CN105357115A - 一种基于异步背压式路由与调度的网络效用最大化方法 - Google Patents

Abstract

本发明公开了一种基于异步背压式路由与调度的网络效用最大化方法，属于无线网络资源分配技术领域，该方法包括以下步骤：源节点根据当前节点队列积压与惩罚函数的关系得到实时源速率；每个节点根据其网络层队列积压与数据链路层队列积压的背压差，决定路由决策；每个节点根据其数据链路层队列积压与下一跳节点网络层队列积压的背压差，决定调度方案；通过多次迭代后，使得无线网络的源速率采集效用最大；本发明方法可实现多跳网络中源速率采集效用的最优分配，并保证整个网络队列积压稳定，取得更快的收敛速度，将路由与调度彻底分离，实现真正意义上的分布式算法。

Description

一种基于异步背压式路由与调度的网络效用最大化方法

技术领域

本发明属于无线网络资源分配技术领域，具体为一种基于异步背压式路由与调度的速率最大化方法。

背景技术

背压式路由和调度模式最初是由Tassiulas和Ephremides提出的具有开创性的工作。在这个理论中，通过基于多跳网络中的队列积压差和信道状态的动态路由和调度决策，对于任意可行会话能够达到最优网络吞吐量。由于其显著的优点，背压式路由和调度理念被应用于各种不同网络环境中进行研究，并且在无线网络系统模型中也发展了背压式算法。然而，尽管传统的背压式算法在理论中提出了跨层的概念，但是，实际上它同步计算了联合路由和调度的决策，没有真正实现路由和调度的分离。

在当前的分层网络框架中，背压式算法的联合路由调度决策违背了模块化设计和独立操作的原则。这使得广泛的部署背压式算法到实际网络中有较大的难度，这是因为许多当前的网络元素无法达到实时同步来匹配传统背压式路由和调度算法的参数。不难预期，由于背压式算法的卓越有点，所以不同类型的网络元素在同步网络架构中可能选择部分或者全部的应用。因此，设计一个新的适应先有的网络基础设施的背压式路由和调度算法方案是很重要的。

发明内容

针对先有技术中存在上述问题，本发明的目的在于提供一种基于异步背压式路由与调度的网络效用最大化方法，彻底将路由和调度决策分离，实现真正的跨层优化，通过多次迭代后，使得多跳网络中的吞吐量取得最优，实现网络效用最大化。

本发明的目的是通过以下技术方案来实现的：一种基于异步背压式路由与调度的网络效用最大化方法，该方法包括以下步骤：

(1)初始化迭代次数t，t＝0时刻的多跳网络的网络层队列积压数据链路层队列积压 ${\tilde{Q}}_{nb}^f\left(0\right)=0;$

(2)在第t次迭代时，在每个源端节点n_s中，根据当前节点队列积压与惩罚函数的关系得到实时源端速率；

(3)在每个节点n的网络层中，根据其网络层队列积压与数据链路层队列积压的背压差，决定网络层上的路由决策；

(4)在每个节点n中，根据其数据链路层队列积压与下一跳节点网络层队列积压的背压差，决定数据链路层上的调度方案；

(5)在每个节点n中，通过t时刻的优化解，对所有队列积压进行动态更新，得到t+1时刻的网络队列积压信息和

(6)重复步骤2至步骤5，直至网络层队列和数据链路层队列达到收敛，从而实现多跳网络中源端速率采集效用的最优分配，保证整个网络队列积压稳定，取得更快的收敛速度，将路由与调度彻底分离，实现真正意义上的分布式算法。

进一步地，所述步骤2具体包括以下子步骤：

(2.1)获取网络状态中的信息和R_max，表示在源端节点n_s的网络层中会话流f所对应的数据队列积压；R_max表示源端速率采集的最大值；对于源端速率r_f(t)，有以下子问题：

$\underset{r_f\left(t\right)}{\min }\[Q_{n_s}^f\left(t\right)r_f\left(t\right)-{\mathrm{\μU}}_f\left(r_f\right(t))\]$

s.t.0≤r_f(t)≤R_max,

其中，μ为惩罚参数，U_f(·)表示关于源端速率r_f(t)的网络效用函数；

(2.2)求得步骤(2.1)所述子问题的解析解得到t时刻的源端速率r_f(t)：

其中，是对函数U_f(·)的逆求导；表示，a≤x≤b。

进一步地，所述步骤3具体包括以下子步骤：

(3.1)获取网络状态中的信息和 表示在节点n的网络层中会话流f所对应的数据队列积压；表示在链路(n,b)的数据链路层中会话流f所对应的数据队列积压；表示在t时刻，网络层上传输链路(n,b)的容量；表示所有属于节点n的下一跳节点的集合；对于 代表链路(n,b)的网络层中会话流f的传输速率，有以下子问题：

(3.2)通过线性优化方法得到步骤3.1所述子问题的解，即t时刻网络层速率

进一步地，所述步骤4具体包括以下子步骤：

(4.1)获取网络状态中的信息和表示在链路(n,b)的数据链路层中会话流f所对应的数据队列积压；表示在下一跳节点b的网络层中会话流f所对应的数据队列积压；C_nb(t)表示表示在t时刻，数据链路层上传输链路(n,b)的容量；对于 代表在链路(n,b)的数据链路层中会话流f的传输速率，有以下子问题：

$\underset{x_n\left(t\right)}{max}\underset{f}{\Σ}\[{\tilde{Q}}_{nb}^f\left(t\right)-Q_b^f\left(t\right)\]x_{nb}^f\left(t\right)$

$\begin{array}{cc}s.t& \underset{f}{\Σ}{x}_{nb}^f\left(t\right)\≤C_{nb}\left(t\right)\end{array},$

$0\≤x_{nb}^f\left(t\right)\≤{\tilde{Q}}_{nb}^f\left(t\right).$

(4.2)求得步骤4.1所述子问题的解析解f^*：对于 取 $x_{nb}^{f^{*}}=min(C_{nb}\left(t\right),{\tilde{Q}}_{nb}^f\left(t\right)),$ 并更新 ${\hat{C}}_{nb}\left(t\right)=max(C_{nb}\left(t\right)-x_{nb}^{f^{*}},0),$ 如果 ${\hat{C}}_{nb}\left(t\right)\≠0,$ 则重复上述操作，直到成立；得到t时刻数据链路速率

进一步地，所述步骤5具体为：

(5.1)网络层队列的动态更新式：

其中，代表所有属于节点n的上一跳节点的集合；代表节点n上所有会话流集合；[a]⁺定义为1_A表示，如果条件A满足，则1_A＝1，否则1_A＝0；

(5.2)数据链路层队列的动态更新式：

${\tilde{Q}}_{nb}^f(t+1)={\[{\tilde{Q}}_{nb}^f\left(t\right)-x_{nb}^f\left(t\right)\]}^{+}+{\tilde{x}}_{nb}^f\left(t\right).$

本发明的有益效果是：

1、为网络中每个中间节点网络层的数据传输提供了有效依据，即通过当前节点的网络层队列积压与数据链路层队列积压之差，来制定相应的路由决策。

2、为网络中每个中间节点数据链路层的数据传输提供了有效依据，即通过当前节点的数据链路层队列积压与下一跳节点的网络层队列积压之差，来制定相应的调度决策。

3、为每个源端节点制定最优吞吐量，即最大化源端速率，并保证整个网络队列积压稳定，取得更快的收敛速度，将路由与调度彻底分离，实现真正意义上的跨层优化算法。

附图说明

图1为效用收敛性图；

图2为队列积压收敛性图。

具体实施方式

以下结合说明书附图对本发明作进一步说明。

用来描述多跳网络的网络拓扑图，其中是网络节点集合，是链路集合。代表所有定向链路的集合，(n,m)代表了该链路起始节点为n，传输数据到目的下一跳节点m。代表所有属于节点n的下一跳节点m(出节点)的集合，即 代表所有属于节点n的上一跳节点m(进节点)的集合，即 代表所有源节点的集合，每一个源节点同时分配一条或多条会话流，由表示。如果节点n不是源节点，即则本发明使用代表网络中所有会话的集合。这里，假设源节点发送数据到相对应的目的节点是通过多种路径的。

本发明在链路传输容量的约束下，建立如下的网络效用最大化问题P，实现所有源端速率的效用最大化：

${\tilde{x}}_{nb}^f\left(t\right)\≤{\tilde{Q}}_{nb}^f\left(t\right),$

0≤r_f(t)≤R_max,

其中，为所有优化项的集合，而x(t),r(t)分别是优化项r_f(t)的集合。函数U_f(r_f(t))是源端速率r_f(t)对应的效用函数，并假设该函数满足递增，连续二阶可导和强凹特性，并且初始值有界。

第一个约束项表示：在网络层中，所有输出数据应小于等于该链路可以承担的链路容量。其中，代表链路(n,b)在网络层中的虚拟链路容量，值得注意的是，链路容量限制是对于某条链路(n,b)来说的，所以应该对该链路中的所有会话f的数据求和。

第二个约束项表示：在网络层中，所有输出数据应小于等于对应的网络层队列长度。其中，为时刻t下节点n对应会话f的网络层队列。需要注意的是，队列将为所有链路中的会话f提供数据，所以应该对所有出链路(n,b),中的数据求和。

第三个约束项表示：在数据链路层中，所有输出数据应小于等于该链路可以承担的链路容量。其中，C_nb(t)代表链路(n,b)在数据链路层中的真实链路容量。和网络层相同，链路容量限制是对于某条链路(n,b)来说的，所以对该链路中的所有会话f的数据求和。

第四个约束项表示：在数据链路层中，所有输出数据应小于等于对应的网络层队列长度。

第五个约束项表示：t时刻下的会话f的吞吐量应小于等于最大源端速率R_max。

本发明一种基于异步背压式路由与调度的网络效用最大化方法，该方法具体如下：

(1)初始化迭代次数t，t＝0时刻的多跳网络的网络层队列积压数据链路层队列积压 ${\tilde{Q}}_{nb}^f\left(0\right)=0;$

(2)在第t次迭代时，在每个源端节点n_s中，根据当前节点队列积压与惩罚函数的关系得到实时源端速率；具体包括以下子步骤：

(2.1)获取网络状态中的信息和R_max，表示在源端节点n_s的网络层中会话流f所对应的数据队列积压；R_max表示源端速率采集的最大值；对于源端速率r_f(t)，有以下子问题：

$\underset{r_f\left(t\right)}{min}\[Q_{n_s}^f\left(t\right)r_f\left(t\right)-{\mathrm{\μU}}_f\left(r_f\left(t\right)\right)\]$

s.t.0≤r_f(t)≤R_max,

其中，μ为惩罚参数，U_f(·)表示关于源端速率r_f(t)的网络效用函数；

(2.2)求得步骤(2.1)所述子问题的解析解得到t时刻的源端速率r_f(t)：

其中，是对函数U_f(·)的逆求导；表示，a≤x≤b。

(3)在每个节点n的网络层中，根据其网络层队列积压与数据链路层队列积压的背压差，决定网络层上的路由决策；具体包括以下子步骤：

(3.1)获取网络状态中的信息和 表示在节点n的网络层中会话流f所对应的数据队列积压；表示在链路(n,b)的数据链路层中会话流f所对应的数据队列积压；表示在t时刻，网络层上传输链路(n,b)的容量；表示所有属于节点n的下一跳节点的集合；对于 代表链路(n,b)的网络层中会话流f的传输速率，有以下子问题：

(3.2)通过线性优化方法得到步骤3.1所述子问题的解，即t时刻网络层速率

(4)在每个节点n中，根据其数据链路层队列积压与下一跳节点网络层队列积压的背压差，决定数据链路层上的调度方案；具体包括以下子步骤：

(4.1)获取网络状态中的信息和C_nb(t)，表示在链路(n,b)的数据链路层中会话流f所对应的数据队列积压；表示在下一跳节点b的网络层中会话流f所对应的数据队列积压；C_nb(t)表示表示在t时刻，数据链路层上传输链路(n,b)的容量；对于 代表在链路(n,b)的数据链路层中会话流f的传输速率，有以下子问题：

$\underset{x_n\left(t\right)}{max}\underset{f}{\Σ}\[{\tilde{Q}}_{nb}^f\left(t\right)-Q_b^f\left(t\right)\]x_{nb}^f\left(t\right)$

$\begin{array}{cc}s.t& \underset{f}{\Σ}{x}_{nb}^f\left(t\right)\≤C_{nb}\left(t\right)\end{array},$

$0\≤x_{nb}^f\left(t\right)\≤{\tilde{Q}}_{nb}^f\left(t\right).$

(4.2)求得步骤4.1所述子问题的解析解f^*：对于 取 $x_{nb}^{f^{*}}=min(C_{nb}\left(t\right),{\tilde{Q}}_{nb}^f\left(t\right)),$ 并更新 ${\hat{C}}_{nb}\left(t\right)=max(C_{nb}\left(t\right)-x_{nb}^{f^{*}},0),$ 如果 ${\hat{C}}_{nb}\left(t\right)\≠0,$ 则重复上述操作，直到成立；得到t时刻数据链路速率

(5)在每个节点n中，通过t时刻的优化解，对所有队列积压进行动态更新，得到t+1时刻的网络队列积压信息和具体为：

(5.1)网络层队列的动态更新式：

其中，代表所有属于节点n的上一跳节点的集合；代表节点n上所有会话流集合；[a]⁺定义为1_A表示，如果条件A满足，则1_A＝1，否则1_A＝0；

(5.2)数据链路层队列的动态更新式：

${\tilde{Q}}_{nb}^f(t+1)={\[{\tilde{Q}}_{nb}^f\left(t\right)-x_{nb}^f\left(t\right)\]}^{+}+{\tilde{x}}_{nb}^f\left(t\right).$

(6)重复步骤2至步骤5，直至网络层队列和数据链路层队列达到收敛，从而实现多跳网络中源端速率采集效用的最优分配，保证整个网络队列积压稳定，取得更快的收敛速度，将路由与调度彻底分离，实现真正意义上的分布式算法。

以下通过相应的实验数据进一步证明本发明的有益效果：

下面以仿真实例来比较本发明所设计的路由与调度方法与传统背压式算法的性能。网络仿真场景的设置如下：网络包含6个节点，8条传输链路及4条传输会话流。网络效用函数为U_f(r_f(t))＝log(1+r_f(t))。其他用到的参数有，R_max＝10，C_nb＝4。

仿真结果图1表示本发明方法的效用收敛性。

仿真结果图2表示本发明方法的队列积压收敛性。

图1和图2表明：当惩罚参数μ增加时，时间平均目标值收敛于最优值附近，而队列的时间平均积压近乎线性增长。

表1：不同网络层传输容量限制对于网络整体效用的影响表

表1表明：当采取双层队列模型，且网络层容量和链路层容量一致，即时，本发明的算法性能最好，拥有最大的网络效用值和最小的队列积压。还可以看到，本算法得到的目标值与经典背压式算法得到的目标值相同，且队列积压差值在可以接受的范围内。这个结果是由于我们在网络层和数据链路层使用分布式算法的异步特性造成的。

本发明提供的基于异步背压式路由与调度的网络效用最大化方法，可实现多跳网络中源速率采集效用的最优分配，并保证整个网络队列积压稳定，取得更快的收敛速度，将路由与调度彻底分离，实现真正意义上的分布式算法。进而使得在实际应用中，算法的应用更广泛，达到跨层优化的效果。

Claims (5)

1.一种基于异步背压式路由与调度的网络效用最大化方法，其特征在于，该方法包括以下步骤：

(1)初始化迭代次数t，t＝0时刻的多跳网络的网络层队列积压数据链路层队列积压

(2)在第t次迭代时，在每个源端节点n_s中，根据当前节点队列积压与惩罚函数的关系得到实时源端速率；

(3)在每个节点n的网络层中，根据其网络层队列积压与数据链路层队列积压的背压差，决定网络层上的路由决策；

(4)在每个节点n中，根据其数据链路层队列积压与下一跳节点网络层队列积压的背压差，决定数据链路层上的调度方案；

(5)在每个节点n中，通过t时刻的优化解，对所有队列积压进行动态更新，得到t+1时刻的网络队列积压信息和

(6)重复步骤2至步骤5，直至网络层队列和数据链路层队列达到收敛，从而实现多跳网络中源端速率采集效用的最优分配，保证整个网络队列积压稳定，取得更快的收敛速度，将路由与调度彻底分离，实现真正意义上的分布式算法。

2.根据权利要求1所述一种基于异步背压式路由与调度的网络效用最大化方法，其特征在于，所述步骤2具体包括以下子步骤：

(2.1)获取网络状态中的信息和R_max，表示在源端节点n_s的网络层中会话流f所对应的数据队列积压；R_max表示源端速率采集的最大值；对于源端速率r_f(t)，有以下子问题：

$\underset{r_f\left(t\right)}{min}\[Q_{n_s}^f\left(t\right)r_f\left(t\right)-{\mathrm{\μU}}_f\left(r_f\right(t\left)\right)\]$

s.t.0≤r_f(t)≤R_max,

其中，μ为惩罚参数，U_f(·)表示关于源端速率r_f(t)的网络效用函数；

(2.2)求得步骤(2.1)所述子问题的解析解得到t时刻的源端速率r_f(t)：

其中，是对函数U_f(·)的逆求导；表示，a≤x≤b。

3.根据权利要求1所述一种基于异步背压式路由与调度的网络效用最大化方法，其特征在于，所述步骤3具体包括以下子步骤：

(3.1)获取网络状态中的信息和 表示在节点n的网络层中会话流f所对应的数据队列积压；表示在链路(n,b)的数据链路层中会话流f所对应的数据队列积压；表示在t时刻，网络层上传输链路(n,b)的容量；表示所有属于节点n的下一跳节点的集合；对于 代表链路(n,b)的网络层中会话流f的传输速率，有以下子问题：

(3.2)通过线性优化方法得到步骤3.1所述子问题的解，即t时刻网络层速率

4.根据权利要求1所述一种基于异步背压式路由与调度的网络效用最大化方法，其特征在于，所述步骤4具体包括以下子步骤：

(4.1)获取网络状态中的信息和C_nb(t)，表示在链路(n,b)的数据链路层中会话流f所对应的数据队列积压；表示在下一跳节点b的网络层中会话流f所对应的数据队列积压；C_nb(t)表示表示在t时刻，数据链路层上传输链路(n,b)的容量；对于 代表在链路(n,b)的数据链路层中会话流f的传输速率，有以下子问题：

$\underset{x_n\left(t\right)}{max}\underset{f}{\Σ}\[{\tilde{Q}}_{nb}^f\left(t\right)-Q_b^f\left(t\right)\]x_{nb}^f\left(t\right)$

$\begin{array}{cc}s.t& \underset{f}{\Σ}{x}_{nb}^f\left(t\right)\≤C_{nb}\left(t\right)\end{array}$

$0\≤x_{nb}^f\left(t\right)\≤{\tilde{Q}}_{nb}^f\left(t\right)\·$

(4.2)求得步骤4.1所述子问题的解析解f^*：对于 $f^{*}=\arg max\[{\tilde{Q}}_{nb}^f\left(t\right)-Q_b^f\left(t\right)\];$ 取 $x_{nb}^{f^{*}}=min\left(C_{nb}\right(t),{\tilde{Q}}_{nb}^f(t\left)\right),$ 并更新 ${\hat{C}}_{nb}\left(t\right)=max\left(C_{nb}\right(t)-x_{nb}^{f^{*}},0),$ 如果 ${\hat{C}}_{nb}\left(t\right)\≠0,$ 则重复上述操作，直到成立；得到t时刻数据链路速率

5.根据权利要求1所述一种基于异步背压式路由与调度的网络效用最大化方法，其特征在于，所述步骤5具体为：

(5.1)网络层队列的动态更新式：

其中，代表所有属于节点n的上一跳节点的集合；代表节点n上所有会话流集合；[a]⁺定义为1_A表示，如果条件A满足，则1_A＝1，否则1_A＝0；

(5.2)数据链路层队列的动态更新式：

${\tilde{Q}}_{nb}^f(t+1)={\[{\tilde{Q}}_{nb}^f\left(t\right)-x_{nb}^f\left(t\right)\]}^{+}+{\tilde{x}}_{nb}^f\left(t\right).$