CN106454940A - 一种无线mesh网络中的负载均衡方法 - Google Patents

Abstract

本发明针对无线mesh网络中的资源调度难以实现随机无缝迁移管理问题，通过建立最小传输时延模型和建立高性能波束形成机制，实现无线mesh网络的业务无缝顺滑迁移能力。

Description

一种无线mesh网络中的负载均衡方法

技术领域

本发明涉及云计算技术领域，特别是涉及业务调度，以及通信网络。

背景技术

随着无线mesh网络的应用，其结合了WLAN以及移动ad-hoc网络的优点，具有自动组网、多跳、自修复等智能优势以及传输速率高、网络容量大等特点。在传统的无线局域网中，各个终端均直接与AP建立一条无线链路来接入Internet，如果各个终端之间要互相通信，则需要通过该AP进行中继，这种结构称作单跳网络，而在无线Mesh网络中，每个Mesh节点均可同时具备接入以及路由转发功能，进行数据包的收发操作，各个Mesh节点之间可以直接通信。这种网络拓扑称作多跳网络，其具有的最大优点是：当某个节点由于负载过大而造成拥塞时，数据包可以自适应地重新路由到另一个负载较小的邻居节点进行下一步传输，依次类推，直至抵达目的节点，无线mesh网络结构如图1所示。

由于未来的通信网络是以数据业务为核心的网络，同时支持数据、语音、图像、移动多媒体、网页浏览以及移动互联接入等多种业务。由于各种不同类型的业务流汇聚到WMN中，这就要求网络承载平台具有高吞吐容量的需求，同时能够对视频、音频等实时多媒体业务提供较高的QoS保证。另外，由于频谱资源有限，无线干扰、噪声、信道衰落等因素的存在，其对WMN可靠性数据传输提出了严峻的挑战，因此针对无线Mesh网络的QoS保证问题，有必要设计高效多播传输机制，提升无线mesh网络的传输质量，实现高效的业务承载能力。

发明内容

本发明所要解决的技术问题是：通过建立最小传输时延模型和建立高性能波束形成机制，实现无线mesh网络的业务无缝顺滑迁移能力。

本发明为解决上述技术问题所采用的技术方案包括以下步骤，如图2所示：

A、建立最小传输时延模型；

B、建立高性能波束形成机制和路由机制。

所述步骤A中，优化模型具体为：

min{N(F_AC,ζ),ζ_total,ζ_max,ζ_average}

其中X＝{x₁,x₂,...,x_n}为决策变量，为目标函数，P_j′为迭代j的父种群，Q_j′为迭代j的子种群，V＝{v₁,v₂,...,v_N}为网络节点集合，ε与v具有相同物理意义，但v≠ε，E为链路集合，r(v),v∈V为节点v的波束数目，Src为多播树的源节点，R＝{R₁,R₂,...,R_rc}为多播多播树的目的节点，R_k为R＝{R₁,R₂,...,R_rc}中的元素，为决策变量，ζ(V_ζ,E_ζ)为多播树，为多播树节点，为多播树链路，Φ(v,v′)为链路(v,v′)的使用代价，(v,v′)为多播树ζ中节点v与v′的路径，D(v,v′)为链路(v,v′)的延迟，G_CH(V_CH,E_CH)为冲突图，CH＝{1,2,...,ch}为正交信道集合，F_CA为正交信道函数，E_r为误差变量，ζ_cost为多播树ζ的使用代价，ζ_max为多播树ζ的最大传输时延，ζ_average为多播树ζ的平均传输时延，N(F_AC,ζ)为将信道分配给ζ的链路后的冲突数，P_ζ(Src,R_k)为在多播树ζ中从多播树的源节点至R_k的路径，E_CH为包含正交信道集合CH的链路集合，(vv′,εε′)为一组正交信道。

所述步骤B中，具体为：发送端和接收端均采用MIMO系统，具体为：a.选择具有最高反馈信噪比γ_i的对应波束i和反馈信噪比仅次于γ_i的γ_j的对应波束j，波束i和j的对应波束矢量分别为w_i和w_j；b.获取γ_i与γ_j的比值其中w_k,l为天线l的波束矢量k的元素；c.获取幅角量化值，接收端的波束形成天线数目为M_t，发送端的波束形成天线数目为M_r，w_i为第i个发送天线中矢量的元素，c_j为第j个接收天线中矢量的元素，λ为波长，为转动矢量，d为邻近天线间的平均距离，x为输入量，基于波束形成的MIMO系统的输出为 为具有多径效应的信道矩阵，为加性高斯白噪声矢量，为包含转动矢量信息的信道矩阵，o为具有相同维度的矩阵乘积，θ_t为发送端的离去角，θ_r为接收端的离去角，的均值为0，方差为 为单位阵，基于波束形成的MIMO系统输出信噪比为

所述步骤B中，具体为：路由机制采用主路由机制和从路由机制相结合的方法，当网络处于非拥塞状态时，采用主路由机制，当网络进入拥塞状态时，采用从路由机制；主路由机制为：a.汇聚层网关对收到的业务和路由控制信息进行分类，其包括服务请求信息、回复控制信息、路由响应控制信息，并分别转至步骤b、d、e；b.判断服务请求信息的向量集合是否为向目的节点发送的信息，若是则转至步骤c，反之则存储该信息并转发，并转至步骤f；c.通过目的节点判断其是否首次收到该服务请求信息，若是则使用服务请求信息的路由响应信息缓存定时单元，并等待缓存，若缓存时间小于人工设定门限值，则对该信息进行缓存随后进行转发，并转至步骤f，反之则丢弃该信息；d.当收到回复控制信息时，将目的节点的路由信息进行更新，并判断该发送该回复控制信息的节点是否为源节点，若是则将已存储的目的节点的路由信息进行比较，反之则进行单播至路由的下一邻近节点，并转发该回复控制信息，并转至步骤f；e.删除收到的路由响应控制信息所经历的路径信息；f.向目的节点发送业务和路由控制信息。

所述步骤B中，具体为：从路由机制为：a.使用发送路由请求消息方式判断源节点至目的节点之间的物理路径是否存在；b.通过目的节点收到路由请求消息，并优先向源节点反馈路由响应信息；c.当源节点收到路由响应信息后，使用路由响应信息缓存定时单元进行计时，并对收到的所有不同的路由响应信息进行存储，并按人工设定规则进行排序，然后在确定主传输路径后，进行业务流发送；d.在路由发现阶段构建若干由源节点至目的节点的备用传输路径，并使用各可行传输路径的负载状态和跳数作为最优传输路径的评价依据，并将该最优路径作为主传输路径，其余则为备用传输路径；e.当主传输路径出现拥塞时，则切换至优先级高的有效传输路径。

附图说明

图1无线mesh网络结构示意图

图2无线mesh网络的高效多播传输流程示意图

具体实施方式

为达到上述目的，本发明的技术方案如下：

第一步，建立最小传输时延模型，具体为：

min{N(F_AC,ζ),ζ_total,ζ_max,ζ_average}

其中X＝{x₁,x₂,...,x_n}为决策变量，为目标函数，P_j′为迭代j的父种群，Q_j′为迭代j的子种群，V＝{v₁,v₂,...,v_N}为网络节点集合，ε与v具有相同物理意义，但v≠ε，E为链路集合，r(v),v∈V为节点v的波束数目，Src为多播树的源节点，R＝{R₁,R₂,...,R_rc}为多播多播树的目的节点，R_k为R＝{R₁,R₂,...,R_rc}中的元素，为决策变量，ζ(V_ζ,E_ζ)为多播树，为多播树节点，为多播树链路，Φ(v,v′)为链路(v,v′)的使用代价，(v,v′)为多播树ζ中节点v与v′的路径，D(v,v′)为链路(v,v′)的延迟，G_CH(V_CH,E_CH)为冲突图，CH＝{1,2,...,ch}为正交信道集合，F_CA为正交信道函数，E_r为误差变量，ζ_cost为多播树ζ的使用代价，ζ_max为多播树ζ的最大传输时延，ζ_average为多播树ζ的平均传输时延，N(F_AC,ζ)为将信道分配给ζ的链路后的冲突数，P_ζ(Src,R_k)为在多播树ζ中从多播树的源节点至R_k的路径，E_CH为包含正交信道集合CH的链路集合，(vv′,εε′)为一组正交信道。

第二步，建立高性能波束形成机制和路由机制，具体为：发送端和接收端均采用MIMO系统，具体为：a.选择具有最高反馈信噪比γ_i的对应波束i和反馈信噪比仅次于γ_i的γ_j的对应波束j，波束i和j的对应波束矢量分别为w_i和w_j；b.获取γ_i与γ_j的比值其中w_k,l为天线l的波束矢量k的元素；c.获取幅角量化值，接收端的波束形成天线数目为M_t，发送端的波束形成天线数目为M_r，w_i为第i个发送天线中矢量的元素，c_j为第j个接收天线中矢量的元素，λ为波长，为转动矢量，d为邻近天线间的平均距离，x为输入量，基于波束形成的MIMO系统的输出为 为具有多径效应的信道矩阵，为加性高斯白噪声矢量，为包含转动矢量信息的信道矩阵，o为具有相同维度的矩阵乘积，θ_t为发送端的离去角，θ_r为接收端的离去角，的均值为0，方差为 为单位阵，基于波束形成的MIMO系统输出信噪比为

第三步，路由机制采用主路由机制和从路由机制相结合的方法，当网络处于非拥塞状态时，采用主路由机制，当网络进入拥塞状态时，采用从路由机制；主路由机制为：a.汇聚层网关对收到的业务和路由控制信息进行分类，其包括服务请求信息、回复控制信息、路由响应控制信息，并分别转至步骤b、d、e；b.判断服务请求信息的向量集合是否为向目的节点发送的信息，若是则转至步骤c，反之则存储该信息并转发，并转至步骤f；c.通过目的节点判断其是否首次收到该服务请求信息，若是则使用服务请求信息的路由响应信息缓存定时单元，并等待缓存，若缓存时间小于人工设定门限值，则对该信息进行缓存随后进行转发，并转至步骤f，反之则丢弃该信息；d.当收到回复控制信息时，将目的节点的路由信息进行更新，并判断该发送该回复控制信息的节点是否为源节点，若是则将已存储的目的节点的路由信息进行比较，反之则进行单播至路由的下一邻近节点，并转发该回复控制信息，并转至步骤f；e.删除收到的路由响应控制信息所经历的路径信息；f.向目的节点发送业务和路由控制信息。

第四步，从路由机制为：a.使用发送路由请求消息方式判断源节点至目的节点之间的物理路径是否存在；b.通过目的节点收到路由请求消息，并优先向源节点反馈路由响应信息；c.当源节点收到路由响应信息后，使用路由响应信息缓存定时单元进行计时，并对收到的所有不同的路由响应信息进行存储，并按人工设定规则进行排序，然后在确定主传输路径后，进行业务流发送；d.在路由发现阶段构建若干由源节点至目的节点的备用传输路径，并使用各可行传输路径的负载状态和跳数作为最优传输路径的评价依据，并将该最优路径作为主传输路径，其余则为备用传输路径；e.当主传输路径出现拥塞时，则切换至优先级高的有效传输路径。

本发明提出了一种无线mesh网络的高效多播传输方法，通过建立最小传输时延模型并建立高性能波束形成机制路由机制，实现无线mesh网络的业务无缝顺滑迁移能力。

Claims (6)

1.一种无线mesh网络的负载均衡方法，通过建立负载均衡优化模型和面向QoE的负载均衡优化机制和进行工程等效处理，以及将将工程化处理获得的优化解与通过建立负载均衡优化模型获得的优化解进行对比，并自适应修正负载均衡优化模型，实现无线mesh网络的网络资源优化利用，包括如下步骤：

A、建立负载均衡优化模型和面向QoE的负载均衡优化机制；

B、工程化等效分解；

C、将工程化处理获得的优化解与通过建立负载均衡优化模型获得的优化解进行对比，并自适应修正负载均衡优化模型。

2.根据权利要求1的方法，对于所述步骤A其特征在于：优化模型具体为：

$lexmin({\[\mathrm{\μ}\]}_1,\mathrm{...},{\[\mathrm{\μ}\]}_n,\frac{1}{\left|A\right|}\underset{\{i,j\}\∈A}{\Σ}{\mathrm{\μ}}_{\left\{ij\right\}})$

$\begin{array}{cc}s.t.\underset{s\∈S}{\Σ}{\mathrm{\φ}}_k^s=1& \∀k\∈K\end{array}$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

$\underset{j\∈V\left(i\right)}{\Σ}{\mathrm{\θ}}_{ij}^s=\left\{\begin{array}{c}1,i\≠r,\∀i\∈N,s\∈S\\ 0,i\≠r,\∀i\∈N,s\∈S\end{array}\right.$

${\mathrm{\θ}}_{ij}^s+{\mathrm{\θ}}_{ji}^s={\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S$

$\underset{j\∈V\left(i\right)}{\Σ}(x_{ij}^{ks}-x_{ji}^{ks})=\left\{\begin{array}{c}{\mathrm{\φ}}_k^s,i\≠o_k,\∀i\∈N,k\∈K,s\∈S\\ 0,i\≠o_k,d_k,\∀i\∈N,k\∈K,s\∈S\\ -{\mathrm{\φ}}_k^s,i=d_k,\∀i\∈N,k\∈K,s\∈S\end{array}\right.$

$x_{ij}^{ks}+x_{ji}^{ks}\≤{\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S,k\∈K$

$\underset{s\∈S}{\Σ}\underset{k\∈K}{\Σ}{b}_k(x_{ij}^{ks}+x_{ji}^{ks})=c_{\left\{ij\right\}}{\mathrm{\μ}}_{\left\{ij\right\}},\∀\{i,j\}\∈A$

其中N为节点集合，A为链路集合，i,j为节点标识，{i,j}为非直连链路，c_{ij}为链路{i,j}的容量，V(i)为节点i的邻近节点集合，r∈N为根节点集合，K为业务流集合，k为业务流标识，k的发送节点为o_k∈N，k的接收节点为d_k∈N，链路{o_k,d_k}的流量需求为b_k，S为生成树集合，s∈S为生成树标识，μ_{ij}均为决策变量，当生成树s∈S中的业务流k所在路径包含链路{i,j}时则反之则若业务流k使用生成树s∈S进行传输则反之则若{i,j}属于生成树s∈S则反之则若路径{i,j}为生成树s∈S上根节点r与节点z∈N\{r}之间的路径上的子路径则反之则μ_{ij}为{i,j}上的负载，μ_{ij}∈[0,1]，为(n+1)个函数的字典序最小化，其首先最小化最差链路负载[μ]₁，然后最小化使得[μ]₁不被惩罚的最差链路负载[μ]₂，然后最小化使得[μ]₁和[μ]₂不被惩罚的最差链路负载[μ]₂，并此类推，若生成树s∈S仅包含{i,j}的正向链路，则若生成树s∈S仅包含{i,j}的反向链路，则

3.根据权利要求1的方法，对于所述步骤A其特征在于：建立面向QoE的负载均衡优化机制：a.AP点周期性的向其自治域网关节点反馈自身的QoE量化值，并将具有较低QoE量化值的数据放入待切换队列；b.各自治域网关节点根据相应的反馈信息计算自己所在地域QoE量化值，若其相应的QoE量化值为最高等级，则向网络管理中心发送切换请求，反之则转至步骤a；c.网络管理中心在收到切换请求后，通过获取其他服务器的负载状态信息请求服务器距离做加权处理，并切换至目的服务器，并将该服务器的物理信息发送至需要切换的AP点；d.AP点根据网络管理中心返回的相关信息对AP点向目的服务器发送切换请求；e.当切换队列中所有AP点均被进行切换处理，转至步骤a。

4.根据权利要求1的方法，对于所述步骤B其特征在于：工程化等效分解，具体步骤为：a.令l＝1，使用规则[μ^*]_l＝min_μ∈M{τ:τ≥[μ]_l,[μ]_t≤[μ^*]_t},t＝1,2,...,l-1获得[μ^*]_l，使用优化模型

$\min \frac{1}{\left|A\right|}\underset{\{i,j\}\∈A}{\mathrm{\Σ}}{\mathrm{\μ}}_{\left\{\mathrm{ij}\right\}}$

$\begin{array}{ccc}s.t.& \underset{s\∈S}{\Σ}{\mathrm{\φ}}_k^s=1& \∀k\∈K\end{array}$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

$\underset{j\∈V\left(i\right)}{\Σ}{\mathrm{\θ}}_{ij}^s=\left\{\begin{array}{c}1,i\≠r,\∀i\∈N,s\∈S\\ 0,i\≠r,\∀i\∈N,s\∈S\end{array}\right.$

${\mathrm{\θ}}_{ij}^s+{\mathrm{\θ}}_{ji}^s={\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S$

$\underset{j\∈V\left(i\right)}{\Σ}(x_{ij}^{ks}-x_{ji}^{ks})=\left\{\begin{array}{c}{\mathrm{\φ}}_k^s,i\≠o_k,\∀i\∈N,k\∈K,s\∈S\\ 0,i\≠o_k,d_k,\∀i\∈N,k\∈K,s\∈S\\ -{\mathrm{\φ}}_k^s,i=d_k,\∀i\∈N,k\∈K,s\∈S\end{array}\right.$

$x_{ij}^{ks}+x_{ji}^{ks}\≤{\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S,k\∈K$

$\underset{s\∈S}{\Σ}\underset{k\∈K}{\Σ}{b}_k(x_{ij}^{ks}+x_{ji}^{ks})=c_{\left\{ij\right\}}{\mathrm{\μ}}_{\left\{ij\right\}},\∀\{i,j\}\∈A$

${\mathrm{\μ}}_{\left\{ij\right\}}\≤r_t+d_{t\left\{ij\right\}},\∀t\∈\{1,2,\mathrm{...},n\}$

${\mathrm{tr}}_t+\underset{\{i,j\}\∈A}{\Σ}{d}_{t\left\{ij\right\}}\≤{\mathrm{\θ}}_t^{*}$

d_t{ij}≥0,r_t≥0

进行求解，其中θ＝(θ_l:l＝1,2,...,|A|)为矢量，b.若l＝|A|则停止计算[μ^*]_l，最优解集合为反之则令l＝l+1，并返回至步骤A的子步骤a，d_t{i,j}为第t次迭代计算中的链路{i,j}的权重系数，r_t为第t次迭代的根节点r的权重系数，M为满足步骤A中优化模型所有约束条件的μ＝(μ_{ij}:{i,j}∈A)的集合，t为迭代次数，[μ]_l为[μ]的第l个元素，n为正整数，且1≤n≤|A|，[μ]＝([μ]_l:l＝1,2,...,|A|)为按非增序列对μ中的元素进行排序后的矢量，对于给定矢量μ＝(μ_{ij}:{i,j}∈A)∈M，θ＝(θ_l:l＝1,2,...,|A|),

5.根据权利要求1的方法，对于所述步骤B其特征在于：通过模型

${\mathrm{\θ}}_l^{*}=\min ({\mathrm{lr}}_l+\underset{\{i,j\}\∈A}{\mathrm{\Σ}}{d}_{l\left\{\mathrm{ij}\right\}})$

$\begin{array}{ccc}s.t.& \underset{s\∈S}{\Σ}{\mathrm{\φ}}_k^s=1& \∀k\∈K\end{array}$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

$\underset{j\∈V\left(i\right)}{\Σ}{\mathrm{\θ}}_{ij}^s=\left\{\begin{array}{c}1,i\≠r,\∀i\∈N,s\∈S\\ 0,i\≠r,\∀i\∈N,s\∈S\end{array}\right.$

${\mathrm{\θ}}_{ij}^s+{\mathrm{\θ}}_{ji}^s={\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S$

$\underset{j\∈V\left(i\right)}{\Σ}(x_{ij}^{ks}-x_{ji}^{ks})=\left\{\begin{array}{c}{\mathrm{\φ}}_k^s,i\≠o_k,\∀i\∈N,k\∈K,s\∈S\\ 0,i\≠o_k,d_k,\∀i\∈N,k\∈K,s\∈S\\ -{\mathrm{\φ}}_k^s,i=d_k,\∀i\∈N,k\∈K,s\∈S\end{array}\right.$

$x_{ij}^{ks}+x_{ji}^{ks}\≤{\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S,k\∈K$

$\underset{s\∈S}{\Σ}\underset{k\∈K}{\Σ}{b}_k(x_{ij}^{ks}+x_{ji}^{ks})=c_{\left\{ij\right\}}{\mathrm{\μ}}_{\left\{ij\right\}},\∀\{i,j\}\∈A$

${\mathrm{\μ}}_{\left\{ij\right\}}\≤r_t+d_{t\left\{ij\right\}},\∀t\∈\{1,2,\mathrm{...},n\}$

${\mathrm{tr}}_t+\underset{\{i,j\}\∈A}{\Σ}{d}_{t\left\{ij\right\}}\≤{\mathrm{\θ}}_t^{*},\∀t\∈\{1,2,\mathrm{...},l-1\}$

d_t{ij}≥0,r_t≥0

获得 对于l＝2,3,...,|A|。

6.根据权利要求1的方法，对于所述步骤C其特征在于：在传输场景g内，将工程化处理获得的优化解与通过负载均衡优化模型获得的优化解进行对比，若二者的优化解集合完全一致，则将该优化解作为传输场景g内的优化解；若二者的优化解集合不一致，则将工程化处理获得的优化解作为传输场景g内的最终优化解集合，并修正负载均衡优化模型中的无线mesh网络的可调参数使其获得工程化处理的优化解集合，并将修正后的负载均衡优化模型作为下一个传输场景g+1的负载均衡优化模型；无线mesh网络中具有相关应用属性的业务传输场景时间为G＝{1,2,...,g,g+1}，将在G内获得的g+1个优化解集合进行统计平均处理，并将该统计平均处理优化解集合与获得的g+1个优化解集合修正负载均衡优化模型，并将该模型作为下一次无线mesh网络系统中具有应用属性的业务传输场景时间G+1的先验负载均衡优化模型。