CN105007225A - 一种网络动态拓扑控制系统及方法 - Google Patents

Abstract

一种网络动态拓扑控制系统及方法，属于网络技术领域。本发明提出动态拓扑控制系统，包括链路信息收集模块、流量预测模块、智能决策模块和拓扑更新模块。该系统首先通过链路信息收集模块收集链路流量信息和拓扑改变信息，然后进行流量预测和时间预测，并将预测信息和拓扑改变信息发送至智能决策模块，结合路径反馈机制和混合蛙跳算法来进行休眠唤醒决策，选出最优休眠链路和路由器，并对拓扑改变做相应的处理。动态拓扑控制系统能够对网络拓扑的动态变化进行管理，网络正常运行，节能效果良好。

Description

一种网络动态拓扑控制系统及方法

技术领域

本发明属于网络技术领域，具体涉及一种网络动态拓扑控制系统及方法。

背景技术

当前的互联网的很多设备是为峰值运行设计的，平时的设备利用率很低，最大平均链路利用率不足30％，这使得网络出现高能耗，低效率，多浪费等问题，而休眠唤醒机制也成为了网络研究的热点。Nedeljko Vasic和Dejan Kostic在Energy-Aware Traffic Engineering中提出了一种基于分布式算法思想实现节能目的的算法，叫做EATe算法。EATe算法是基于边界路由器的分布式算法。边界路由器定期收集最可能进行休眠决策的链路信息，然后进行路径反馈操作，如果能够路径反馈成功则可以进行休眠决策。但是该算法存在一定的缺陷，首先该算法只考虑当前链路的流量情况，而没有考虑以后一段时间的流量情况。其次，算法只对最长休眠时间的链路进行休眠判断和决策，没有考虑对多条链路和路由器进行休眠。

发明内容

针对现有技术的不足，本发明提出一种网络动态拓扑控制系统及方法，以达到节能的目的。

一种网络动态拓扑控制系统，在边界路由器中实现，包括链路信息收集模块、流量预测模块、智能决策模块、拓扑更新模块。

链路信息收集模块：定期收集链路休眠信息、链路负载过重信息、路由器休眠信息和拓扑改变信息。链路休眠信息和链路负载过重信息发送至流量预测模块，路由器休眠信息和拓扑改变信息发送至智能决策模块；

流量预测模块：根据链路休眠信息和链路负载过重信息，使用三次动态指数预测算法进行链路流量预测，得到链路流量预测值，使用马尔科夫预测算法进行休眠时间预测或负载时间预测，得到休眠时间预测值或负载时间预测值、使用自回归预测算法再次进行休眠时间预测或负载时间预测，得到休眠时间预测值或负载时间预测值，同时记下休眠链路标记或负载链路标记，并将各预测值和各链路标记发送至智能决策模块；

智能决策模块：根据流量预测模块返回的休眠时间预测值、休眠链路标记、负载链路标记，链路信息收集模块收集的拓扑改变信息、路由器休眠信息，采用路径反馈机制和混合蛙跳算法进行决策，并将决策结果发送至拓扑更新模块。

拓扑更新模块：根据智能决策模块发送的决策结果，进行网络的拓扑更新。

一种利用上述网络动态拓扑控制系统进行网络动态拓扑控制的方法，包括以下步骤：

步骤1：定期收集链路休眠信息、链路负载过重信息、路由器休眠信息和拓扑改变信息，拓扑改变信息包括故障链路标记和新加入链路标记；

步骤1.1、收集链路流量信息，比较链路流量与休眠流量阈值，若链路流量低于休眠流量阈值，则该链路流量作为链路休眠信息，执行步骤2，否则执行步骤1.2，收集路由器流量信息，比较路由器流量与路由器流量阈值，若路由器流量低于路由器流量阈值，执行步骤3，否则返回步骤1.1，收集故障链路标记，执行步骤3，收集新加入链路标记，执行步骤4；

步骤1.2、比较链路流量与负载流量阈值，若链路流量高于负载流量阈值，则执行步骤1.3，否则返回步骤1.1；

步骤1.3、比较路径流量占链路流量的比重是否高于比重阈值，若路径流量占链路流量的比重高于比重阈值，则该链路流量作为链路负载过重信息，执行步骤2，否则返回步骤1.1；

步骤2：根据链路休眠信息、链路负载过重信息进行链路流量预测、休眠时间预测、负载时间预测，得到链路流量预测值、休眠时间预测值、负载时间预测值、休眠链路标记、负载链路标记；

步骤2.1、对链路休眠信息，采用三次动态指数预测算法预测链路流量，并执行步骤2.2；对于链路负载过重信息，采用三次动态指数预测算法预测链路流量，并执行步骤2.3；

步骤2.2、若链路流量预测值低于休眠流量阈值，使用马尔科夫预测算法预测链路休眠时间，并执行步骤2.4，否则返回步骤1；

步骤2.3、若链路流量预测值高于负载流量阈值，则使用马尔科夫预测算法对链路进行负载时间预测，并执行步骤2.5，否则返回步骤1；

步骤2.4、使用自回归预测算法对链路进行休眠时间预测，比较马尔科夫预测算法预测得到的链路休眠时间预测值和自回归预测算法预测的休眠时间预测值，较小的值作为休眠时间预测值，并执行步骤2.6；

步骤2.5、使用自回归预测算法对链路进行负载时间预测，比较马尔科夫预测算法预测得到的链路负载时间预测值和自回归预测算法预测的负载时间预测值，较小的值作为负载时间预测值，并执行步骤2.7；

步骤2.6、判断休眠时间预测值是否满足约束条件，是则执行步骤3，否则返回步骤1；约束条件(T₁-T₂)×P₁+T₂×P₂＜β×T₁×P₃，其中T₁表示链路的休眠时间，T₂表示每条链路苏醒所需要的状态转换时间，P₁表示链路休眠时的待机功耗，P₂表示链路苏醒过程的苏醒功耗，β表示链路休眠时的节能效果，取值范围为[0，1]，P₃表示链路正常工作时的链路功耗；

步骤2.7、若负载时间预测值大于链路负载时间阈值，则执行步骤3，否则返回步骤1。

步骤3：根据休眠时间预测值、休眠链路标记、负载链路标记、拓扑改变信息、路由器休眠信息采用路径反馈机制和混合蛙跳算法进行决策，确定休眠链路、休眠路由器、负载过重链路的流量转移、故障链路的流量转移；

步骤3.1、判断是否存在链路故障链路标记，若存在故障链路标记，采用路径反馈机制确定流量迁移的路径，如果选择路径成功，则进行流量迁移，并执行步骤4，否则需要进行链路唤醒操作，然后执行步骤3.2；

步骤3.2、判断是否存在休眠链路标记，若存在休眠链路标记，采用路径反馈机制和混合蛙跳算法对链路和路由器进行优化，确定休眠路径，开始休眠，并执行步骤4，否则执行步骤3.3，链路休眠时间为休眠时间预测值，路由器休眠时间为该路由器的所有成功进行休眠时间预测链路中最短的链路休眠时间预测值，休眠时间过后进行唤醒操作；

步骤3.2.1、判断是否存在路由器休眠信息，若存在路由器休眠信息，采用混合蛙跳算法对链路和路由器进行优化，确定休眠路径，否则执行步骤3.2.2；

步骤3.2.2、若不存在路由器休眠信息，采用路径反馈机制确定休眠路径。

步骤3.3、判断是否存在负载链路标记，采用路径反馈机制在候选路径中选择路径进行流量迁移，如果选择路径成功，则进行流量迁移，并执行步骤4，否则需要对链路或者路由器进行唤醒操作。

步骤4：根据决策结果进行网络的拓扑更新；

步骤4.1、根据休眠链路和路由器信息，查找候选路径集合，把包含休眠链路的候选路径从候选路径集合中删除，添加到休眠候选路径集合中，同时需要对候选路径集合中包括休眠链路的路径进行标记；

步骤4.2、根据负载链路信息，在候选路径集合中把包含负载过重的链路的路径删除；

步骤4.3、根据故障链路和路由器信息，查找候选路径集合，对包含故障链路的候选路径进行删除；

步骤4.4、根据新加入链路信息，将新加入链路添加到候选路径集合中；

步骤4.5、根据唤醒链路信息，将唤醒链路从休眠候选路径中删除，将其增加到候选路径集合中，并进行标记。

步骤5：返回执行步骤1，对网络进行实时控制。

本发明的优点：

本发明采用动态拓扑控制系统能够对网络拓扑的动态变化进行管理，采用的休眠唤醒算法能取得良好的节能效果。动态拓扑控制系统首先通过链路信息收集模块收集链路流量信息和拓扑改变信息，然后进行流量预测和时间预测，并将预测信息和拓扑改变信息发送至智能决策模块，结合路径反馈机制和混合蛙跳算法来进行休眠唤醒决策，选出最优休眠链路和路由器，并对拓扑改变做相应的处理，在整个过程中网路正常运行。

附图说明

图1为本发明一种实施例的简化网络拓扑结构图；

图2为本发明一种实施例的网络动态拓扑控制系统结构框图；

图3为本发明一种实施例的网络动态拓扑控制方法流程图；

图4为本发明一种实施例的流量预测模块流程图；

图5为本发明一种实施例的智能决策模块流程图。

具体实施方式

下面结合附图对本发明一种实施例做进一步说明。

本发明实施例基于简化网络拓扑结构，拓扑结构图如图1所示，其中1-5为边界路由器，6-14为中间路由器，路由器之间的连接线为链路；

本发明实施例中，一种网络动态拓扑控制系统，系统结构框图如图2所示，包括链路信息收集模块、流量预测模块、智能决策模块和拓扑更新模块。链路信息收集模块、流量预测模块、智能决策模块和拓扑更新模块的功能均由边界路由器实现。

一种网络动态拓扑控制方法流程图如图3所示。

链路信息收集模块：定期收集链路休眠信息、链路负载过重信息、路由器休眠信息和拓扑改变信息。链路休眠信息和链路负载过重信息发送至流量预测模块，路由器休眠信息和拓扑改变信息发送至智能决策模块。

流量预测模块：根据链路休眠信息和链路负载过重信息，使用三次动态指数预测算法进行链路流量预测，得到链路流量预测值，使用马尔科夫预测算法进行休眠时间预测或负载时间预测，得到休眠时间预测值或负载时间预测值，使用自回归预测算法再次进行休眠时间预测或负载时间预测，得到休眠时间预测值或负载时间预测值，同时记下休眠链路标记或负载链路标记，并将各预测值和各链路标记发送至智能决策模块。通过上述预测判断链路流量低于休眠流量阈值或链路流量高于负载流量阈值是否是一时的状态，若是一时的状态，则系统拓扑结构不必改变，若不是一时的状态，为了节能，则需要改变链路拓扑结构，流程图如图4所示。

智能决策模块：根据流量预测模块发送的休眠时间预测值、休眠链路标记、负载链路标记、链路信息收集模块收集的拓扑改变信息、路由器休眠信息，采用路径反馈机制和混合蛙跳算法进行决策，并将决策结果发送至拓扑更新模块，流程图如图5所示。

拓扑更新模块：根据智能决策模块发送的决策结果，进行网络的拓扑更新。

步骤1、每隔30分钟链路信息收集模块收集链路信息、路由器休眠信息、拓扑改变信息。

链路信息：链路存在2个流量阈值，一个是休眠流量阈值，一个是负载流量阈值。收集信息时，首先判断链路处于何种流量区间，如果当前链路流量低于休眠流量阈值，则该链路流量信息作为链路休眠信息发送至流量预测模块。如果当前链路流量高于负载流量阈值，同时比较路径的流量占链路的流量的比重是否高于比重阈值，两者都满足的话，则将该链路流量信息作为链路负载过重信息发送至流量预测模块。否则不返回链路流量信息。

路由器休眠信息：判断路由器的总流量是否低于阈值，如果低于阈值，则将路由器休眠信息发送至智能决策模块，否则不返回信息。

拓扑改变信息：包括故障链路标记和新加入链路标记。如果收集信息时遇到链路故障信息，立即将故障链路的标记发送至链路信息收集模块，并将其发送至智能决策模块。每个新加入的链路都会通知其邻居路由器，故此，链路收集模块能够在某路由器中得到链路和路由器的加入信息。

步骤2、根据链路休眠信息、链路负载过重信息进行链路流量预测、休眠时间预测、负载时间预测，得到链路流量预测值、休眠时间预测值、负载时间预测值、休眠链路标记、负载链路标记。

步骤2.1、对链路休眠信息，采用三次动态指数预测算法预测链路流量，并执行步骤2.2；对于链路负载过重信息，采用三次动态指数预测算法预测链路流量，并执行步骤2.3。三次动态指数预测算法具体算法如下：

预测值F_t+m＝a_t+b_t*m+c_t*m²/2，t表示第t周期，m表示预测周期

其中平滑系数a_t＝3S_t ⁽¹⁾-3S_t ⁽²⁾+S_t ⁽³⁾

平滑系数 $b_t\frac{\mathrm{\α}}{2{(1-\mathrm{\α})}^2}\[(6-5\mathrm{\α}){S_t}^{\left(1\right)}-(10-8\mathrm{\α}){S_t}^{\left(2\right)}+(4-3\mathrm{\α}){S_t}^{\left(3\right)}\]$

平滑系数 $c_t=\frac{\mathrm{\α}}{{(1-\mathrm{\α})}^2}({S_t}^{\left(1\right)}-2{S_t}^{\left(2\right)}+{S_t}^{\left(3\right)})$

一次指数平滑值 $S_t^{\left(1\right)}={\mathrm{\αx}}_t+(1-\mathrm{\α})S_{t-1}^{\left(1\right)}$

二次指数平滑值 $S_t^{\left(2\right)}={\mathrm{\αS}}_t^{\left(1\right)}+(1-\mathrm{\α})S_{t-1}^{\left(2\right)}$

三次指数平滑值 $S_t^{\left(3\right)}={\mathrm{\αS}}_t^{\left(2\right)}+(1-\mathrm{\α})S_{t-1}^{\left(3\right)}$

平滑系数α，取值范围[0，1]；

步骤2.2、若链路流量预测值低于休眠流量阈值，使用马尔科夫预测算法预测链路休眠时间，并执行步骤2.4，否则返回步骤1。马尔科夫预测算法具体步骤如下：

步骤2.2.1、确定每条链路流量的状态空间，采用以下公式：

$trfstate=\left\{\begin{array}{c}1(0<trfct<sleep\_thred)\\ 2(sleep\_thred<trfct<load\_thred)\\ 3(load\_thred<trfct<\max \_thred)\end{array}\right.$

其中trfstate表示链路流量对应的状态量，trfct表示链路实际流量，sleep_thred表示休眠流量阈值，load_thred表示负载流量阈值，max_thred表示链路流量的最大值

步骤2.2.2、计算初始概率；

步骤2.2.3、计算概率转移矩阵p；

$p=\left(\begin{array}{cccc}{p}_{11}& p_{12}& \mathrm{...}& p_{1r}\\ p_{21}& p_{22}& \mathrm{...}& p_{2r}\\ p_{r1}& p_{r2}& \mathrm{...}& p_{rr}\end{array}\right)$

步骤2.2.4、利用概率转移矩阵p来进行预测，a(t+1)＝a(t)p，其中a(t+1)表示状态向量中最大分量在t+1时刻要处于的状态，a(t)表示状态向量在t时刻处于的状态，a(t)＝[a₁(t),a₂(t)…,a_r(t)]，a_r(t)表示第r个链路的状态值。

步骤2.3、若链路流量预测值高于负载流量阈值，则使用马尔科夫预测算法对链路进行负载时间预测，并执行步骤2.5，否则返回步骤1。

步骤2.4、使用自回归预测算法对链路进行休眠时间预测，比较马尔科夫预测算法预测得到的休眠时间预测值和自回归预测算法预测得到的休眠时间预测值，将较小的值作为休眠时间预测值，并执行步骤2.6。自回归预测算法具体算法如下：

预测值x_t＝φ₀+φ₁x₁+φ₂x₂+…+φ_px_p+ε_t其中p为自回归预测算法的阶数，φ₀、φ₁、…φ_p为权值，ε_t为随机扰动项，权值φ采用矩估计算法

$\left[\begin{array}{c}{\mathrm{\&phi;}}_1\\ {\mathrm{\&phi;}}_2\\ .\\ .\\ .\\ {\mathrm{\&phi;}}_{\mathrm{\&rho;}}\end{array}\right]={\left[\begin{array}{cccc}0& 1& \mathrm{...}& \mathrm{\&rho;}-1\\ 1& 0& \mathrm{...}& \mathrm{\&rho;}-2\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ \mathrm{\&rho;}-1& \mathrm{...}& \mathrm{...}& 0\end{array}\right]}^{-1}\left[\begin{array}{c}1\\ 2\\ .\\ .\\ .\\ \mathrm{\&rho;}\end{array}\right]$

其中ρ称为样本的自相关函数，

步骤2.5、使用自回归预测算法对链路进行负载时间预测，比较马尔科夫预测算法预测得到的负载时间预测值和自回归预测算法预测得到的负载时间预测值，将较小的值作为负载时间预测值，并执行步骤2.7。

步骤2.6、，判断休眠时间预测值是否满足约束条件，是则执行步骤3，否则返回步骤1。

约束条件(T₁-T₂)×P₁+T₂×P₂＜β×T₁×P₃，其中T₁表示链路的休眠时间，T₂表示每条链路苏醒所需要的状态转换时间，P₁表示链路休眠时的待机功耗，P₂表示链路苏醒过程的苏醒功耗，β表示链路休眠时的节能效果，取值范围为[0，1]，P₃表示链路正常工作时的链路功耗。

步骤2.7、若负载时间预测值大于链路负载时间阈值，则执行步骤3，否则返回步骤1。

步骤3：根据休眠时间预测值、休眠链路标记、负载链路标记、拓扑改变信息、路由器休眠信息采用路径反馈机制和混合蛙跳算法进行决策，确定休眠链路、休眠路由器、负载过重链路的流量转移、故障链路的流量转移；

步骤3.1、判断是否存在链路故障链路标记，若存在故障链路标记，采用路径反馈机制确定流量迁移的路径，如果选择路径成功，则进行流量迁移，并执行步骤4，否则需要进行链路唤醒操作，然后执行步骤3.2。路径反馈机制具体方法如下：

步骤3.1.1、候选路径按照路径的长度降序排列；

步骤3.1.2、判断路径上的链路是否能够迁移流量；

步骤3.1.3、如果路径上的链路都可以进行流量迁移，则路径反馈成功，执行步骤4；如果该路径反馈失败，路径反馈机制则需要对下一条路径进行路径反馈操作，返回步骤3.1.2。

步骤3.2、判断是否存在休眠链路标记，若存在休眠链路标记，采用路径反馈机制和混合蛙跳算法对链路和路由器进行优化，确定休眠路径，开始休眠，并执行步骤4，否则执行步骤3.3，链路休眠时间为休眠时间预测值，路由器休眠时间为该路由器的所有成功进行休眠时间预测链路中最短的链路休眠时间预测值，休眠时间过后进行唤醒操作；

步骤3.2.1、判断是否存在路由器休眠信息，若存在路由器休眠信息，采用混合蛙跳算法对链路和路由器进行优化，确定休眠路径，否则执行步骤3.2.2，混合蛙跳算法具体步骤如下：

步骤3.2.1.1、设置参数，在定义域范围内随机产生P只青蛙，子群数为M，每个子群青蛙个数为N，全局信息交换迭代次数为T1，局部搜索迭代次数为T2；

步骤3.2.1.2、计算每只青蛙的适应值，将所有青蛙按照目标函数值降序排序，分组；

步骤3.2.1.3、执行子种群更新公式，对每个子群重新排序，更新每个子群的适应值最好的解Pb和适应值最差的解Pw及整个种群的适应值最好的解Pg；

步骤3.2.1.4、判断局部搜索迭代次数是否达到T2，若未达到，返回步骤3.2.1.3继续执行，否则执行步骤3.2.1.5；

步骤3.2.1.5、判断全局信息交换迭代次数是否达到T1或者Pg是否达到要求的收敛精度，如果不满足，返回至步骤3.2.1.2继续执行，如果满足，输出Pg，执行步骤4；

步骤3.2.2、若不存在路由器休眠信息，则采用路径反馈机制确定休眠路径。

步骤3.3、判断是否存在负载链路标记，采用路径反馈机制在候选路径中选择路径进行流量迁移，如果选择路径成功，则进行流量迁移，并执行步骤4，否则需要对链路或者路由器进行唤醒操作。

步骤4：根据决策结果进行网络的拓扑更新；

步骤4.1、根据休眠链路和休眠路由器信息，查找候选路径集合，把包含休眠链路的候选路径从候选路径集合中删除，添加到休眠候选路径集合中，同时需要对候选路径集合中包括休眠链路的路径进行标记；

步骤4.2、根据负载过重链路信息，在候选路径集合中把包含负载过重的链路的路径删除；

步骤4.3、根据故障链路和故障路由器信息，查找候选路径集合，对包含故障链路的候选路径进行删除；

步骤4.4、根据新加入链路信息，将新加入链路添加到候选路径集合中；

步骤4.5、根据唤醒链路信息，将唤醒链路从休眠候选路径中删除，将其增加到候选路径集合中，并进行标记。

步骤5：返回执行步骤1，对网络进行实时控制。

Claims (7)

1.一种网络动态拓扑控制系统，其特征在于：在边界路由器中实现，包括链路信息收集模块、

流量预测模块、智能决策模块、拓扑更新模块，

链路信息收集模块：定期收集链路休眠信息、链路负载过重信息、路由器休眠信息和拓扑改变信息,，链路休眠信息和链路负载过重信息发送至流量预测模块，路由器休眠信息和拓扑改变信息发送至智能决策模块；

流量预测模块：根据链路休眠信息和链路负载过重信息，使用三次动态指数预测算法进行链路流量预测，得到链路流量预测值，使用马尔科夫预测算法进行休眠时间预测或负载时间预测，得到休眠时间预测值或负载时间预测值，使用自回归预测算法再次进行休眠时间预测或负载时间预测，得到休眠时间预测值或负载时间预测值，同时记下休眠链路标记或负载链路标记，并将各预测值和各链路标记发送至智能决策模块；

智能决策模块：根据流量预测模块发送的休眠时间预测值、休眠链路标记、负载链路标记，链路信息收集模块收集的拓扑改变信息、路由器休眠信息，采用路径反馈机制和混合蛙跳算法进行决策，确定休眠链路、休眠路由器、负载过重链路流量转移、故障链路流量转移，作为决策结果发送至拓扑更新模块；

拓扑更新模块：根据智能决策模块发送的决策结果，进行网络的拓扑更新。

2.一种利用权利要求1所述的网络动态拓扑控制系统进行网络动态拓扑控制的方法，其特征在于：包括以下步骤：

步骤1：定期收集网络状态信息，包括链路休眠信息、链路负载过重信息、路由器休眠信息和拓扑改变信息，拓扑改变信息包括故障链路标记和新加入链路标记；

步骤2：根据链路休眠信息、链路负载过重信息进行链路流量预测、休眠时间预测、负载时间预测，得到链路流量预测值、休眠时间预测值、负载时间预测值、休眠链路标记、负载链路标记；

步骤3：根据休眠时间预测值、休眠链路标记、负载链路标记、拓扑改变信息、路由器休眠信息采用路径反馈机制和混合蛙跳算法进行决策，确定休眠链路、休眠路由器、负载过重链路的流量转移、故障链路的流量转移；

步骤4：根据决策结果进行网络的拓扑更新；

步骤5：返回执行步骤1，对网络进行实时控制。

3.根据权利要求2所述的一种网络动态拓扑控制方法，其特征在于：所述步骤1定期收集网络状态信息，具体步骤如下：

步骤1.1、收集链路流量信息，比较链路流量与休眠流量阈值，若链路流量低于休眠流量阈值，则该链路流量作为链路休眠信息，执行步骤2，否则执行步骤1.2，收集路由器流量信息，比较路由器流量与路由器流量阈值，若路由器流量低于路由器流量阈值，执行步骤3，否则返回步骤1.1，收集故障链路标记，执行步骤3，收集新加入链路标记，执行步骤4；

步骤1.2、比较链路流量与负载流量阈值，若链路流量高于负载流量阈值，则执行步骤1.3，否则返回步骤1.1；

步骤1.3、比较路径流量占链路流量的比重是否高于比重阈值，若路径流量占链路流量的比重高于比重阈值，则该链路流量作为链路负载过重信息，执行步骤2，否则返回步骤1.1。

4.根据权利要求2所述的一种网络动态拓扑控制方法，其特征在于：所述步骤2根据链路休眠信息、链路负载过重信息进行链路流量预测、休眠时间预测、负载时间预测，具体步骤如下：

步骤2.1、对链路休眠信息，采用三次动态指数预测算法预测链路流量，并执行步骤2.2；对于链路负载过重信息，采用三次动态指数预测算法预测链路流量，并执行步骤2.3；

步骤2.2、若链路流量预测值低于休眠流量阈值，使用马尔科夫预测算法预测链路休眠时间，并执行步骤2.4，否则返回步骤1；

步骤2.3、若流量预测值高于负载流量阈值，则使用马尔科夫预测算法对链路进行负载时间预测，并执行步骤2.5，否则返回步骤1；

步骤2.4、使用自回归预测算法对链路进行休眠时间预测，比较马尔科夫预测算法预测得到的链路休眠时间预测值和自回归预测算法预测的休眠时间预测值，较小的值作为休眠时间预测值，并执行步骤2.6；

步骤2.5、使用自回归预测算法对链路进行负载时间预测，比较马尔科夫预测算法预测得到的链路负载时间预测值和自回归预测算法预测的负载时间预测值，较小的值作为负载时间预测值，并执行步骤2.7；

步骤2.6、判断休眠时间预测值是否满足约束条件，是则执行步骤3，否则返回步骤1；

约束条件如下：(T₁-T₂)×P₁+T₂×P₂＜β×T₁×P₃，其中T₁表示链路的休眠时间，T₂表示每条链路苏醒所需要的状态转换时间，P₁表示链路休眠时的待机功耗，P₂表示链路苏醒过程的苏醒功耗，β表示链路休眠时的节能效果，取值范围为[0，1]，P₃表示链路正常工作时的链路功耗；

步骤2.7、若负载时间预测值大于链路负载时间阈值，则执行步骤3，否则返回步骤1。

5.根据权利要求2所述的一种网络动态拓扑控制方法，其特征在于：所述步骤3休眠时间预测值、休眠链路标记、负载链路标记、拓扑改变信息、路由器休眠信息采用路径反馈机制和混合蛙跳算法进行决策，确定休眠链路、休眠路由器、负载过重链路的流量转移、故障链路的流量转移，具体步骤如下：

步骤3.1、判断是否存在链路故障链路标记，若存在故障链路标记，采用路径反馈机制确定流量迁移的路径，如果选择路径成功，则进行流量迁移，并执行步骤4，否则需要进行链路唤醒操作，然后执行步骤3.2；

步骤3.2、判断是否存在休眠链路标记，若存在休眠链路标记，采用路径反馈机制和混合蛙跳算法对链路和路由器进行优化，确定休眠路径，开始休眠，并执行步骤4，否则执行步骤3.3，链路休眠时间为休眠时间预测值，路由器休眠时间为该路由器的所有成功进行休眠时间预测链路中最短的链路休眠时间预测值，休眠时间过后进行唤醒操作；

步骤3.3、判断是否存在负载链路标记，采用路径反馈机制在候选路径中选择路径进行流量迁移，若选择路径成功，则进行流量迁移，并执行步骤4，否则需要对链路或者路由器进行唤醒操作。

6.根据权利要求2所述的一种网络动态拓扑控制方法，其特征在于：所述步骤4根据决策结果进行网络的拓扑更新，具体步骤如下：

步骤4.1、根据休眠链路和路由器信息，查找候选路径集合，把包含休眠链路的候选路径从候选路径集合中删除，添加到休眠候选路径集合中，同时需要对候选路径集合中包括休眠链路的路径进行标记；

步骤4.2、根据负载链路信息，在候选路径集合中把包含负载过重的链路的路径删除；

步骤4.3、根据故障链路和路由器信息，查找候选路径集合，对包含故障链路的候选路径进行删除；

步骤4.4、根据新加入链路信息，将新加入链路添加到候选路径集合中；

步骤4.5、根据唤醒链路信息，将唤醒链路从休眠候选路径中删除，将其增加到候选路径集合中，并进行标记。

7.根据权利要求5所述的一种网络动态拓扑控制方法，其特征在于：所述步骤3.2，具体步骤如下：

步骤3.2.1、判断是否存在路由器休眠信息，若存在路由器休眠信息，采用混合蛙跳算法对链路和路由器进行优化，确定休眠路径，否则执行步骤3.2.2；

步骤3.2.2、若不存在路由器休眠信息，采用路径反馈机制确定休眠路径。