array}{c}{x}_2^d\\ y^d\end{array}\right]=s_2^d$ 中的变量y^d为域间通路上的流量向量：既为一个自治域的出域流量向量，又是另一自治域的入域流量向量，其的存在使得优化问题具有联合化特性，即两个运营商必须共同参与优化协商。考虑到运营商之间的竞争性，为维护域内敏感信息，故引入等式限制条件

并用变量和

替换流量守恒方程组中的y^d，将域间流量本地化；式中，为自治域ISP₁的出域流量向量，

为自治域ISP₂的入域流量向量，两者数值相等。这样，流量守恒限制方程组不再包含引起问题联合化的因素，转换为 $A_1\left[\begin{array}{c}{x}_1^d\\ y_1^d\end{array}\right]=s_1^d$ 和 $A_2\left[\begin{array}{c}{x}_2^d\\ y_2^d\end{array}\right]=s_2^d,$ 其中，d∈D，此时的附加等式约束条件为 $y_1^d=y_2^d,$ 不等式约束条件为 $x_1^d\≥0,$ $y_1^d\≥0,$ $x_2^d\≥0,$ $y_2^d\≥0;$

（42）用拉格朗日松弛法将引起问题联合化的等式约束吸收到目标函数中：

因步骤（41）的操作，产生了引起问题联合化的等式约束条件为消除该不利于问题分解的等式约束而引入拉格朗日乘子λ^d，将等式约束吸收到目标函数中；其中，λ^d为p个任意实数组成的列向量，自然数上标d为集合D中的目的端点序号；这样处理后，步骤1中的原性能优化目标为最大化f₁(u₁,u₂)，而f₁(u₁,u₂)=lnu₁+lnu₂，利用拉格朗日乘子吸收等式约束后，性能优化目标由f₁(u₁,u₂)转变为

同时，其性能优化目标的计算公式也相应地由ln(u₁)+ln(u₂)转变为 $\ln \left(u_1\right)+\ln \left(u_2\right)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T\×(y_1^d-y_2^d),$ 其中，(λ^d)^T为向量λ^d的转置向量，即p维行向量；

同样，步骤2的运营成本优化目标也由最小化转变为最小化 $f_2(x_{1,k_1}^d,x_{2,k_2}^d,y_1^d,y_2^d);$ 相应地，其计算公式也由 $\underset{k_1\∈K_1}{\mathrm{\Σ}}(c_{1,k_1}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d)+\underset{k_2\∈K_2}{\mathrm{\Σ}}(c_{2,k_2}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d)$ 转变为： $\underset{k_1\∈K_1}{\mathrm{\Σ}}(c_{1,k_1}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d)+\underset{k_2\∈K_2}{\mathrm{\Σ}}(c_{2,k_2}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T\×(y_1^d-y_2^d);$

因性能指标u₁和u₂都为抽象参数，为使其涵义具体化，设u₁和u₂分别为两个自治域ISP₁和ISP₂中链路上的最大负载，这样，u₁和u₂分别为两个运营商ISP_i自治域中链路k_i上传输的目的端点为d的流量

和

的函数；此时的传输性能最优化是最大负载最小化，故传输性能优化目标是最大负载函数式

的数值最小化： $f_1(x_{1,k_1}^d,x_{2,k_2}^d,y_1^d,y_2^d)=\ln \left(u_1\right)+\ln \left(u_2\right)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T(y_1^d-y_2^d),$ 其中，u₁和u₂分别为

和的函数；

此时，运营成本的优化目标为使运营成本函数式的数值最小化： $f_2(x_{1,k_1}^d,x_{2,k_2}^d,y_1^d,y_2^d)=\underset{k_1\∈K_1}{\mathrm{\Σ}}(c_{1,k_1}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d)+\underset{k_2\∈K_2}{\mathrm{\Σ}}(c_{2,k_2}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T(y_1^d-y_2^d);$

再用公式表示上述两个角度的优化目标为：

该公式必须满足的约束条件为流量守恒和流量非负。对于目的端点序号集合D中的每个端点序号d均需满足的约束公式为： $A_1\left[\begin{array}{c}{x}_1^d\\ y_1^d\end{array}\right]=s_1^d,$ $A_2\left[\begin{array}{c}{x}_2^d\\ y_2^d\end{array}\right]=s_2^d$ 和 $x_1^d\≥0,$ $y_1^d\≥0,$ $x_2^d\≥0$ 和其中， $x_i^d\left(\begin{array}{c}{x}_{i,1}^d\\ x_{i12}^d\\ ...\\ x_{i,k_i}^d\\ ...\\ x_{i,l_i}^d\end{array}\right);$ 故优化目标函数值是否最优的决定因素为

的数值，最终优化目的就是计算得出能使优化目标最小化的

的数值，且d∈D；

（43）用拉格朗日分解算法结合次梯度算法将上述问题分解为每个运营商各自独立解决的子问题，并不断交换计算过程中的中间数据，获得最后结果。

该步骤的具体实施方式如下：

（431）根据优化目标的线性特征，将步骤（42）中的最大负载最小化和总运营成本最小化的优化问题分为两个双目标优化的子问题g₁和g₂，其中：

运营商ISP₁独立解决的子问题g₁为

目的端点序号集合D中的每个端点序号d，应满足下述约束限制条件： $A_1\left[\begin{array}{c}{x}_1^d\\ y_1^d\end{array}\right]=s_1^d$ 和 $x_1^d\≥0,$ $y_1^d\≥0;$

运营商ISP₂独立解决的子问题g₂为

目的端点序号集合D中的每个端点序号d，应满足下述约束限制条件： $A_2\left[\begin{array}{c}{x}_2^d\\ y_2^d\end{array}\right]=s_2^d$ 和 $x_2^d\≥0,$ $y_2^d\≥0;$

（432）每个运营商分别独立解决各自的子问题，即分别求解双目标优化问题g₁和g₂，并获得子问题的最优解，就得到满足双目标优化的

和；其中，

和分别为变量

和

在子问题求解过程中的中间数值；

（433）综合两个子问题的解来更新原问题的次梯度g：

（434）利用更新后的次梯度g决定可行域中下一操作步骤的搜索方向，并更新拉格朗日乘子的值λ^d:=λ^d+α_jg；其中，常数α_j为第j次迭代的步径长度；

（435）判断是否满足次梯度法的终止条件，若已满足，则退出迭代，终止计算，结束步骤（43）操作；否则，返回步骤（432），继续执行循环迭代操作。

迭代结束后，得到的关于所有目的端点d的

的值，就是用于制定流量控制策略的最终依据或参数，根据这些数值为出域流量选择出口路由，对网络流量执行实时调控，以使网络资源得到有效利用。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (9)

1.一种兼顾运营成本和传输性能双目标优化的域间流量工程的实现方法，其特征在于：所述方法支持域间协同实现性能优化、兼顾运营成本最低和性能最优双目标而制定合理的流量控制策略；采用的决策原则是多准则建模，全面考虑实际网络需求，同时处理多个流请求，以便实时调控网络流量，将问题分而治之，避免或减少敏感信息的泄露；并采用博弈思路，兼顾参与者的合作与竞争；该方法包括下述操作步骤：

（A）从性能角度确立优化目标：以网络传输性能指标作为研究对象，使得最后的流量分配策略能够满足帕累托最优、比例公平和动力一致性的特点；

（B）从运营成本角度确立优化目标：以运营成本作为研究对象，使得最后的流量分配策略能够满足运营成本最小化的要求；

（C）利用流量守恒定律表述满足性能和运营成本双优化目标的约束条件：因拥有双优化目标和流量守恒的约束限定条件而构建成线性规划问题，故通过计算获得该问题的最优解；

（D）执行拉格朗日分解：将涉及到两个自治域的线性规划问题分解为每个自治域各自独立解决的子问题，使得每个自治域之间只交换不涉及包括域内网络拓扑和链路容量的非敏感信息。

2.根据权利要求1所述的方法，其特征在于：所述方法中的运营商、内容提供商和终端用户分别都有2个，且因地理位置、行业垄断和服务的不可替代性，内容提供商CP和终端用户EU都固定接入设定运营商ISP的网络，也即第一个内容提供商CP₁和第一个终端用户EU₁分别通过其网关

和

固定接入第一个运营商ISP₁，第二个内容提供商CP₂和第二个终端用户EU₂分别通过其网关

和

固定接入第二个运营商ISP₂；两个相邻的运营商之间设有两个双向域间通路Peer link，域间通路在自治域上的接入点为出口路由，ISP₁中出口路由为

和

，ISP₂中出口路由为和

；终端用户和内容提供商所接入的网关均能路由到各自所在自治域的出口路由，且每个自治域内的网关互通；内容提供商提供的服务既能域内传输，也能跨域传输：当CP₁的服务传输给EU₂时，其流量要跨域传输，即经过不同的自治域，且其出域流量能任意选择两个Peer link其中之一；所述域间流量工程的实现方法就是解决跨域流量如何选择出口路由的问题。

3.根据权利要求1所述的方法，其特征在于：所述步骤（A）中的性能角度优化是以两个网络运营商企图优化的网络性能指标u₁和u₂的纳什乘积u₁u₂作为性能优化的目标函数，该两个网络性能指标u₁和u₂代表的实际网络传输性能指标能够相同或不同；选择纳什乘积作为性能优化的目标函数是因为其解满足纳什谈判解的三条公理：帕累托最优、对称性和无关选择的独立性，且无关讨价还价的具体过程；所述以纳什乘积作为性能优化的目标函数的解满足帕累托最优表示参与运营商的利益均已达到在不伤害其他运营商利益下的最大值；其解满足对称性表示公平公正，参与的运营商愿意长期合作；其解满足无关选择的独立性表示其他不相干属性不会影响决策结果，能保障结果的稳定性；其解还满足属性的独立性，即参与双方能够选择相同属性或不同属性，属性的选择不影响问题的求解。

4.根据权利要求3所述的方法，其特征在于：为方便操作，所述方法选择与纳什乘积u₁u₂拥有等价解的lnu₁+lnu₂作为目标函数，理由是lnu₁+lnu₂=lnu₁u₂，而作为纳什乘积的对数的lnu₁u₂和纳什乘积u₁u₂具有相同的单调性，故lnu₁+lnu₂和u₁u₂具有相同的纳什解，两者作为优化目标是等价的；且由于选择lnu₁+lnu₂作为目标函数，有利于将优化问题分解为供参与性能优化的两个运营商各自独立解决的子问题，降低问题求解的复杂度；所以从性能角度出发，优化目标的函数为f₁(u₁,u₂)=lnu₁+lnu₂，性能角度的优化目标为最大化f₁(u₁,u₂)。

5.根据权利要求1所述的方法，其特征在于：所述步骤（B）中的运营成本角度优化是选择运营成本最小化作为运营成本优化的目标函数，以提高总运营利润；因流量跨域传输导致各个自治域之间传输的流量需要收费，而采用设定的经济分享契约能使每个运营商的各自利润与总运营利润成正比，因此采用降低总运营成本以提高总运营利润的方法，对于参与流量跨域传输的每个自治域是比例公平的；且提高总运营利润，参与流量跨域传输的两个运营商必将双赢，运营商有参与的合作动力。

6.根据权利要求5所述的方法，其特征在于：所述总运营成本为所有链路上的流量传输成本之和，其计算公式为：

$f_2(x_{1,k_1}^d,x_{2,k_2}^d)=\underset{k_1\∈K_1}{\mathrm{\Σ}}(c_{1,k_1}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d)+\underset{k_2\∈K_2}{\mathrm{\Σ}}(c_{2,k_2}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d);$ 式中，K_i为运营商ISP_i中各自的链路序号集合，下标i为该两个运营商序号,其值为1或2，自然数k_i为集合K_i中的链路序号，即k_i∈K_i，其最大值为l_i；

为运营商ISPi自治域中的链路k_i上的单位流量的传输费用；D为两个运营商的所有目的端点序号的集合，自然数d为集合D中的目的端点序号，即d∈D，其最大值为N；

为运营商ISP_i自治域中链路k_i上传输的目的端点为d的流量；故运营成本角度的优化目标为最小化 $f_2(x_{1,k_1}^d,x_{2,k_2}^d).$

7.根据权利要求1所述的方法，其特征在于：所述步骤（C）中，网络中产生的流量请求实质是流量沿着内部链路进行传输的过程，该过程应满足流量守恒定律，将其公式化为优化目标的约束限制条件，以形成优化目标的可行域：每个端到端的流量请求是一条流量守恒约束限制，目的端点相同的流请求构成一个向量；因此，目的端点序号集合D中的每个端点序号d都满足两个流量守恒限制方程组： $A_1\left[\begin{array}{c}{x}_1^d\\ y^d\end{array}\right]=s_1^d$ 和 $A_2\left[\begin{array}{c}{x}_2^d\\ y^d\end{array}\right]=s_2^d;$ 其中，A₁和A₂分别为ISP₁和ISP₂的网络拓扑关联矩阵，且都是n_i行、l_i+p列的实数矩阵，n_i和l_i分别为运营商ISP_i网络拓扑中的节点数和内部链路条数，p为ISP₁和ISP₂域间通路数目的2倍；

为运营商ISP_i的自治域中所有节点到目的端点d的流量请求向量，

为自治域ISP_i中所有内部链路上传输的目的端点为d的流量向量： $x_i^d\left(\begin{array}{c}{x}_{i,1}^d\\ x_{i,2}^d\\ ...\\ x_{i,k_i}^d\\ ...\\ x_{i,l_i}^d\end{array}\right),$ y^d为ISP₁和ISP₂域间通路上传输的目的端点为d的流量向量；根据流量的非负性，该两个向量

和y^d中的各个参数都满足下述不等式约束限制条件：

8.根据权利要求7所述的方法，其特征在于：所述步骤（D）包括下列操作内容：

（D1）域间流量本地化，将流量守恒限制方程组进行等价变形处理：

因步骤（C）中的流量守恒限制方程组 $A_1\left[\begin{array}{c}{x}_1^d\\ y^d\end{array}\right]=s_1^d$ 和 $A_2\left[\begin{array}{c}{x}_2^d\\ y^d\end{array}\right]=s_2^d$ 中的变量y^d为域间通路上的流量向量：既为一个自治域的出域流量向量，又是另一自治域的入域流量向量，其的存在使得优化问题具有联合化特性，即两个运营商必须共同参与优化协商；考虑到运营商之间的竞争性，为维护域内敏感信息，故引入等式限制条件

并用变量

和

替换流量守恒方程组中的y^d，将域间流量本地化；式中，

为自治域ISP₁的出域流量向量，

为自治域ISP₂的入域流量向量，两者数值相等；这样，流量守恒限制方程组不再包含引起问题联合化的因素，转换为 $A_1\left[\begin{array}{c}{x}_1^d\\ y_1^d\end{array}\right]=s_1^d$ 和 $A_2\left[\begin{array}{c}{x}_2^d\\ y_2^d\end{array}\right]=s_2^d,$ 其中，d∈D，此时的附加等式约束条件为 $y_1^d=y_2^d,$ 不等式约束条件为 $x_1^d\≥0,$ $y_1^d\≥0,$ $x_2^d\≥0,$ $y_2^d\≥0;$

（D2）用拉格朗日松弛法将引起问题联合化的等式约束吸收到目标函数中：

因步骤（D1）的操作，产生了引起问题联合化的等式约束条件为消除该不利于问题分解的等式约束而引入拉格朗日乘子λ^d，将等式约束

吸收到目标函数中；其中，λ^d为p个任意实数组成的列向量，自然数上标d为集合D中的目的端点序号；这样处理后，步骤（A）中的原性能优化目标为最大化f₁(u₁,u₂)，而f₁(u₁,u₂)=lnu₁+lnu₂，利用拉格朗日乘子吸收等式约束后，性能优化目标由f₁(u₁,u₂)转变为同时，其性能优化目标的计算公式也相应地由ln(u₁)+ln(u₂)转变为 $\ln \left(u_1\right)+\ln \left(u_2\right)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T\×(y_1^d-y_2^d),$ 其中，(λ^d)^T为向量λ^d的转置向量，即p维行向量；

同样地，步骤（B）的运营成本优化目标也由最小化

转变为最小化 $f_2(x_{1,k_1}^d,x_{2,k_2}^d,y_1^d,y_2^d);$ 相应地，其计算公式也由 $\underset{k_1\∈K_1}{\mathrm{\Σ}}\left(c_{1,k_1}\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d\right)+\underset{k_2\∈K_2}{\mathrm{\Σ}}\left(c_{2,k_2}\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d\right)$ 转变为： $\underset{k_1\∈K_1}{\mathrm{\Σ}}(c_{1,k_1}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d)+\underset{k_2\∈K_2}{\mathrm{\Σ}}(c_{2,k_2}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T\×(y_1^d-y_2^d);$

因性能指标u₁和u₂都为抽象参数，为使其涵义具体化，设u₁和u₂分别为两个自治域ISP₁和ISP₂中链路上的最大负载，这样，u₁和u₂分别为两个运营商ISP_i自治域中链路k_i上传输的目的端点为d的流量

和

的函数；此时的传输性能最优化是最大负载最小化，故传输性能优化目标是最大负载函数式

的数值最小化： $f_1(x_{1,k_1}^d,x_{2,k_2}^d,y_1^d,y_2^d)=\ln \left(u_1\right)+\ln \left(u_2\right)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T(y_1^d-y_2^d),$ 其中，u₁和u₂分别为

和

的函数；

此时，运营成本的优化目标为使运营成本函数式

的数值最小化： $f_2(x_{1,k_1}^d,x_{2,k_2}^d,y_1^d,y_2^d)=\underset{k_1\∈K_1}{\mathrm{\Σ}}(c_{1,k_1}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{1,k_1}^d)+\underset{k_2\∈K_2}{\mathrm{\Σ}}(c_{2,k_2}\×\underset{d\∈D}{\mathrm{\Σ}}{x}_{2,k_2}^d)+\underset{d\∈D}{\mathrm{\Σ}}{\left({\mathrm{\λ}}^d\right)}^T(y_1^d-y_2^d);$

再用公式表示上述两个角度的优化目标为：

该公式必须满足的约束条件为流量守恒和流量非负；对于目的端点序号集合D中每个端点序号d均需满足的约束公式为： $A_1\left[\begin{array}{c}{x}_1^d\\ y_1^d\end{array}\right]=s_1^d,$ $A_2\left[\begin{array}{c}{x}_2^d\\ y_2^d\end{array}\right]=s_2^d$ 和 $x_1^d\≥0,$ $y_1^d\≥0,$ $x_2^d\≥0,$ $y_2^d\≥0,$

其中， $x_i^d=\left(\begin{array}{c}{x}_{i,1}^d\\ x_{i,2}^d\\ ...\\ x_{i,k_i}^d\\ ...\\ x_{i,l_i}^d\end{array}\right);$ 故优化目标函数值是否最优的决定因素为的数值，最终优化目的就是计算得出能使优化目标最小化的

的数值，且d∈D；

（D3）用拉格朗日分解算法结合次梯度算法将上述问题分解为每个运营商各自独立解决的子问题，并不断交换计算过程中的中间数据，获得最后结果。

9.根据权利要求1所述的方法，其特征在于：所述步骤（D3）包括下列操作内容：

（D31）根据优化目标的线性特征，将步骤（D2）中的最大负载最小化和总运营成本最小化的优化问题分为两个双目标优化的子问题g₁和g₂，其中：

运营商ISP₁独立解决的子问题g₁为

目的端点序号集合D中每个端点序号d应满足下述约束限制条件： $A_1\left[\begin{array}{c}{x}_1^d\\ y_1^d\end{array}\right]=s_1^d$ 和 $x_1^d\≥0,$ $y_1^d\≥0;$

运营商ISP₂独立解决的子问题g₂为

目的端点序号集合D中每个端点序号d应满足下述约束限制条件： $A_2\left[\begin{array}{c}{x}_2^d\\ y_2^d\end{array}\right]=s_2^d$ 和 $x_2^d\≥0,$ $y_2^d\≥0;$

（D32）每个运营商分别独立解决各自的子问题，即分别求解双目标优化问题g₁和g₂，并获得子问题的最优解，就得到满足双目标优化的和

其中，

和

分别为变量

和

在子问题求解过程中的中间数值；

（D33）综合两个子问题的解来更新原问题的次梯度g：

（D34）利用更新后的次梯度g决定可行域中下一操作步骤的搜索方向，并更新拉格朗日乘子的值λ^d:=λ^d+α_jg；其中，常数α_j为第j次迭代的步径长度；

（D35）判断是否满足次梯度法的终止条件，若已满足，则退出迭代，终止计算，结束步骤（D3）操作；否则，返回步骤（D32），继续执行循环迭代操作；

迭代结束后，得到的关于所有目的端点d的

的值，就是用于制定流量控制策略的最终依据或参数，根据这些数值为出域流量选择出口路由，对网络流量执行实时调控，以使网络资源得到有效利用。

Images