CN106714265A - 基于dtn算法的网络节点预测方法和装置 - Google Patents
基于dtn算法的网络节点预测方法和装置 Download PDFInfo
- Publication number
- CN106714265A CN106714265A CN201710006237.4A CN201710006237A CN106714265A CN 106714265 A CN106714265 A CN 106714265A CN 201710006237 A CN201710006237 A CN 201710006237A CN 106714265 A CN106714265 A CN 106714265A
- Authority
- CN
- China
- Prior art keywords
- node
- transmission
- transmission path
- network
- time
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18578—Satellite systems for providing broadband data service to individual earth stations
- H04B7/18584—Arrangements for data networking, i.e. for data packet routing, for congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/18—Communication route or path selection, e.g. power-based or shortest path routing based on predicted events
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种基于DTN算法的网络节点预测方法和装置,涉及卫星通信的技术领域,该方法包括:预测目标空间网络中任意两个相邻节点的下一次相遇时间;根据预测到的下一次相遇时间确定目标传输路径,其中,目标传输路径为起始节点经过中间节点向目的节点传输数据包的路径;通过代价函数对目标传输路径的传输性能进行风险评估,以根据评估结果在目标传输路径中确定最优传输路径,其中,传输性能包括以下至少之一:使用目标传输路径进行传输时数据的交付概率,使用目标传输路径进行数据传输时数据传输的延迟时间,使用目标传输路径进行数据传输时网络资源的利用率,解决了现有技术中通过空间网络进行信息传输时,传输效率较慢的技术问题。
Description
技术领域
本发明涉及卫星通信的技术领域,尤其是涉及一种基于DTN算法的网络节点预测方法和装置。
背景技术
随着航天技术、通信技术和传感器技术等的发展,现在的空间网络正逐渐向着立体化、一体化和异构化的方向发展,但是如何有效地将太空中的卫星网络和地面种类繁多的异构网络连接在一起,成了国家和学术界密切关注的问题。空间网络可以很好地实现这个目的,它将不同种类的异构网络纳入统一的框架中,便于进行信息的整合与分析、资源的划分与利用;此外,空间网络还可以综合考虑组网问题和用户的网络接入问题等。
空间网络包括星际网络、星地网络和地面网络三部分。空间网络与传统网络相比,空间网络更为复杂,具有拓扑结构多变、网络异构性强、传输延迟大、信道干扰强等一系列问题,这对空间网络的路由带来了很大问题。
空间网络面临着网络异构性强、传输延迟长、链路丢包率高等一系列挑战,这对空间网络的路由带来了巨大的挑战。现有的地面路由算法不能很好地适应空间网络的实际需求。而近些年学术界提出的容迟容断网络(Delay and Disruption-Tolerant Networking,简称DTN)的概念,却能够比较好地解决这个问题。容迟容断网络和传统的TCP/IP协议栈相比,DTN在TCP层和应用层之间加了一个束层,它负责对节点收到的信息进行存储,这样DTN的每个节点都具有了“存储-转发”的功能,这可以很好地适应长传输延迟、高误码率的网络环境。在DTN中,基本的数据单元是“束”,它可以将多个TCP消息进行合并,可以很到地应对高传输延迟的问题。在DTN中,数据的转发采取保管传输,即为了确保可靠传输,要求每个节点对信息负责,但一旦信息被传送出去,那么就由下一个节点对这个信息负责;这样做的好处是即使出现了丢包需要重传,也只需要从上一跳开始重传,这样可以很好地应对链路距离长、传输延迟大的问题。
DTN的路由算法具有很大的挑战性,因为节点的运动性会导致网络拓扑结构动态变化,传统的计算机网络协议很难适用。同时,由于DTN为我们带来了新特性,传统的无线自组织网络协议也并不完全适用。为了进一步提高空间路由协议的高效性和可行性,必须设计符合空间网络特点的路由协议。
发明内容
本发明的目的在于提供一种基于DTN算法的网络节点预测方法和装置,以缓解现有技术中通过空间网络进行信息传输时,传输效率较慢的技术问题。
根据本发明实施例的一个方面,提供了一种基于DTN算法的网络节点预测方法,包括:预测目标空间网络中任意两个相邻节点的下一次相遇时间,其中,所述目标空间网络中包括起始节点,中间节点和目的节点,所述起始节点通过所述中间节点向所述目的节点传输数据包;根据预测到的所述下一次相遇时间确定目标传输路径,其中,所述目标传输路径为所述起始节点经过所述中间节点向所述目的节点传输所述数据包的路径,所述目标传输路径的数量至少为一个;通过代价函数对所述目标传输路径的传输性能进行风险评估,以根据评估结果在所述目标传输路径中确定最优传输路径,其中,所述传输性能包括以下至少之一:使用所述目标传输路径进行传输时数据的交付概率,使用所述目标传输路径进行数据传输时数据传输的延迟时间,使用所述目标传输路径进行数据传输时网络资源的利用率。
进一步地,预测目标空间网络中任意两个相邻节点的下一次相遇时间包括:获取第一节点的路由信息表,其中,所述第一节点为所述目标空间网络中任意一个网络节点;根据所述路由信息表确定所述第一节点的运动状态,以及确定所述第一节点与第二节点的历史运动数据,其中,所述历史运动数据表示所述第一节点与所述第二节点相遇的位置和时间,所述第二节点为所述目标空间网络中与所述第一节点相邻的至少一个节点;根据所述运动状态和所述历史运动数据确定所述第一节点和所述第二节点的运动规律,以及确定所述第一节点和所述第二节点在当前时刻的上一时刻所处的位置;根据所述运动规律和所述所处的位置预测所述第一节点和所述第二节点下一次相遇时间。
进一步地,根据所述运动状态和所述历史运动数据确定所述第一节点和所述第二节点的运动规律,以及确定所述第一节点和所述第二节点在当前时刻的上一时刻所处的位置包括:以历史运动数据{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)}作为输入,以运动状态作为输出,构建状态转移方程,其中,(xn,yn,tn)表示第一节点x与第二节点y相遇的位置和时间;对所述状态转移方程进行求解,得到所述运动规律和所述所处的位置。
进一步地,通过代价函数对所述目标传输路径的传输性能进行风险评估包括:通过所述代价函数对每个所述目标传输路径中任意两个相邻节点之间的传输性能进行风险评估;根据所述任意两个相邻节点之间传输性能的评估结果对所述目标传输路径的传输性能进行风险评估,得到所述目标传输路径的传输性能评估结果。
进一步地,通过所述代价函数对每个所述目标传输路径中任意两个相邻节点之间的传输性能进行风险评估包括:通过所述代价函数的计算公式计算每个所述目标传输路径中任意两个相邻节点之间的代价函数,其中,B为所述任意两个相邻节点中的一个节点,D为所述任意两个相邻节点中节点B的下一跳节点;NBD为第一性能参数,表示节点B和节点D相遇的次数,用于对所述交付概率进行评估;Bpath为第二性能参数,表示所述节点B和所述节点D之间路径内存的大小,用于对所述延迟时间进行评估;S(TE-T)为第三性能参数,表示所述数据包所占用的所述节点B和所述节点D之间的网络内存资源,用于对所述网络资源的利用率进行评估;α为第一调节参数,β为第二调节参数,γ为第三调节参数,CBD表示所述节点B和所述节点D之间的代价函数。
进一步地,所述第一调节参数与所述第一性能参数成正比,并与所述第二性能参数和所述第三性能参数成反比;所述第二调节参数与所述第二性能参数成正比,并与所述第一性能参数和所述第三性能参数成反比;所述第三调节参数与所述第三性能参数成正比,并与所述第二性能参数和所述第一性能参数成反比。
根据本发明实施例的另一个方面,还提供了一种基于DTN算法的网络节点预测装置,包括:预测单元,用于预测目标空间网络中任意两个相邻节点的下一次相遇时间,其中,所述目标空间网络中包括起始节点,中间节点和目的节点,所述起始节点通过所述中间节点向所述目的节点传输数据包;确定单元,用于根据预测到的所述下一次相遇时间确定目标传输路径,其中,所述目标传输路径为所述起始节点经过所述中间节点向所述目的节点传输所述数据包的路径,所述目标传输路径的数量至少为一个;评估单元,用于通过代价函数对所述目标传输路径的传输性能进行风险评估,以根据评估结果在所述目标传输路径中确定最优传输路径,其中,所述传输性能包括以下至少之一:使用所述目标传输路径进行传输时数据的交付概率,使用所述目标传输路径进行数据传输时数据传输的延迟时间,使用所述目标传输路径进行数据传输时网络资源的利用率。
进一步地,所述预测单元包括:获取模块,用于获取第一节点的路由信息表,其中,所述第一节点为所述目标空间网络中任意一个网络节点;第一确定模块,用于根据所述路由信息表确定所述第一节点的运动状态,以及确定所述第一节点与第二节点的历史运动数据,其中,所述历史运动数据表示所述第一节点与所述第二节点相遇的位置和时间,所述第二节点为所述目标空间网络中与所述第一节点相邻的至少一个节点;第二确定模块,用于根据所述运动状态和所述历史运动数据确定所述第一节点和所述第二节点的运动规律,以及确定所述第一节点和所述第二节点在当前时刻的上一时刻所处的位置;预测模块,用于根据所述运动规律和所述所处的位置预测所述第一节点和所述第二节点下一次相遇时间。
进一步地,所述第二确定模块用于:以历史运动数据{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)}作为输入,以运动状态作为输出,构建状态转移方程,其中,(xn,yn,tn)表示第一节点x与第二节点y相遇的位置和时间;对所述状态转移方程进行求解,得到所述运动规律和所述所处的位置。
进一步地,所述评估单元包括:评估模块,用于通过所述代价函数对每个所述目标传输路径中任意两个相邻节点之间的传输性能进行风险评估;第三确定模块,用于根据所述任意两个相邻节点之间传输性能的评估结果对所述目标传输路径的传输性能进行风险评估,得到所述目标传输路径的传输性能评估结果。
在本发明实施例中,首先对目标空间网络中任意两个相邻节点的下一次相遇时间进行预测,然后,根据预测结果确定起始节点通过中间节点向目的节点传输数据包的至少一个目标传输路径,最后,对至少一个目标传输路径的传输性能进行风险评估,并根据风险评估结果在至少一个目标传输路径中确定最优传输路径。本发明实施例中,对路由决策进行进一步风险评估,能够更加准确地确定最优传输路径,达到了提高信息传输的效率的目的,进而缓解现有技术中通过空间网络进行信息传输时,传输效率较慢的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于DTN算法的网络节点预测方法的流程图;
图2是根据本发明实施例的一种可选的目标网络结构的拓扑示意图;
图3是根据本发明实施例的一种基于DTN算法的网络节点预测装置的示意图;
图4是根据本发明实施例的一种可选地基于DTN算法的网络节点预测装置的示意图;
图5是根据本发明实施例的另一种可选地基于DTN算法的网络节点预测装置的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
根据本发明实施例,提供了一种基于DTN算法的网络节点预测方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种基于DTN算法的网络节点预测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,预测目标空间网络中任意两个相邻节点的下一次相遇时间,其中,目标空间网络中包括起始节点,中间节点和目的节点,起始节点通过中间节点向目的节点传输数据包。
如图2所示的即为一种目标空间网络的拓扑结构图,如图2所示,在该目标空间网络拓扑结构中,网络节点A为起始节点,网络节点B、网络节点C和网络节点D为中间节点,网络节点E为目的节点,其中,网路节点A经过中间节点(网络节点B、网络节点C和网络节点D)中的部分节点向网络节点E传输数据包。
在本发明实施例中,主要是预测网络节点A,网络节点B,网络节点C,网络节点D和网络节点E中任意相邻两个节点的下一次相遇时间。如图2所示,网络节点A和网络节点B为相邻的节点,那么需要计算网络节点A和网络节点B下一次相遇的时间;网络节点D和网络节点B为相邻的节点,那么需要计算网络节点D和网络节点B下一次相遇的时间。需要说明的是,在本发明实施例中,上述节点可以选取为卫星。
步骤S104,根据预测到的下一次相遇时间确定目标传输路径,其中,目标传输路径为起始节点经过中间节点向目的节点传输数据包的路径,目标传输路径的数量至少为一个。
在本发明实施例中,在对下一次相遇时间进行预测之后,就能够根据预测结果初步进行路由决策,即,初步确定目标传输路径,其中,初步确定出的目标传输路径可以为一个,还可以为多个。具体地,可以根据上述步骤中预测得到的下一次相遇时间确定目标传输路径,其中,目标传输路径为起始节点经过中间节点向目的节点传输数据包的路径。
进一步地,每个目标传输路径中中间节点的数量可以为一个,还可以为多个,并且任意两个目标传输路径之间的中间节点部分相同或者完全不同。例如,如图2所示,能够确定出的网络节点A向目的节点E传输数据包的目标传输路径可以为:
路径1,网络节点A→网络节点B→网络节点D→网络节点E,其中,网络节点B和网络节点D为中间节点;
路径2,网络节点A→网络节点C→网络节点E,其中,网络节点C为中间节点;以及
路径3,网络节点A→网络节点B→网络节点E,其中,网络节点B为中间节点。
从路径1至路径3中可以看出,目标传输路径中中间节点的数量可以为一个,还可以为多个,并且,任意两个目标传输路径之间中间节点可以部分相同,还可以完全不相同。
图2中所示的为一种简单目标空间网络结构的拓扑图,如果目标空间网络为一种复杂的网络结构,那么可以根据实际需要确定一个,或者,确定多个目标传输路径,具体地,用户可以预先设定一个条件,例如,目标传输路径的数量,使用目标传输路径进行数据传输的时间等信息。
步骤S106,通过代价函数对目标传输路径的传输性能进行风险评估,以根据评估结果在目标传输路径中确定最优传输路径,其中,传输性能包括以下至少之一:使用目标传输路径进行传输时数据的交付概率,使用目标传输路径进行数据传输时数据传输的延迟时间,使用目标传输路径进行数据传输时网络资源的利用率。
在本发明实施例中,当对目标空间网络中的节点进行路由决策时,必须承担决策带来的代价,即:选择的节点将数据包传递给目的节点所需要的延迟,所选择的目标传输路径的路径内存能否承载数据包的大小。因此,在确定最优传输路径时,不能完全依赖数学上的预测进行路由决策,否则就有可能做出错误的判断。
基于此,在本发明实施例中,可以通过代价函数对目标传输路径的传输性能进行风险评估,进而,根据风险评估结果确定最优传输路径。
在本发明实施例中,首先对目标空间网络中任意两个相邻节点的下一次相遇时间进行预测,然后,根据预测结果确定起始节点通过中间节点向目的节点传输数据包的至少一个目标传输路径,最后,对至少一个目标传输路径的传输性能进行风险评估,并根据风险评估结果在至少一个目标传输路径中确定最优传输路径。本发明实施例中,对路由决策进行进一步风险评估,能够更加准确地确定最优传输路径,达到了提高信息传输的效率的目的,进而缓解现有技术中通过空间网络进行信息传输时,传输效率较慢的技术问题。
在本发明的一个可选实施方式中,预测目标空间网络中任意两个相邻节点的下一次相遇时间包括如下步骤:
步骤S1021,获取第一节点的路由信息表,其中,第一节点为目标空间网络中任意一个网络节点;
步骤S1022,根据路由信息表确定第一节点的运动状态,以及确定第一节点与第二节点的历史运动数据,其中,历史运动数据表示第一节点与第二节点相遇的位置和时间,第二节点为目标空间网络中与第一节点相邻的至少一个节点;
步骤S1023,根据运动状态和历史运动数据确定第一节点和第二节点的运动规律,以及确定第一节点和第二节点在当前时刻的上一时刻所处的位置;
步骤S1024,根据运动规律和所处的位置预测第一节点和第二节点下一次相遇时间。
在本发明实施例中,首先获取第一节点的路由信息表,然后,根据路由信息表确定第一节点的运动状态,以及确定第一节点与第二节点的历史运动数据,接下来,根据运动状态和历史运动数据确定第一节点和第二节点的运动规律,最后,根据运动规律和所处的位置预测第一节点和第二节点的相遇时间。
具体地,在本发明实施方式中,以图2中的网络节点A和网络节点B为例进行介绍。
网络节点A的路由信息表的结构如表1所示,路由信息表的第一列记录邻居节点(即,网络节点B)的名称,第二列记录网络节点A每一次和网络节点B相遇时的信息,包括相遇的地理位置(x1,y1)和时间(例如,t1),该路由信息表的第三列记录着网络节点A预计下一次和网络节点B相遇的时间Tnext。
表1
当网络节点A和网络节点B相遇时,网络节点A和网络节点B会彼此交换对方的邻居节点的信息。通过这个机制可以使得所有的节点都会拥有自己邻居的详细信息,其中,网络节点A和网络节点B不会交换自己邻居的信息,而是交换对方邻居的信息,这样可以提高信息交换的效率,避免无用的信息。
假设,网络节点A和网络节点B满足如图2所示的目标空间网络,此时,当网络节点A遇到网络节点B时,它们会交换彼此的路由表,然后网络节点A会更新自己的路由信息表,更新之后的路由信息表如表2所示。如表2所示的路由信息表的第一列是目的节点名称,第二列表明如果想到达目的节点,下一条需要将数据包传给哪个节点(也即,中间节点),第三列是路径内存,即从起始节点到目的节点的路径中沿途所有节点的最小内存。最后一列是预期下一次相遇时间,由于网络中节点具有移动性,因此这一列的数据可以帮助源节点更好地进行路由决策。其中,假设,第一节点为网络节点A,那么表2所示的路由信息表即为上述步骤S1021中描述的第一节点的路由信息表。
表2
在本发明实施例的一个可选实施方式中,根据运动状态和历史运动数据确定第一节点和第二节点的运动规律,以及确定第一节点和第二节点在当前时刻的上一时刻所处的位置包括如下步骤:
步骤S1,以历史运动数据{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)}作为输入,以运动状态作为输出,构建状态转移方程,其中,(xn,yn,tn)表示第一节点x与第二节点y在第n次相遇时的位置和时间;
步骤S2,对状态转移方程进行求解,得到运动规律和所处的位置。
具体地,在本发明实施例中,以图2中的网络节点A和网络节点B为例进行说明。首先,根据表2所示的路由信息表获取网络节点A的运动状态,以及确定网络节点A与网络节点B的历史运动数据,例如,网络节点A的运动状态可以表示为:网络节点A与网络节点B的历史运动数据可以表示为{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)}。接下来,以历史运动数据为输入,以运动状态为输出,构建状态转移方程,具体地,构建的状态转移方程可以描述为:其中,μx,uy,бx,σy分别是网络节点A的运动速度和加速度的测量噪声。在构建状态转移方程之后,就可以对状态转移方程进行求解,得到运动规律和所处的位置。已知两个节点的运动规律和它们在上一时刻的位置之后,就可以计算出它们的下一次预计的相遇时间。
至此,即完成了对下一次相遇时间的预测。通过上述描述可知,在本发明实施例提供的基于DTN算法的网络节点预测方法中,尽可能多地、多维度地利用网络节点的历史数据进行路由决策。从记录数据的维度方面讲,本发明实施例提供的基于DTN算法的网络节点预测方法会记录节点的位置和时间信息,并会记录节点的内存大小;从综合利用历史数据方面讲,发明实施例提供的基于DTN算法的网络节点预测方法对历史数据进行了卡尔曼滤波,通过卡尔曼滤波算法可以很好的预测节点运动轨迹,并计算预测节点下一次相遇时间,以更好地解决网络拓扑的高速运动问题。进一步地卡尔曼滤波算法既综合利用了历史数据信息,又能确保最近的数据得到比较大的权重。
但是,通过上述描述可知,在对节点进行路由决策时,还必须承担决策带来的代价,即:选择的节点(中间节点)将数据包传递给目的节点所需要的延迟,所选择的目标传输路径的路径内存能否承载数据包的大小。虽然通过上述描述可知,已根据路由信息表预测两个相邻节点的下一次相遇时间,但是,任何数学上的预测和推导都是有误差的,因此,不能完全依赖数学上的预测进行路由决策,否则就有可能做出错误的判断。
因此,在本发明实施例中,在确定目标传输路径之后,还可以对目标传输路径进行风险评估,以评估每种路由决策带来的风险。具体地,在本发明实施例中,引入了代价函数,以对风险进行评估。代价函数的引入刻画了卡尔曼滤波的精度,此外,代价函数还综合考虑了节点内存等综合因素,很大程度上缓解了卡尔曼滤波的不精确带来的误差。
在本发明实施例的一个可选实施方式中,通过代价函数对目标传输路径的传输性能进行风险评估包括如下步骤:
步骤S1061,通过代价函数对每个目标传输路径中任意两个相邻节点之间的传输性能进行风险评估;
步骤S1062,根据任意两个相邻节点之间传输性能的评估结果对目标传输路径的传输性能进行风险评估,得到目标传输路径的传输性能评估结果。
具体地,在确定目标传输路径之后,就可以对每个目标传输路径中的人一个两个相邻节点之间的传输性能进行风险评估,进而,根据任意两个相邻节点之间传输性能的评估结果对目标传输路径的传输性能进行整体评估,得到整体评估结果。
优选地,在本发明实施例中,可以计算任意两个相邻节点之间的代价函数,进而,根据任意两个相邻节点之间的代价函数对目标传输路径的传输性能进行整体评估,得到整体评估结果。
进一步地,通过代价函数对每个目标传输路径中任意两个相邻节点之间的传输性能进行风险评估包括如下步骤:
步骤S10611,通过代价函数计算公式计算每个目标传输路径中任意两个相邻节点之间的代价函数,其中,其中,B为任意两个相邻节点中的一个节点,D为任意两个相邻节点中节点B的下一跳节点;NBD为第一性能参数,表示节点B和节点D相遇的次数,用于对交付概率进行评估;Bpath为第二性能参数,表示节点B和节点D之间路径内存的大小,用于对延迟时间进行评估;S(TE-T)为第三性能参数,表示数据包所占用的节点B和节点D之间的网络内存资源,用于对网络资源的利用率进行评估;α为第一调节参数,β为第二调节参数,γ为第三调节参数,CBD表示节点B和节点D之间的代价函数。
需要说明的是,假设目标传输路径为:网络节点A→网络节点C→网络节点E,那么需要计算网络节点A和网络节点C之间的代价函数,记为C_AC,以及计算网络节点C和网络节点E之间的代价函数,记为C_CE。
以C_AC为例进行说明,其中,符号“_”之前的C表示网络节点A和网络节点C之间的代价函数,符号“_”之后的A表示该目标传输路径中的网络节点A,符号“_”之后的C表示该目标传输路径中的网络节点C。也就是说,符号“_”之前的C和符号“_”之后的C所表示的含义不相同。
此时,进一步需要说明的是,CBD符号中的节点B和节点D表示表示目标传输路径中任意相邻的两个网络节点,其中,CBD符号中的节点D是节点B的下一个节点。也就是说,CBD符号中的节点B表示其目标传输路径中的网络节点A,CBD符号中的节点D则表示其目标传输路径中的网络节点C。也即,CBD符号中的节点B和节点D并不是图2中所示的网络节点B和网络节点D,而是表示目标传输路径中任意两个相邻的节点。
在本发明实施例中,S(TE-T)是内存时间积(即,第三性能参数),用来衡量数据包所占用的网络内存资源,其中,网络内存资源属于网络资源中的一种资源,数据包在网络中存储的时间越久,占用的网络内存资源越多。
NBD(即,第一性能参数)用来衡量节点B和节点D相遇的次数,其中,节点B和节点D相遇的越频繁,预测结果越精确,相应的路由风险越低。因为在进行路由决策时,需要用到两节点之间的“预期下一次相遇时间”,这就要用卡尔曼滤波法对节点的历史数据进行处理。任何数学上的预测都不是完全精确的,但是如果历史数据足够多,那么这个预测就会比较精确。
Bpath(即,第二性能参数)用来衡量路径内存大小。由于数据包在传输过程中要占用中间节点的内存(即,节点B和节点D之间路径内存的大小),因此,这个参数用来衡量路径的存储能力,其中,对于存储能力弱的路径,选择这条路径来进行路由并不是明智的选择。
需要说明的是,在本发明实施例中,第一调节参数与第一性能参数成正比,并与第二性能参数和第三性能参数成反比;第二调节参数与第二性能参数成正比,并与第一性能参数和第三性能参数成反比;第三调节参数与第三性能参数成正比,并与第二性能参数和第一性能参数成反比。
具体地,α为第一调节参数,β为第二调节参数,γ为第三调节参数。当用户对本发明实施例提供的基于DTN算法的网络节点的预测方法有不同需求时,可以设置不同的参数来改变代价函数,进而控制路由策略。例如,如果用户希望确保交付概率,而并不是特别在意网络资源的消耗,那么可以将β设置成较大的数值。
综上,在本发明实施例中,综合考虑了DTN路由的三个指标:数据包的交付概率,网络资源消耗和数据包的传输延迟,并引入了代价函数。代价函数综合考虑了本发明实施例提供的基于DTN算法的网络节点的预测方法的上述三个指标,并允许用户根据自己的实际需求,指定这三个指标间的权重,从而使得基于预测的DTN路由算法能够做出更加个性化的、更加高效的路由决策。其中,通过调节参数α,β,γ能够保证用户可以根据自己的需求去动态调节代价函数。
由此可见,本发明实施例提供的基于DTN算法的网络节点的预测方法既考虑到了DTN路由的三个本质需求,又给予了用户很大的选择权去控制代价函数,兼具了全面性和灵活性,提高数据包的交付概率,减少网络资源的消耗,并降低数据包的传输延迟,实现了高动态拓扑结构的空间信息网络中信息高效快速地传输。
实施例2
本发明实施例还提供了一种基于DTN算法的网络节点预测装置,该基于DTN算法的网络节点预测装置主要用于执行本发明实施例上述内容所提供的基于DTN算法的网络节点预测方法,以下对本发明实施例提供的基于DTN算法的网络节点预测装置做具体介绍。
图3是根据本发明实施例的一种基于DTN算法的网络节点预测装置的示意图,如图3所示,该基于DTN算法的网络节点预测装置主要包括预测单元31,确定单元32和评估单元33,其中:
预测单元31,用于预测目标空间网络中任意两个相邻节点的下一次相遇时间,其中,目标空间网络中包括起始节点,中间节点和目的节点,起始节点通过中间节点向目的节点传输数据包。
如上图2所示的即为一种目标空间网络的拓扑结构图,如上图2所示,在该目标空间网络拓扑结构中,网络节点A为起始节点,网络节点B、网络节点C和网络节点D为中间节点,网络节点E为目的节点,其中,网路节点A经过中间节点(网络节点B、网络节点C和网络节点D)中的部分节点向网络节点E传输数据包。
在本发明实施例中,主要是预测网络节点A,网络节点B,网络节点C,网络节点D和网络节点E中任意相邻两个节点的下一次相遇时间。如图2所示,网络节点A和网络节点B为相邻的节点,那么需要计算网络节点A和网络节点B下一次相遇的时间;网络节点D和网络节点B为相邻的节点,那么需要计算网络节点D和网络节点B下一次相遇的时间。需要说明的是,在本发明实施例中,上述节点可以选取为卫星。
确定单元32,用于根据预测到的下一次相遇时间确定目标传输路径,其中,目标传输路径为起始节点经过中间节点向目的节点传输数据包的路径,目标传输路径的数量至少为一个。
在本发明实施例中,在对下一次相遇时间进行预测之后,就能够根据预测结果初步确定路由决策,即,初步确定目标传输路径,其中,初步确定出的目标传输路径可以为一个,还可以为多个。具体地,可以根据上述预测单元预测得到的下一次相遇时间确定目标传输路径,其中,目标传输路径为起始节点经过中间节点向目的节点传输数据包的路径。
进一步地,每个目标传输路径中中间节点的数量可以为一个,还可以为多个,并且任意两个目标传输路径之间的中间节点部分相同或者完全不同。例如,如图2所示,能够确定出的网络节点A向目的节点E传输数据包的目标传输路径可以为:
路径1,网络节点A→网络节点B→网络节点D→网络节点E,其中,网络节点B和网络节点D为中间节点;
路径2,网络节点A→网络节点C→网络节点E,其中,网络节点C为中间节点;以及
路径3,网络节点A→网络节点B→网络节点E,其中,网络节点B为中间节点。
从路径1至路径3中可以看出,目标传输路径中中间节点的数量可以为一个,还可以为多个,并且,任意两个目标传输路径之间中间节点可以部分相同,还可以完全不相同。
图上2中所示的为一种简单目标空间网络结构的拓扑图,如果目标空间网络为一种复杂的网络结构,那么可以根据实际需要确定一个,或者,确定多个目标传输路径,具体地,用户可以预先设定一个条件,例如,目标传输路径的数量,使用目标传输路径进行数据传输的时间等信息。
评估单元33,用于通过代价函数对目标传输路径的传输性能进行风险评估,以根据评估结果在目标传输路径中确定最优传输路径,其中,传输性能包括以下至少之一:使用目标传输路径进行传输时数据的交付概率,使用目标传输路径进行数据传输时数据传输的延迟时间,使用目标传输路径进行数据传输时网络资源的利用率。
在本发明实施例中,当对目标空间网络中的节点进行路由决策时,必须承担决策带来的代价,即:选择的节点将数据包传递给目的节点所需要的延迟,所选择的目标传输路径的路径内存能否承载数据包的大小。因此,在确定最优传输路径时,不能完全依赖数学上的预测进行路由决策,否则就有可能做出错误的判断。
基于此,在本发明实施例中,可以通过代价函数对目标传输路径的传输性能进行风险评估,进而,根据风险评估结果确定最优传输路径。
在本发明实施例中,首先对目标空间网络中任意两个相邻节点的下一次相遇时间进行预测,然后,根据预测结果确定起始节点通过中间节点向目的节点传输数据包的至少一个目标传输路径,最后,对至少一个目标传输路径的传输性能进行风险评估,并根据风险评估结果在至少一个目标传输路径中确定最优传输路径。本发明实施例中,对路由决策进行进一步风险评估,能够更加准确地确定最优传输路径,达到了提高信息传输的效率的目的,进而缓解现有技术中通过空间网络进行信息传输时,传输效率较慢的技术问题。
图4是根据本发明实施例的一种可选地基于DTN算法的网络节点预测装置的示意图,如图4所示,预测单元31包括获取模块41,第一确定模块42,第二确定模块43和预测模块44,其中,获取模块,用于获取第一节点的路由信息表,其中,第一节点为目标空间网络中任意一个网络节点;第一确定模块,用于根据路由信息表确定第一节点的运动状态,以及确定第一节点与第二节点的历史运动数据,其中,历史运动数据表示第一节点与第二节点相遇的位置和时间,第二节点为目标空间网络中与第一节点相邻的至少一个节点;第二确定模块,用于根据运动状态和历史运动数据确定第一节点和第二节点的运动规律,以及确定第一节点和第二节点在当前时刻的上一时刻所处的位置;预测模块,用于根据运动规律和所处的位置预测第一节点和第二节点下一次相遇时间。
可选地,第二确定模块用于:以历史运动数据{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)}作为输入,以运动状态作为输出,构建状态转移方程,其中,(xn,yn,tn)表示第一节点x与第二节点y相遇的位置和时间;对状态转移方程进行求解,得到运动规律和所处的位置。
图5是根据本发明实施例的一种可选地基于DTN算法的网络节点预测装置的示意图,如图5所示,评估单元33包括:评估模块51和第三确定模块52,其中,评估模块,用于通过代价函数对每个目标传输路径中任意两个相邻节点之间的传输性能进行风险评估;第三确定模块,用于根据任意两个相邻节点之间传输性能的评估结果对目标传输路径的传输性能进行风险评估,得到目标传输路径的传输性能评估结果。
可选地,评估模块用于:通过代价函数的计算公式计算每个目标传输路径中任意两个相邻节点之间的代价函数,其中,B为任意两个相邻节点中的一个节点,D为任意两个相邻节点中节点B的下一跳节点;NBD为第一性能参数,表示节点B和节点D相遇的次数,用于对交付概率进行评估;Bpath为第二性能参数,表示节点B和节点D之间路径内存的大小,用于对延迟时间进行评估;S(TE-T)为第三性能参数,表示数据包所占用的节点B和节点D之间的网络内存资源,用于对网络资源的利用率进行评估;α为第一调节参数,β为第二调节参数,γ为第三调节参数,CBD表示节点B和节点D之间的代价函数。
可选地,第一调节参数与第一性能参数成正比,并与第二性能参数和第三性能参数成反比;第二调节参数与第二性能参数成正比,并与第一性能参数和第三性能参数成反比;第三调节参数与第三性能参数成正比,并与第二性能参数和第一性能参数成反比。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于DTN算法的网络节点预测方法,其特征在于,包括:
预测目标空间网络中任意两个相邻节点的下一次相遇时间,其中,所述目标空间网络中包括起始节点,中间节点和目的节点,所述起始节点通过所述中间节点向所述目的节点传输数据包;
根据预测到的所述下一次相遇时间确定目标传输路径,其中,所述目标传输路径为所述起始节点经过所述中间节点向所述目的节点传输所述数据包的路径,所述目标传输路径的数量至少为一个;
通过代价函数对所述目标传输路径的传输性能进行风险评估,以根据评估结果在所述目标传输路径中确定最优传输路径,其中,所述传输性能包括以下至少之一:使用所述目标传输路径进行传输时数据的交付概率,使用所述目标传输路径进行数据传输时数据传输的延迟时间,使用所述目标传输路径进行数据传输时网络资源的利用率。
2.根据权利要求1所述的方法,其特征在于,预测目标空间网络中任意两个相邻节点的下一次相遇时间包括:
获取第一节点的路由信息表,其中,所述第一节点为所述目标空间网络中任意一个网络节点;
根据所述路由信息表确定所述第一节点的运动状态,以及确定所述第一节点与第二节点的历史运动数据,其中,所述历史运动数据表示所述第一节点与所述第二节点相遇的位置和时间,所述第二节点为所述目标空间网络中与所述第一节点相邻的至少一个节点;
根据所述运动状态和所述历史运动数据确定所述第一节点和所述第二节点的运动规律,以及确定所述第一节点和所述第二节点在当前时刻的上一时刻所处的位置;
根据所述运动规律和所述所处的位置预测所述第一节点和所述第二节点下一次相遇时间。
3.根据权利要求2所述的方法,其特征在于,根据所述运动状态和所述历史运动数据确定所述第一节点和所述第二节点的运动规律,以及确定所述第一节点和所述第二节点在当前时刻的上一时刻所处的位置包括:
以历史运动数据{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)}作为输入,以运动状态作为输出,构建状态转移方程,其中,(xn,yn,tn)表示第一节点x与第二节点y相遇的位置和时间;
对所述状态转移方程进行求解,得到所述运动规律和所述所处的位置。
4.根据权利要求1所述的方法,其特征在于,通过代价函数对所述目标传输路径的传输性能进行风险评估包括:
通过所述代价函数对每个所述目标传输路径中任意两个相邻节点之间的传输性能进行风险评估;
根据所述任意两个相邻节点之间传输性能的评估结果对所述目标传输路径的传输性能进行风险评估,得到所述目标传输路径的传输性能评估结果。
5.根据权利要求4所述的方法,其特征在于,通过所述代价函数对每个所述目标传输路径中任意两个相邻节点之间的传输性能进行风险评估包括:
通过所述代价函数的计算公式计算每个所述目标传输路径中任意两个相邻节点之间的代价函数,
其中,B为所述任意两个相邻节点中的一个节点,D为所述任意两个相邻节点中节点B的下一跳节点;NBD为第一性能参数,表示节点B和节点D相遇的次数,用于对所述交付概率进行评估;Bpath为第二性能参数,表示所述节点B和所述节点D之间路径内存的大小,用于对所述延迟时间进行评估;S(TE-T)为第三性能参数,表示所述数据包所占用的所述节点B和所述节点D之间的网络内存资源,用于对所述网络资源的利用率进行评估;α为第一调节参数,β为第二调节参数,γ为第三调节参数,CBD表示所述节点B和所述节点D之间的代价函数。
6.根据权利要求5所述的方法,其特征在于,所述第一调节参数与所述第一性能参数成正比,并与所述第二性能参数和所述第三性能参数成反比;所述第二调节参数与所述第二性能参数成正比,并与所述第一性能参数和所述第三性能参数成反比;所述第三调节参数与所述第三性能参数成正比,并与所述第二性能参数和所述第一性能参数成反比。
7.一种基于DTN算法的网络节点预测装置,其特征在于,包括:
预测单元,用于预测目标空间网络中任意两个相邻节点的下一次相遇时间,其中,所述目标空间网络中包括起始节点,中间节点和目的节点,所述起始节点通过所述中间节点向所述目的节点传输数据包;
确定单元,用于根据预测到的所述下一次相遇时间确定目标传输路径,其中,所述目标传输路径为所述起始节点经过所述中间节点向所述目的节点传输所述数据包的路径,所述目标传输路径的数量至少为一个;
评估单元,用于通过代价函数对所述目标传输路径的传输性能进行风险评估,以根据评估结果在所述目标传输路径中确定最优传输路径,其中,所述传输性能包括以下至少之一:使用所述目标传输路径进行传输时数据的交付概率,使用所述目标传输路径进行数据传输时数据传输的延迟时间,使用所述目标传输路径进行数据传输时网络资源的利用率。
8.根据权利要求7所述的装置,其特征在于,所述预测单元包括:
获取模块,用于获取第一节点的路由信息表,其中,所述第一节点为所述目标空间网络中任意一个网络节点;
第一确定模块,用于根据所述路由信息表确定所述第一节点的运动状态,以及确定所述第一节点与第二节点的历史运动数据,其中,所述历史运动数据表示所述第一节点与所述第二节点相遇的位置和时间,所述第二节点为所述目标空间网络中与所述第一节点相邻的至少一个节点;
第二确定模块,用于根据所述运动状态和所述历史运动数据确定所述第一节点和所述第二节点的运动规律,以及确定所述第一节点和所述第二节点在当前时刻的上一时刻所处的位置;
预测模块,用于根据所述运动规律和所述所处的位置预测所述第一节点和所述第二节点下一次相遇时间。
9.根据权利要求8所述的装置,其特征在于,所述第二确定模块用于:
以历史运动数据{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)}作为输入,以运动状态作为输出,构建状态转移方程,其中,(xn,yn,tn)表示第一节点x与第二节点y相遇的位置和时间;
对所述状态转移方程进行求解,得到所述运动规律和所述所处的位置。
10.根据权利要求7所述的装置,其特征在于,所述评估单元包括:
评估模块,用于通过所述代价函数对每个所述目标传输路径中任意两个相邻节点之间的传输性能进行风险评估;
第三确定模块,用于根据所述任意两个相邻节点之间传输性能的评估结果对所述目标传输路径的传输性能进行风险评估,得到所述目标传输路径的传输性能评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710006237.4A CN106714265B (zh) | 2017-01-05 | 2017-01-05 | 基于dtn算法的网络节点预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710006237.4A CN106714265B (zh) | 2017-01-05 | 2017-01-05 | 基于dtn算法的网络节点预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106714265A true CN106714265A (zh) | 2017-05-24 |
CN106714265B CN106714265B (zh) | 2019-09-24 |
Family
ID=58906759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710006237.4A Active CN106714265B (zh) | 2017-01-05 | 2017-01-05 | 基于dtn算法的网络节点预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106714265B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108566614A (zh) * | 2017-11-06 | 2018-09-21 | 南京大学 | 一种面向时延容忍网络的端到端通信方法与系统 |
WO2020147081A1 (zh) * | 2019-01-17 | 2020-07-23 | 深圳市柔宇科技有限公司 | 一种数据传输方法、相关设备及计算机存储介质 |
CN113743849A (zh) * | 2020-06-12 | 2021-12-03 | 北京京东振世信息技术有限公司 | 一种物流任务运输方法和装置 |
CN116669019A (zh) * | 2023-07-28 | 2023-08-29 | 江苏飞梭智行设备有限公司 | 一种无人驾驶车辆轨道通信加密方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101977226A (zh) * | 2010-10-28 | 2011-02-16 | 北京航空航天大学 | 一种新型的机会网络数据传输方法 |
CN102316546A (zh) * | 2011-10-02 | 2012-01-11 | 西安电子科技大学 | 基于连通时序的多路径路由选择方法 |
CN103200041A (zh) * | 2013-03-04 | 2013-07-10 | 北京航空航天大学 | 基于历史数据的容迟容断网络节点相遇概率预测方法 |
WO2016022038A1 (en) * | 2014-08-08 | 2016-02-11 | Motorola Solutions, Inc | Method, device, and system for back-end assisted communication routing in a disruption tolerant network of mobile stations |
CN105791120A (zh) * | 2016-05-03 | 2016-07-20 | 哈尔滨工业大学深圳研究生院 | 机会网络中一种高效路由算法 |
-
2017
- 2017-01-05 CN CN201710006237.4A patent/CN106714265B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101977226A (zh) * | 2010-10-28 | 2011-02-16 | 北京航空航天大学 | 一种新型的机会网络数据传输方法 |
CN102316546A (zh) * | 2011-10-02 | 2012-01-11 | 西安电子科技大学 | 基于连通时序的多路径路由选择方法 |
CN103200041A (zh) * | 2013-03-04 | 2013-07-10 | 北京航空航天大学 | 基于历史数据的容迟容断网络节点相遇概率预测方法 |
WO2016022038A1 (en) * | 2014-08-08 | 2016-02-11 | Motorola Solutions, Inc | Method, device, and system for back-end assisted communication routing in a disruption tolerant network of mobile stations |
CN105791120A (zh) * | 2016-05-03 | 2016-07-20 | 哈尔滨工业大学深圳研究生院 | 机会网络中一种高效路由算法 |
Non-Patent Citations (1)
Title |
---|
王伟涛: "《基于历史区域和邻居关系的DTN路由算法设计》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108566614A (zh) * | 2017-11-06 | 2018-09-21 | 南京大学 | 一种面向时延容忍网络的端到端通信方法与系统 |
CN108566614B (zh) * | 2017-11-06 | 2020-08-14 | 南京大学 | 一种面向时延容忍网络的端到端通信方法与系统 |
WO2020147081A1 (zh) * | 2019-01-17 | 2020-07-23 | 深圳市柔宇科技有限公司 | 一种数据传输方法、相关设备及计算机存储介质 |
CN113743849A (zh) * | 2020-06-12 | 2021-12-03 | 北京京东振世信息技术有限公司 | 一种物流任务运输方法和装置 |
CN116669019A (zh) * | 2023-07-28 | 2023-08-29 | 江苏飞梭智行设备有限公司 | 一种无人驾驶车辆轨道通信加密方法 |
CN116669019B (zh) * | 2023-07-28 | 2023-10-27 | 江苏飞梭智行设备有限公司 | 一种无人驾驶车辆轨道通信加密方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106714265B (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113572686B (zh) | 一种基于SDN的天地一体化自适应动态QoS路由方法 | |
CN105897329B (zh) | 基于多目标决策的leo卫星网络多业务路由优化方法 | |
CN104734372B (zh) | WRSNs中联合地理位置路由的能量自适应充电方法 | |
CN108401015A (zh) | 一种基于深度强化学习的数据中心网络路由方法 | |
Ahuja et al. | Network selection criterion for ubiquitous communication provisioning in smart cities for smart energy system | |
CN106714265B (zh) | 基于dtn算法的网络节点预测方法和装置 | |
CN102710489B (zh) | 动态分流调度系统和方法 | |
CN110505153A (zh) | 一种天地一体化的混合路由方法 | |
CN105282038B (zh) | 用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法 | |
CN102571571A (zh) | 一种应用于时延容忍网络的多层次有效路由方法 | |
CN103746852B (zh) | 业务路由配置方法及网络管理设备 | |
CN111970044A (zh) | 基于拉格朗日松弛的卫星网络时隙分配与路由规划方法 | |
CN111130853B (zh) | 一种基于时间信息的软件定义车辆网络的未来路由预测方法 | |
CN103259744A (zh) | 一种基于分簇的移动虚拟网络映射方法 | |
CN107302396B (zh) | 基于混合策略的动态星间网络路由规划方法 | |
Tang et al. | Federated learning for intelligent transmission with space-air-ground integrated network (SAGIN) toward 6G | |
CN107113188A (zh) | 基于云的接入网络 | |
CN106789744A (zh) | 基于融合网络虚拟化带有时延感知的高吞吐资源调度方法 | |
CN103929782A (zh) | 一种适用于工业无线传感器网络的资源均衡多径路由方法 | |
CN103888976A (zh) | 一种联合网络调度和路由的链路选择方法 | |
Han et al. | Time-varying topology model for dynamic routing in LEO satellite constellation networks | |
CN104581817A (zh) | 一种移动自组织网络中动态最短路径加权路由方法 | |
CN105472484A (zh) | 一种电力骨干光传输网波道均衡路由波长分配方法 | |
CN106105282B (zh) | 利用链路缓冲区状态进行流量工程的系统和方法 | |
CN117478518A (zh) | 一种图卷积神经网络辅助的大数据存储转发调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |