CN107360480B - 一种基于负载均衡的onu分组规划方法 - Google Patents

Abstract

本发明属于通讯技术领域，更具体地，涉及一种基于负载均衡的ONU分组规划方法。该方法立足于网络的负载均衡程度，用网络均衡度进行衡量，提出了基于多层编码遗传算法的ONU分组规划方法；首先综合考虑经济性、负载均衡和时延要求，建立成本模型、负载均衡模型和网络时延模型；其次通过规划AP的数量和位置和ONU的接入方式，在保证接入容量限制和业务分布约束的条件下，基于多层编码的遗传算法得到成本最优的规划方案。最后利用遗传算法工具箱进行仿真，表明本专利提出的方法可以在保证负载均衡、时延以及业务分布约束要求下，实现建设成本的最优。

Description

一种基于负载均衡的ONU分组规划方法

技术领域

本发明属于通讯技术领域，更具体地，涉及一种基于负载均衡的ONU分组规划方法。

背景技术

随着智能配电网络规模不断扩大，电网中不确定因素的增多，当前的配电网规划不应仅考虑技术经济性，也应关注网络的可靠性、负载均衡等问题。针对EPON(EthernetPassive Optical Network，以太网无源光网络)具有用户规模大，用户带宽需求大的特点，在进行OLT(Optical Line Terminal，光线路终端)和ONU(Optical Network Unit，光网络单元)规划时如仅考虑技术经济性，会降低用户的服务质量；同时，由于线路变长，会造成严重的传输损耗和较高的建设成本。对ONU进行分组管理，在考虑负载均衡的基础上进行规划，经过AP(Access Point，接入点)汇聚之后接入到OLT，可以实现在对网络资源的有效利用，因此深入研究ONU基于负载均衡的分组规划技术是必要的。基于传统的无源光接入网，经过分光器之后，每个出口会通过光纤与一个ONU相连接，如果一个区域内的ONU个数过多，那么就会要求具有多个输出端口的分光器，或者需要多个分光器，但是这种做法必然会增加网络成本和传输损耗。目前EPON规划技术中并未考虑分组管理和负载均衡，这将导致网络间的负载不均衡、可接入网络的整体资源不能得到充分利用，资源分配不合理。无法根据EPON在忙闲时的业务负载程度的差异性进行规划，缺乏对网络负载程度的动态适应性。

中国专利CN102307357A公开了一种网络规划方法及系统，该方法包括对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息，根据所述网络参数信息进行网络规划，进一步，本发明利用遗传算法和禁忌搜索算法相结合的方式，利用遗传算法寻找可行解，再利用禁忌搜索算法在可行解的基础上得到最优解，使得最终的网络规划方案精度更高，虽然解了决基于现有技术不完善的站点挑选方法，但是迭代过程需要耗费大量的时间和人力，而且对站点的挑选精确度不高。

中国专利CN102981099A公开了一种基于遗传算法的配电网单相接地故障定位方法及定位装置，该定位方法充分利用了零序电流暂态分量，通过小波变换提取零序电流的准确相位信息，并利用具有出色全局寻优能力的遗传算法来搜寻故障区段，但是该方法适用的场景有限，而且实现起来比较复杂，实现时处理工作量大大增加，负担和代价比较大。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于负载均衡的ONU分组规划方法，本发明立足于网络的负载均衡程度，用网络均衡度进行衡量，提出了基于多层编码遗传算法的ONU分组规划方法。

为解决上述问题，本发明提供的技术方案是：一种基于负载均衡的ONU分组规划方法，其中，包括以下步骤：

S1.建立指标模型；

S2.构建分组规划模型；

S3.求解最优解；

所述的指标模型包括成本模型、网络均衡度模型、网络时延模型、接入容量约束模型以及业务分布约束模型；

所述的成本模型是利用线缆成本和AP站点建设成本所构建的；

所述的网络均衡度模型是利用分组个数和单个分组的负载总量所构建的；

所述的网络时延模型是利用链路中的传输时延、处理时延以及等待处理的队列长度所构建的；

所述的接入容量约束模型是指规划方案中的ONU全部接入到AP中，且每个ONU接入到一个AP；AP的作用类似于ODN，一方面AP使用一根光纤与分光器的一个输出端口连接，另一方面，AP与每个ONU相连接。所以AP可接入的ONU终端数量有限，这就要求规划方案中的ONU必须全部接入到AP中，不能出现信息孤岛，且每个ONU只能接入到一个AP。

所述的业务分布约束模型是将电力业务进行等级划分，并保证最优等级的业务比例不超过阀值；

所述的分组规划模型是利用网络均衡度、网络时延、接入容量约束以及业务分布约束所构建的数学模型；

所述的求解最优解是利用染色体多层编码的遗传算法来计算最优解。

进一步地，所述的成本模型为：其中M表示建设AP的数量，c₁为AP的建设成本，l_ij为表示终端i接入到APj的线缆长度，c₂为单位长度的光纤成本。

进一步地，所述的单个分组的负载总量为：其中，h为该分组的ONU终端数量，l_i、l'_i、l”_i、l”'_i分别为四个不同时段各个终端的负载值。

进一步地，所述的网络均衡度模型为：其中，M为分组个数，为单个分组占整个系统总负载的比率。基于熵理论可得，网络的负载分布越均衡，网络均衡度的值越大，网络分布越不均衡，网络均衡度的值越小，当各个分组的网络负载完全均衡时，相当于时，网络均衡度的值达到最大，同时，必须保证单个分组的负载其中L₀为单个分组的负载阈值。

进一步地，所述的网络时延模型包括总时延模型和平均时延模型，所述的总时延模型为：其中，t_tra为链路中的传输时延，t_pro为处理时延，l_p为等待处理的队列长度；所述的平均时延模型为：

进一步地，所述的业务分布约束分为最高优先服务等级、较高优先服务等级、中等优先服务等级以及低优先服务等级。考虑到用户的业务需求，且每种业务所要求的服务质量是有所差异的，本发明根据业务不同的需求和服务质量的要求，对电力业务进行等级划分，具体分为最高优先服务等级、较高优先服务等级、中等优先服务等级以及低优先服务等级；单个分组内各个等级的业务数量分别为n_i0、n_i1、n_i2、n_i3，保证最高优先服务等级的业务比例不超过阈值，即

r_n＝n_i0/(n_i0+n_i1+n_i2+n_i3)<n'。

进一步地，所述的分组规划的数学模型为：

其中，E₀为网络均衡度的阈值，L₀为单个分组负载的阈值；t₀为网络平均时延的阈值；n'为业务比例的阈值，可根据不同业务需求进行相应的调整，N'为规划方案中AP能接入的ONU终端的数量。

进一步地，所述的染色体的多层编码分为两部分，第一部分为长度为M的二进制编码，表示AP站点建设的数量和位置；另一部分为长度为N的整数编码，表示ONU终端接入到的AP的编号，即确定分组方式。多层编码遗传算法的关键是染色体的多层编码，本发明的染色体编码分为两部分：第一部为长度为M的二进制编码，表示AP站点建设的数量和位置，例如染色体编码为S_v1＝{101101001}，则表示第1、3、4、6、9个待选站点建设为AP，即确定分组个数和位置，共有5个ONU分组；第二部分为长度为N的整数编码，依次表示ONU终端接入到的AP的编号，即确定分组方式。

进一步地，还包括染色体适应度函数，所述的染色体适应度函数为网络的总体建设成本，即为：其中，A-C(S_v)表示染色体的经济成本；A是一个大数，保证成本值始终为正。由上式可以看出，只有同时满足网络均衡度、平均时延、接入容量限制以及业务分布约束的条件下，染色体适应度才有值，否则为0。

进一步地，所述的染色体多层编码的遗传算法包括以下步骤：

S1.初始化种群；设置种群初始值，采用多层编码，第一部为长度为M的二进制编码，表示AP站点建设的数量和位置，第二部分为长度为N的整数编码，依次表示ONU终端接入到的AP的编号；

S2.染色体适应度由经济性、网络均衡度、平均时延、业务分布约束共同决定；

S3.染色体进行交叉和变异；

S4.计算染色体适应度并选择染色体，选择算子采用正比于染色体适应度的算子，式中Q(s_v)是染色体s_v的选择概率；

S5.若符合要求，则算法结束；若不符合，重复上述交叉和变异过程，计算新的种群。

与现有技术相比，有益效果是：本发明提供的一种基于负载均衡的ONU分组规划方法，该方法立足于网络的负载均衡程度，用网络均衡度进行衡量，提出了基于多层编码遗传算法的ONU分组规划方法；首先综合考虑经济性、负载均衡和时延要求，建立成本模型、负载均衡模型和网络时延模型；其次通过规划AP的数量和位置和ONU的接入方式，在保证接入容量限制和业务分布约束的条件下，基于多层编码的遗传算法得到成本最优的规划方案。最后利用遗传算法工具箱进行仿真，表明本专利提出的方法可以在保证负载均衡、时延以及业务分布约束要求下，实现建设成本的最优。

附图说明

图1为本发明多层编码的遗传算法的流程图。

具体实施方式

一种基于负载均衡的ONU分组规划方法，其中，包括以下步骤：

S1.建立指标模型；

S2.构建分组规划模型；

S3.求解最优解；

指标模型包括成本模型、网络均衡度模型、网络时延模型、接入容量约束模型以及业务分布约束模型；

成本模型是利用线缆成本和AP站点建设成本所构建的；

网络均衡度模型是利用分组个数和单个分组的负载总量所构建的；

网络时延模型是利用链路中的传输时延、处理时延以及等待处理的队列长度所构建的；

接入容量约束模型是指规划方案中的ONU全部接入到AP中，且每个ONU接入到一个AP；AP的作用类似于ODN，一方面AP使用一根光纤与分光器的一个输出端口连接，另一方面，AP与每个ONU相连接。所以AP可接入的ONU终端数量有限，这就要求规划方案中的ONU必须全部接入到AP中，不能出现信息孤岛，且每个ONU只能接入到一个AP。

业务分布约束模型是将电力业务进行等级划分，并保证最优等级的业务比例不超过阀值；

分组规划模型是利用网络均衡度、网络时延、接入容量约束以及业务分布约束所构建的数学模型；

求解最优解是利用染色体多层编码的遗传算法来计算最优解。

具体地，成本模型为：其中M表示建设AP的数量，c₁为AP的建设成本，l_ij为表示终端i接入到APj的线缆长度，c₂为单位长度的光纤成本。

其中，单个分组的负载总量为：其中，h为该分组的ONU终端数量，l_i、l'_i、l”_i、l”'_i分别为四个不同时段各个终端的负载值。

另外，网络均衡度模型为：其中，M为分组个数，为单个分组占整个系统总负载的比率。基于熵理论可得，网络的负载分布越均衡，网络均衡度的值越大，网络分布越不均衡，网络均衡度的值越小，当各个分组的网络负载完全均衡时，相当于时，网络均衡度的值达到最大，同时，必须保证单个分组的负载其中L₀为单个分组的负载阈值。

其中，网络时延模型包括总时延模型和平均时延模型，总时延模型为：其中，t_tra为链路中的传输时延，t_pro为处理时延，l_p为等待处理的队列长度；所述的平均时延模型为：

另外，业务分布约束分为最高优先服务等级、较高优先服务等级、中等优先服务等级以及低优先服务等级。考虑到用户的业务需求，且每种业务所要求的服务质量是有所差异的，本发明根据业务不同的需求和服务质量的要求，对电力业务进行等级划分，具体分为最高优先服务等级、较高优先服务等级、中等优先服务等级以及低优先服务等级；单个分组内各个等级的业务数量分别为n_i0、n_i1、n_i2、n_i3，保证最高优先服务等级的业务比例不超过阈值，即r_n＝n_i0/(n_i0+n_i1+n_i2+n_i3)<n'。

其中，分组规划的数学模型为：

其中，E₀为网络均衡度的阈值，L₀为单个分组负载的阈值；t₀为网络平均时延的阈值；n'为业务比例的阈值，可根据不同业务需求进行相应的调整，N'为规划方案中AP能接入的ONU终端的数量。

另外，染色体的多层编码分为两部分，第一部分为长度为M的二进制编码，表示AP站点建设的数量和位置；另一部分为长度为N的整数编码，表示ONU终端接入到的AP的编号，即确定分组方式。多层编码遗传算法的关键是染色体的多层编码，本发明的染色体编码分为两部分：第一部为长度为M的二进制编码，表示AP站点建设的数量和位置，例如染色体编码为S_v1＝{101101001}，则表示第1、3、4、6、9个待选站点建设为AP，即确定分组个数和位置，共有5个ONU分组；第二部分为长度为N的整数编码，依次表示ONU终端接入到的AP的编号，即确定分组方式。

其中，还包括染色体适应度函数，所述的染色体适应度函数为网络的总体建设成本，即为：其中，A-C(S_v)表示染色体的经济成本；A是一个大数，保证成本值始终为正。由上式可以看出，只有同时满足网络均衡度、平均时延、接入容量限制以及业务分布约束的条件下，染色体适应度才有值，否则为0。

如图1所示，染色体多层编码的遗传算法包括以下步骤：

S1.初始化种群；设置种群初始值，采用多层编码，第一部为长度为M的二进制编码，表示AP站点建设的数量和位置，第二部分为长度为N的整数编码，依次表示ONU终端接入到的AP的编号；

S2.染色体适应度由经济性、网络均衡度、平均时延、业务分布约束共同决定；

S3.染色体进行交叉和变异；

S4.计算染色体适应度并选择染色体，选择算子采用正比于染色体适应度的算子，式中Q(s_v)是染色体s_v的选择概率；

S5.若符合要求，则算法结束；若不符合，重复上述交叉和变异过程，计算新的种群。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (2)

1.一种基于负载均衡的ONU分组规划方法，其特征在于，包括以下步骤：

S1.建立指标模型；

S2.构建分组规划模型；

S3.求解最优解；

所述的指标模型包括成本模型、网络均衡度模型、网络时延模型、接入容量约束模型以及业务分布约束模型；所述的成本模型是利用线缆成本和AP站点建设成本所构建的；所述的网络均衡度模型是利用分组个数和单个分组的负载总量所构建的；所述的网络时延模型是利用链路中的传输时延、处理时延以及等待处理的队列长度所构建的；所述的接入容量约束模型是指规划方案中的ONU全部接入到AP中，且每个ONU接入到一个AP；所述的业务分布约束模型是将电力业务进行等级划分，并保证最优等级的业务比例不超过阀值；所述的业务分布约束分为最高优先服务等级、较高优先服务等级、中等优先服务等级以及低优先服务等级；所述的分组规划模型是利用网络均衡度、网络时延、接入容量约束以及业务分布约束所构建的数学模型；所述的求解最优解是利用染色体多层编码的遗传算法来计算最优解；其中，

所述的成本模型为：

其中M表示建设AP的数量，c₁为AP的建设成本，l_ij为表示终端i接入到APj的线缆长度，c₂为单位长度的光纤成本；

所述的单个分组的负载总量为：

其中，h为该分组的ONU终端数量，l_i、l′_i、l″_i、l″′_i分别为四个不同时段各个终端的负载值；

所述的网络均衡度模型为：

其中，M为分组个数，为单个分组占整个系统总负载的比率；

所述的网络时延模型包括总时延模型和平均时延模型，所述的总时延模型为：其中，t_tra为链路中的传输时延，t_pro为处理时延，l_p为等待处理的队列长度；所述的平均时延模型为：

所述的分组规划的数学模型为：

其中，E₀为网络均衡度的阈值，L₀为单个分组负载的阈值；t₀为网络平均时延的阈值；n'为业务比例的阈值，可根据不同业务需求进行相应的调整，N'为规划方案中AP能接入的ONU终端的数量；

所述的染色体多层编码的遗传算法包括以下步骤：

S1.初始化种群；设置种群初始值，采用多层编码，第一部为长度为M的二进制编码，表示AP站点建设的数量和位置，第二部分为长度为N的整数编码，依次表示ONU终端接入到的AP的编号；

S2.染色体适应度由经济性、网络均衡度、平均时延、业务分布约束共同决定；

S3.染色体进行交叉和变异；

S4.计算染色体适应度并选择染色体，选择算子采用正比于染色体适应度的算子，式中Q(s_v)是染色体s_v的选择概率；

其中，染色体适应度函数为网络的总体建设成本，即为：其中，A-C(S_v)表示染色体的经济成本；A是一个大数，保证成本值始终为正；

S5.若符合要求，则算法结束；若不符合，重复上述交叉和变异过程，计算新的种群。

2.根据权利要求1所述的一种基于负载均衡的ONU分组规划方法，其特征在于，所述的染色体的多层编码分为两部分，第一部分为长度为M的二进制编码，表示AP站点建设的数量和位置；另一部分为长度为N的整数编码，表示ONU终端接入到的AP的编号，即确定分组方式。