CN105337861A - 一种基于能效优先和认知理论的路由方法 - Google Patents
一种基于能效优先和认知理论的路由方法 Download PDFInfo
- Publication number
- CN105337861A CN105337861A CN201510801463.2A CN201510801463A CN105337861A CN 105337861 A CN105337861 A CN 105337861A CN 201510801463 A CN201510801463 A CN 201510801463A CN 105337861 A CN105337861 A CN 105337861A
- Authority
- CN
- China
- Prior art keywords
- link
- network
- energy consumption
- path
- minimum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/124—Shortest path evaluation using a combination of metrics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/125—Shortest path evaluation based on throughput or bandwidth
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明一种基于能效优先和认知理论的路由方法,属于路由算法技术领域,本发明以最小化网络能耗,同时满足路由的约束进行建模,在保证满足请求带宽和网络稳定性的同时,选择对网络能耗增加影响最小的路径,建立优化模型;根据链路带宽利用率和链路负载的能耗函数设置能效路由的权重,通过认知理论进行链路权重的自学习和自适应,使得网络选择能耗最小的链路进行路由,提高网络的能效;利用本发明可以有效地减少云计算的能耗,提高网络能效。
Description
技术领域
本发明是属于路由算法技术领域,具体涉及一种基于能效优先和认知理论的路由方法。
背景技术
云计算是一种按需即用、随需应变、快速部署、瞬时释放、价廉物美的服务模式,通过网络可以实现对共享计算资源池的可访问性、可定制性、可更改性、可付费性和可释放性,同时,在仅需最少的付费、管理和沟通的情况下,可实现对服务的快速获取、资源的瞬时释放和信息的触手可及;实现云计算的能耗管理,可以降低数据中心的开销,同时提高系统的稳定性和可靠性,减少碳排放量,对社会和网络的可持续发展具有一定的理论价值和实践意义;调查研究表明,全世界ICT部门二氧化碳的排放量占全球总排放量的2%,而ICT设备所消耗的电能占全球能源消耗8%左右,并且该趋势还在不断增长;随着云网络中IT(InformationTechnology,IT)设备的增加,数据中心规模也越来越大,云计算中的能耗问题已成为限制其规模和服务能力的瓶颈,限制着网络性能的进一步提高,是最具挑战性的研究课题之一。
网络的整体能耗主要是由网络的冗余部署决定的,而与网络中流量负载的大小无关;目前,对网络链路休眠的策略已展开了广泛研究,AntonioCianfrani等人提出了绿色OSPF算法,该算法主要通过源-目的节点的最小生成树来计算冗余的链路,并将该链路休眠,实验结果表明,60%以上的链路可以被关闭;Irani等人提出了休眠的工作机制,并提出了一种基于概率的能耗最小算法,为了进一步降低网络能耗,Irani等人还将休眠机制与速度缩放机制相结合,提出的简单算法;L.Chiaraviglio等人提出通过关闭连通性和QoS约束条件下对网络性能有影响的设备,能够减少25%处于激活状态的链路和节点数目,从而达到节能的目的;L.Wang等人在节约数据中心能耗方面提出了弹性树的概念,其基本思想是利用openflow/SDN提供的整网视图和流量灵活操控的优势,通过链路状态自适应迁移聚集少数流量的流至较少的链路交换和服务器节点,最终关闭没有流量通过的链路和交换机,以达到节省能耗的目的;Y.Kim等人提出了基于蚁群算法的自适应节能路由算法,利用蚁群的优化求解算法和流量中心参数设计了最小化能耗的启发式路由算法;E.Gelenbe,等人提出了有能耗感知的路由协议算法,该算法中包括自适应的Qos约束限制;R.Garroppo等人提出了与负载相关的线性链路能耗函数,并且定义在负载为零时,网络能耗也为零;A.Wierman等人提出了网络设备的能耗与速率的非线性模型,其中α为空闲能耗或者静态能耗,β和s为常数,与具体的设备有关;以上方法虽然能够降低网络的整体能耗,但是其性能还不够理想。
发明内容
针对现有技术的不足,本发明提出一种基于能效优先和认知理论的路由方法,以达到最小化网络能耗的同时满足路由的约束进行建模,保证满足请求带宽和网络稳定性的同时,减小网络能耗的目的。
一种基于能效优先和认知理论的路由方法,包括以下步骤:
步骤1、初始化网络参数;输入网络拓扑信息,设置初始链路容量矩阵及初始链路权重矩阵;
步骤2、随机生成源-目的节点对和流量需求,并将业务流量需求从大到小进行排序,求带宽在[10∶15×请求次数]之间均匀分布;
步骤3、根据流量需求、链路容量矩阵及链路能耗,获得新的链路权重矩阵;
步骤4、采用Dijkstra算法获得网络拓扑中的能耗最小的路径;
步骤5、判断所获能耗最小的路径是否满足约束条件,若是,则执行步骤6;否则,故障次数加1,方法结束;
所述的约束条件包括:流约束条件、多商品流模型的约束条件、网络的链路负载约束条件和所选的路径必须为源目的节点之间的最短路径;
步骤6、判断所获的能耗最小的路径的剩余带宽是否满足请求的带宽的需求,若是,则执行步骤7,否则,执行步骤9;
步骤7、将能耗最小的路径的链路权重设置为无穷大进行重路由,获得新的路由路径;
步骤8、判断新的路由路径的剩余带宽是否满足请求的带宽的需求,若是,则重路由成功,转到步骤9,否则,进行下一次请求处理并返回执行步骤4;
步骤9、根据得到的路径路由,更新网络链路负载,获得网络能耗、休眠的链路数,并保存数据;
步骤10、判断请求是否结束,若是,则所有请求结束,否则,返回步骤3。
步骤1所述的输入网络拓扑信息,设置初始链路容量矩阵及初始链路权重矩阵,具体为:构建网络拓扑模型为G={V,E,W},其中,V表示拓扑中所有节点集合,节点个数为N,E表示拓扑中所有链路的集合;初始链路容量设为Cij;W表示链路权重集合,各个链路权重设为无穷大。
步骤4所述的采用Dijkstra算法获得网络拓扑中的能耗最小的路径,具体公式如下:
其中,Mininize表示“最小”;ηBE表示能耗,B表示比特;E表示拓扑中所有链路的集合,E(xij)表示链路能耗函数,xij表示从节点i到节点j的链路容量。
本发明优点:
本发明提出一种基于能效优先和认知理论的路由方法,以最小化网络能耗,同时满足路由的约束进行建模,在保证满足请求带宽和网络稳定性的同时,选择对网络能耗增加影响最小的路径,建立优化模型;根据链路带宽利用率和链路负载的能耗函数设置能效路由的权重,通过认知理论进行链路权重的自学习和自适应,使得网络选择能耗最小的链路进行路由,提高网络的能效;利用本发明可以有效地减少云计算的能耗,提高网络能效。
附图说明
图1为本发明一种基于能效优先和认知理论的路由算法流程图;
图2为本发明一种实施例的网络拓扑图;
图3为本发明一种实施例的不同alpha条件下网络休眠链路个数示意图;
图4为本发明一种实施例的不同alpha条件下网络总能耗示意图;
图5为不同路由算法的网络激活链路个数示意图;
图6为不同路由算法中链路状态分布示意图;
图7为不同路由算法的激活链路的平均利用率示意图;
图8为不同路由算法的网络总能耗示意图;
图9为不同路由算法的网络的比特能耗示意图;
图10为不同路由算法的网络的请求故障次数示意图。
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。
一种基于能效优先和认知理论的路由方法,方法流程图如图1所示,包括以下步骤:
步骤1、初始化网络参数;输入网络拓扑信息,设置初始链路容量矩阵及初始链路权重矩阵;
本发明实施例中,网络拓扑结构为COST266,如图2所示,网络拓扑模型为G={V,E,W},其中V={1,2,…,28}为拓扑中所有节点集合,节点个数N=28,E为拓扑中所有链路的集合,矩阵E是一个28行28列的矩阵,链路i→j用Ei,j=1表示,否则记为0,其中i,j∈V,共有82条单向链路,并将其赋值给L,表示可能建立的LSP请求的所有进出节点对;初始链路容量为Cij=800Gb/s;W为链路权重集合,各个链路权重ωi,j=∞;
步骤2、随机生成源-目的节点对和流量需求,并将业务流量需求从大到小进行排序,求带宽在[10∶15×请求次数]之间均匀分布;
本发明实施例中,随机生成源-目的节点对及流量需求,源-目的节点对用k=(s,d)表示,多个节点对形成集合K,则k∈K,s和d分别表示业务量的入口和出口节点,节点对的请求用集合r(k,b)表示,b表示(s,d)间业务量需求的带宽,流量需求为t,且为请求次数,且每次请求的流量需求逐渐增大,请求带宽b在[10∶15×请求次数]之间均匀分布。
步骤3、根据流量需求、链路容量矩阵及链路能耗,获得新的链路权重矩阵;
本发明实施例中,链路能耗函数E(xij)表示为:
其中,Cij为链路容量,通过以下方式计算得到:根据流量矩阵,采用最短路径方法路由流量矩阵,每条边的容量设为该边的最大链路负载值,则链路容量Cij取值为所有边的最大链路负载值,β为基本能耗比例系数;
链路带宽利用率Uij为:
Uij=[1-(Rij-b)/Cij]×100%(3)
其中,b表示(s,d)间业务量需求的带宽,Rij表示链路的剩余带宽,Rij是正实数集;
权重wl更新函数为:
其中,tk为节点对k上的流量需求,Ei,j(tk)为路径ij上源目的对k的流量需求tk的能耗值,ξ∈R+为链路权重调整因子,当能耗值Ei,j不为0时,链路权重更新函数与能耗值和链路容量有关,如果所选择的链路能耗值过大,则需要重新调整链路权重值,在下次选路时,选择能耗更低的路径进行路由,从而保证每次通过的路径能耗最小。
步骤4、采用Dijkstra算法获得网络拓扑中的能耗最小的路径;
本发明实施例中,式(1)是以最小化网络比特能耗为优化目标的优化模型:
其中,Mininize表示“最小”;ηBE表示能耗,B表示比特;E表示拓扑中所有链路的集合,E(xij)表示链路能耗函数,xij表示从节点i到节点j的链路容量;
步骤5、判断所获能耗最小的路径是否满足约束条件,若是,则执行步骤6;否则,故障次数Block加1,方法结束;
本发明实施例中,约束条件为:
其中,
式(5)为经典的流约束条件,保证路由中的流量守恒,表示源节点s到目的节点d的经过链路lij(i,j)对的流量,rsd表示源节点s到目的节点d的经过链路的请求宽带量,源节点通过一条链路发送流量,并且不接收任何流量,而目的节点只从其他节点接收流量,不能向邻近节点发送流量,中间节点进出流量守恒;
式(6)为多商品流模型的约束条件,其中:
如果某条路径通过链路lij,则δpl=1,否则,δpl为0,tk为k,k∈K上的流量需求,K为源-目的节点对集合;
式(7)网络的链路负载需要满足如下公式:
其中,xp为1表示所选的路径是最短路径,否则不是最短路径;为了保证网络的QoS,设置了链路最高利用率的门限值α,α∈(0,1),通过链路的总流量tk不应超过链路容量Cij,当α=0.8时,则链路lij的总流量必须小于链路容量的80%;yl=1表示链路处于激活状态,yl=0则表示链路被关闭,处于休眠状态;
约束条件(8)表示所选的路径必须为源目的节点之间的最短路径。
步骤6、判断所获的能耗最小的路径的剩余带宽是否满足请求的带宽的需求,若是,则执行步骤7,否则,执行步骤9;
步骤7、将能耗最小的路径的链路权重设置为无穷大进行重路由,获得新的路由路径;
步骤8、判断新的路由路径的剩余带宽是否满足请求的带宽的需求,若是,则重路由成功,转到步骤9,否则,进行下一次请求处理并返回执行步骤4;
本发明实施例中,利用修改后的链路权重进行重路由,获得新的路由路径,返回执行步骤4后重新判断新的路由路径的剩余带宽是否满足要求,满足则重路由成功,转到步骤7,不满足则路由失败,进行下一次请求r(k,b,t)处理,转到步骤4;
步骤9、根据得到的路径路由,更新网络链路负载,获得网络能耗、休眠的链路数,并保存数据;
步骤10、判断请求是否结束,若是,则所有请求结束,否则,返回步骤3。
图3为本发明的不同Alpha条件下的网络休眠链路个数,Alpha从60%到90%之间均匀变化,由图可见,在低业务请求时,休眠的链路数基本相同,随着流量平均需求的增加,网络中链路休眠的个数逐渐少;而网络休眠的链路数随着Alpha值的增大而增加,这是因为Alpha越大,允许链路通过的业务请求带宽就越大,从而产生流汇聚,导致某些链路利用率低的链路被关闭。
图4为本发明的不同alpha条件下的网络总能耗,Alpha从60%到90%之间均匀变化,由图可见,随着流量平均需求的增加,网络的总能耗也不断增加,并且Alpha=60%时的网络总能耗最大,而Alpha=90%时网络的总能耗最小,这是因为链路利用率的最高门限值越大,休眠的链路数越多,从而使得网络的能耗降低。
图5为本发明的不同路由算法下的网络激活链路个数,Alpha参数固定为90%,可以明显看出,ECRA路由算法中处于激活状态的链路条数最少,同时,随着流量平均需求的增加,ECRA路由算法开启的链路个数逐渐增多。其中,在负载较低时最高可以开启大约60%的链路,在负载较高时开启大约70%的链路。对比算法中MaxCompatibility算法的关闭链路个数效果最好,其次是GreenOSPF算法。
图6为本发明的不同路由算法下的链路状态分布情况,Alpha参数固定为90%,可以看出,ECRA算法关闭链路条数在30~38条左右,明显优于MaxCompatibility算法和GreenOSPF算法。其激活状态的链路条数小于对比算法,可以更好的实现节能。
图7为本发明的不同路由算法下的激活链路的平均利用率,Alpha参数固定为90%,可以看出,随着流量平均需求的增加,三种路由算法的平均链路利用率都是不断增加的。由于ECRA的关闭的链路较多,即开启的链路较少,因此该路由算法的平均链路利用率最高。
图8为本发明的不同路由算法下的网络总能耗情况,Alpha参数固定为90%,可以看出,随着流量平均需求的增加,网络的总能耗也不断增加,其中,GreenOSPF算法的网路能耗值最高,MaxCompatibility算法的网络能耗次之,而ECRA算法的网络能耗值明显低于对比算法,在低流量请求时尤为明显。
图9为本发明的不同路由算法下的网络比特能耗,Alpha参数固定为90%,可以看出,随着流量平均需求的增加,网络的比特能耗不断减少,其中,GreenOSPF算法和MaxCompatibility算法的能耗都明显高于ECRA算法,并且在流量负载较低时更为明显,而ECRA路由算法的网络的比特能耗值最低。因此,ECRA路由算法有更高的网络能效。
图10为本发明的不同路由算法下的网络的请求故障次数,可以明显地看出,尽管流量平均需求值在不断增加,ECRA算法的请求故障次数始终保持为零,而GreenOSPF算法在流量平均需求增加到100Gb/s时,请求故障次数逐渐增大,而MaxCompatibility算法请求故障次数在流量请求开始就出现,并且随着流量平均需求的增加而增大,最高可达13次,进一步说明了本发明ECRA算法的优越性。
Claims (3)
1.一种基于能效优先和认知理论的路由方法,其特征在于,包括以下步骤:
步骤1、初始化网络参数;输入网络拓扑信息,设置初始链路容量矩阵及初始链路权重矩阵;
步骤2、随机生成源-目的节点对和流量需求,并将业务流量需求从大到小进行排序,求带宽在[10:15×请求次数]之间均匀分布;
步骤3、根据流量需求、链路容量矩阵及链路能耗,获得新的链路权重矩阵;
步骤4、采用Dijkstra算法获得网络拓扑中的能耗最小的路径;
步骤5、判断所获能耗最小的路径是否满足约束条件,若是,则执行步骤6;否则,故障次数加1,方法结束;
所述的约束条件包括:流约束条件、多商品流模型的约束条件、网络的链路负载约束条件和所选的路径必须为源目的节点之间的最短路径;
步骤6、判断所获的能耗最小的路径的剩余带宽是否满足请求的带宽的需求,若是,则执行步骤7,否则,执行步骤9;
步骤7、将能耗最小的路径的链路权重设置为无穷大进行重路由,获得新的路由路径;
步骤8、判断新的路由路径的剩余带宽是否满足请求的带宽的需求,若是,则重路由成功,转到步骤9,否则,进行下一次请求处理并返回执行步骤4;
步骤9、根据得到的路径路由,更新网络链路负载,获得网络能耗、休眠的链路数,并保存数据;
步骤10、判断请求是否结束,若是,则所有请求结束,否则,返回步骤3。
2.根据权利要求1所述的基于能效优先和认知理论的路由方法,其特征在于,步骤1所述的输入网络拓扑信息,设置初始链路容量矩阵及初始链路权重矩阵,具体为:构建网络拓扑模型为G={V,E,W},其中,V表示拓扑中所有节点集合,节点个数为N,E表示拓扑中所有链路的集合;初始链路容量设为Cij;W表示链路权重集合,各个链路权重设为无穷大。
3.根据权利要求1所述的基于能效优先和认知理论的路由方法,其特征在于,步骤4所述的采用Dijkstra算法获得网络拓扑中的能耗最小的路径,具体公式如下:
其中,Mininize表示“最小”;ηBE表示能耗,B表示比特;E表示拓扑中所有链路的集合,E(xij)表示链路能耗函数,xij表示从节点i到节点j的链路容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510801463.2A CN105337861B (zh) | 2015-11-18 | 2015-11-18 | 一种基于能效优先和认知理论的路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510801463.2A CN105337861B (zh) | 2015-11-18 | 2015-11-18 | 一种基于能效优先和认知理论的路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105337861A true CN105337861A (zh) | 2016-02-17 |
CN105337861B CN105337861B (zh) | 2018-05-04 |
Family
ID=55288167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510801463.2A Active CN105337861B (zh) | 2015-11-18 | 2015-11-18 | 一种基于能效优先和认知理论的路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105337861B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106100992A (zh) * | 2016-06-14 | 2016-11-09 | 北京信息科技大学 | 数据发送设备及其方法 |
CN106209618A (zh) * | 2016-07-27 | 2016-12-07 | 国网辽宁省电力有限公司 | 一种提高智能配用电能效的通信混合组网方法及系统 |
CN106230737A (zh) * | 2016-07-19 | 2016-12-14 | 国网辽宁省电力有限公司鞍山供电公司 | 一种状态感知的软件定义组网方法 |
CN106411770A (zh) * | 2016-09-08 | 2017-02-15 | 重庆邮电大学 | 一种基于sdn架构的数据中心网络节能路由算法 |
CN106533743A (zh) * | 2016-10-24 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种基于sdn的全网络低能耗选路方法、装置和系统 |
CN109474490A (zh) * | 2018-11-05 | 2019-03-15 | 电子科技大学 | 一种基于自适应抽样的控制器性能分析方法 |
CN109768924A (zh) * | 2019-02-14 | 2019-05-17 | 山东省计算中心(国家超级计算济南中心) | 一种面向多流共存的sdn网络多链路故障恢复方法及系统 |
CN110365507A (zh) * | 2018-04-10 | 2019-10-22 | 中国电信股份有限公司 | 用于实现链路权重自动赋值的方法和装置 |
CN110765595A (zh) * | 2019-10-10 | 2020-02-07 | 内蒙古农业大学 | 基于多层虚拟拓扑节能的sdn数据中心网络流量调度算法 |
CN110784405A (zh) * | 2019-10-16 | 2020-02-11 | 电子科技大学 | 一种面向教学云计算网络的鲁棒能效路由方法 |
CN111600644A (zh) * | 2020-04-09 | 2020-08-28 | 西安理工大学 | 一种紫外光协助无人机编队最优刚性拓扑生成方法 |
CN112104558A (zh) * | 2020-10-30 | 2020-12-18 | 上海交通大学 | 区块链分发网络的实现方法、系统、终端及介质 |
CN114124942A (zh) * | 2020-08-10 | 2022-03-01 | 中国移动通信集团湖南有限公司 | 核心网资源调度方法、装置及电子设备 |
WO2022252496A1 (zh) * | 2021-06-01 | 2022-12-08 | 苏州路之遥科技股份有限公司 | 软件定义云边协同网络能耗优化方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583057A (zh) * | 2009-06-11 | 2009-11-18 | 中兴通讯股份有限公司 | 网络选路方法及装置 |
CN102244914A (zh) * | 2011-07-21 | 2011-11-16 | 东北大学 | 一种适用于多跳无线网络的认知路由方法 |
CN102970225A (zh) * | 2012-11-13 | 2013-03-13 | 同济大学 | 基于多优先级业务的IP over WDM网络能量感知路由方法 |
CN103179632A (zh) * | 2013-01-23 | 2013-06-26 | 中国人民解放军理工大学通信工程学院 | 认知无线电蜂窝网络中基于能量优化及网络寿命的跨层路由方法 |
CN103888352A (zh) * | 2014-02-25 | 2014-06-25 | 电子科技大学 | 一种ip网络中的节能权重设计方法 |
CN104581817A (zh) * | 2014-12-19 | 2015-04-29 | 中国科学院上海微系统与信息技术研究所 | 一种移动自组织网络中动态最短路径加权路由方法 |
-
2015
- 2015-11-18 CN CN201510801463.2A patent/CN105337861B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583057A (zh) * | 2009-06-11 | 2009-11-18 | 中兴通讯股份有限公司 | 网络选路方法及装置 |
CN102244914A (zh) * | 2011-07-21 | 2011-11-16 | 东北大学 | 一种适用于多跳无线网络的认知路由方法 |
CN102970225A (zh) * | 2012-11-13 | 2013-03-13 | 同济大学 | 基于多优先级业务的IP over WDM网络能量感知路由方法 |
CN103179632A (zh) * | 2013-01-23 | 2013-06-26 | 中国人民解放军理工大学通信工程学院 | 认知无线电蜂窝网络中基于能量优化及网络寿命的跨层路由方法 |
CN103888352A (zh) * | 2014-02-25 | 2014-06-25 | 电子科技大学 | 一种ip网络中的节能权重设计方法 |
CN104581817A (zh) * | 2014-12-19 | 2015-04-29 | 中国科学院上海微系统与信息技术研究所 | 一种移动自组织网络中动态最短路径加权路由方法 |
Non-Patent Citations (2)
Title |
---|
DINGDE JIANG ETAL: "Qos Constraints-Based Energy-Efficient Model for IP Networks", 《ADVANCED MATERIALS RESEARCH》 * |
张法 ETAL: "网络能耗系统模型及能效算法", 《计算机学报》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106100992A (zh) * | 2016-06-14 | 2016-11-09 | 北京信息科技大学 | 数据发送设备及其方法 |
CN106230737B (zh) * | 2016-07-19 | 2019-03-15 | 国网辽宁省电力有限公司鞍山供电公司 | 一种状态感知的软件定义组网方法 |
CN106230737A (zh) * | 2016-07-19 | 2016-12-14 | 国网辽宁省电力有限公司鞍山供电公司 | 一种状态感知的软件定义组网方法 |
CN106209618A (zh) * | 2016-07-27 | 2016-12-07 | 国网辽宁省电力有限公司 | 一种提高智能配用电能效的通信混合组网方法及系统 |
CN106411770A (zh) * | 2016-09-08 | 2017-02-15 | 重庆邮电大学 | 一种基于sdn架构的数据中心网络节能路由算法 |
CN106411770B (zh) * | 2016-09-08 | 2019-05-31 | 重庆邮电大学 | 一种基于sdn架构的数据中心网络节能路由算法 |
CN106533743A (zh) * | 2016-10-24 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种基于sdn的全网络低能耗选路方法、装置和系统 |
CN110365507A (zh) * | 2018-04-10 | 2019-10-22 | 中国电信股份有限公司 | 用于实现链路权重自动赋值的方法和装置 |
CN110365507B (zh) * | 2018-04-10 | 2022-03-01 | 中国电信股份有限公司 | 用于实现链路权重自动赋值的方法和装置 |
CN109474490A (zh) * | 2018-11-05 | 2019-03-15 | 电子科技大学 | 一种基于自适应抽样的控制器性能分析方法 |
CN109474490B (zh) * | 2018-11-05 | 2022-10-11 | 电子科技大学 | 一种基于自适应抽样的控制器性能分析方法 |
CN109768924A (zh) * | 2019-02-14 | 2019-05-17 | 山东省计算中心(国家超级计算济南中心) | 一种面向多流共存的sdn网络多链路故障恢复方法及系统 |
CN109768924B (zh) * | 2019-02-14 | 2021-06-08 | 山东省计算中心(国家超级计算济南中心) | 一种面向多流共存的sdn网络多链路故障恢复方法及系统 |
CN110765595A (zh) * | 2019-10-10 | 2020-02-07 | 内蒙古农业大学 | 基于多层虚拟拓扑节能的sdn数据中心网络流量调度算法 |
CN110765595B (zh) * | 2019-10-10 | 2022-12-09 | 内蒙古农业大学 | 基于多层虚拟拓扑节能的sdn数据中心网络流量调度方法 |
CN110784405B (zh) * | 2019-10-16 | 2021-11-02 | 电子科技大学 | 一种面向教学云计算网络的鲁棒能效路由方法 |
CN110784405A (zh) * | 2019-10-16 | 2020-02-11 | 电子科技大学 | 一种面向教学云计算网络的鲁棒能效路由方法 |
CN111600644A (zh) * | 2020-04-09 | 2020-08-28 | 西安理工大学 | 一种紫外光协助无人机编队最优刚性拓扑生成方法 |
CN114124942A (zh) * | 2020-08-10 | 2022-03-01 | 中国移动通信集团湖南有限公司 | 核心网资源调度方法、装置及电子设备 |
CN114124942B (zh) * | 2020-08-10 | 2023-08-15 | 中国移动通信集团湖南有限公司 | 核心网资源调度方法、装置及电子设备 |
CN112104558A (zh) * | 2020-10-30 | 2020-12-18 | 上海交通大学 | 区块链分发网络的实现方法、系统、终端及介质 |
CN112104558B (zh) * | 2020-10-30 | 2021-09-07 | 上海交通大学 | 区块链分发网络的实现方法、系统、终端及介质 |
WO2022252496A1 (zh) * | 2021-06-01 | 2022-12-08 | 苏州路之遥科技股份有限公司 | 软件定义云边协同网络能耗优化方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105337861B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105337861A (zh) | 一种基于能效优先和认知理论的路由方法 | |
CN104094565B (zh) | 控制器、用于分配负载的方法、计算机系统和控制设备 | |
CN103179046A (zh) | 基于openflow的数据中心流量控制方法及系统 | |
CN106411770A (zh) | 一种基于sdn架构的数据中心网络节能路由算法 | |
WO2021018316A1 (zh) | 一种基于弹性光网络的电力光传输路由与频谱分配方法 | |
CN112350949B (zh) | 软件定义网络中基于流调度的重路由拥塞控制方法及系统 | |
CN105376157A (zh) | 一种路由路径选择的方法和装置 | |
CN102196325B (zh) | 基于蚁群系统的光网络动态路由波长分配方法 | |
CN109245918A (zh) | 软件定义频谱灵活光网络能耗优化方法及其系统 | |
CN106572019A (zh) | 一种时延保障混合sdn网络节能流量调度方法 | |
CN106209618A (zh) | 一种提高智能配用电能效的通信混合组网方法及系统 | |
CN104378229A (zh) | 一种机会网络的链路预测方法 | |
CN105472484A (zh) | 一种电力骨干光传输网波道均衡路由波长分配方法 | |
CN105323166A (zh) | 一种面向云计算的基于网络能效优先的路由方法 | |
CN106209687A (zh) | 一种混合复用pon全局资源高效分配方法 | |
Zeng et al. | Joint optimization on switch activation and flow routing towards energy efficient software defined data center networks | |
Chouhan et al. | An optimization framework for FiWi access network: Comprehensive solution for green and survivable deployment | |
CN107018018A (zh) | 一种基于sdn的服务器增量在线升级方法及系统 | |
KR20150080183A (ko) | 데이터 센터 네트워크의 동적 트래픽 분배 방법 및 장치 | |
Galán-Jiménez | Minimization of energy consumption in IP/SDN hybrid networks using genetic algorithms | |
CN109889447A (zh) | 一种基于混合环组网和喷泉码的网络传输方法及系统 | |
US9250689B2 (en) | Control server, network control method, and program | |
CN105430538B (zh) | 一种基于光网络子拓扑图的域间路由方法 | |
CN104113473A (zh) | 一种基于拉格朗日松弛的ip网络层功耗优化方法 | |
CN106341247B (zh) | 一种双向互动用电信息采集系统的可靠通信通道配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |