CN107749819A - 一种栅格网络条件下的路由选择方法及装置 - Google Patents
一种栅格网络条件下的路由选择方法及装置 Download PDFInfo
- Publication number
- CN107749819A CN107749819A CN201710827837.7A CN201710827837A CN107749819A CN 107749819 A CN107749819 A CN 107749819A CN 201710827837 A CN201710827837 A CN 201710827837A CN 107749819 A CN107749819 A CN 107749819A
- Authority
- CN
- China
- Prior art keywords
- node
- network
- combination
- route
- individual
- 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
- H04L45/14—Routing performance; Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供一种栅格网络条件下的路由选择方法及装置,所述方法包括:源节点确定网络拓补结构、网络的状态参数以及该源节点对应的N个目的节点;该源节点根据该网络拓补结构、该网络的状态参数以及适应度函数,利用遗传算法对该源节点至该N个目的节点的最优路由组合的选择问题进行求解,获得最优解集;其中,在根据适应度函数以及该网络的状态参数对该最优路由组合的选择问题进行求解的过程中,实时更新该网络的状态参数;该源节点根据该最优解集确定满足该栅格网络条件下的服务质量QoS要求的最优路由组合,该栅格网络条件下的QoS要求包括对路由组合的代价的要求和对路由组合的带宽性能的要求。
Description
技术领域
本发明涉及通信技术域,特别涉及一种栅格网络条件下的路由选择方法及装置。
背景技术
栅格网络对数据传输的服务质量(Quality of Service,QoS)要求苛刻,比如网络需要根据轻重缓急,研究和分配网络带宽,使所有的信息交换成为“即插即用”。其中,路由选择机制是保证栅格网络QoS的关键,但现有技术中的路由选择机制,比如“最短路径”选择机制,只能达到“尽力而为”的数据传输的效果,不能满足栅格网络条件下的QoS要求。
发明内容
本发明实施例提供一种路由选择方法及装置,用于解决现有的路由选择机制不能满足栅格网络条件下的QoS要求的技术问题。
本发明实施例第一方面提供一种栅格网络条件下的路由选择方法,应用于所述网络中的每一个源节点,所述方法包括:
源节点确定网络拓补结构、网络的状态参数以及所述源节点对应的N个目的节点,所述网络的状态参数包括节点的状态参数和链路的状态参数,所述源节点为网络中的任一节点,所述N为大于等于2的正整数;
所述源节点根据所述网络拓补结构、适应度函数以及所述网络的状态参数,利用遗传算法对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集;其中,所述适应度函数的模型根据所述栅格网络条件下的QoS要求以及所述网络的状态参数的种类确定,以使所述适应度函数表征所述源节点至所述N个目的节点的路由组合的代价和带宽性能,所述网络的状态参数中的至少一项作为所述适应度函数的自变量;在根据所述网络拓补结构、所述网络的状态参数以及适应度函数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数;
所述源节点根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合,所述栅格网络条件下的QoS要求包括对路由组合的代价的要求和对路由组合的带宽性能的要求。
在上述方案中,利用遗传算法对栅格网络条件下的多个目的节点的最优路由组合的选择进行求解,遗传计算所使用的适应度函数模型是根据栅格网络的QoS要求的内容以及栅格网络的状态参数的种类所确定,使得适应度函数可以表征栅格网络中路由组合整体的代价和带宽性能,进而使得根据遗传计算结果确定出的最优路由组合可以很好地满足栅格网络对路由的代价、带宽性能等的QoS要求;其次,上述方案在根据适应度函数以及所述网络的状态参数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数,使得源节点在网络切换时能够迅速确定新的网络状态参数,并根据新网络状态参数进行最优路由的选择计算,进而满足栅格网络对最优路由选择的网络带宽自适应的苛刻要求。
可选的,所述网络的状态参数包括节点的延迟、节点的丢包率、节点的抖动、链路的代价、链路的可用带宽以及链路的延迟中的至少一项。
可选的,在所述源节点确定所述N个目的节点之前,所述方法还包括:从原始的R个目的节点中确定出抖动小于第一预定值的目的节点,获得所述N个目的节点;其中,X不小于N。通过本方式,可有效简化问题规模和适应度函数的复杂性,从而大大减少遗传算法的计算时间。
可选的,在所述源节点确定所述N个目的节点之前,所述方法还包括:确定所述N个目标节点中每个目的节点的抖动小于第一预定值。
可选的,在所述源节点根据适应度函数,利用遗传算法对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解之前,所述方法还包括:所述源节点根据所述网络的状态参数确定网络中的特征元素,所述特征元素包括无效节点、无效链路、必经节点以及必经链路中的至少一项;所述无效节点为不参与所述路由选择的节点、所述无效链路为不参与所述路由选择的链路;所述必经节点为所述最优路由组合必经的节点;所述必经链路为所述最优路由组合必经的链路;所述源节点根据所述特征元素确定所述源节点利用所述遗传算法对所述最优路由组合的选择问题进行求解所使用的网络拓扑结构。通过本方式,可根据一定的预先知识,确定出一些特征元素,并根据特征元素对网络拓扑进行过滤,可有效简化问题规模和适应度函数的复杂性,进一步减少遗传算法的计算时间,提高遗传算法的鲁棒性。
可选的,所述无效链路包括:可用带宽小于阈值带宽的链路。通过本方式,可有效简化问题规模和适应度函数的复杂性,进一步减少遗传算法的计算时间,满足栅格网络条件下对路由选择的实时性要求。
可选的,所述源节点根据适应度函数,利用遗传算法对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集,包括以下步骤:(1)所述源节点采用二进制编码方式对所述网络拓扑结构进行编码,并根据编码后网络拓扑结构,随机生成第一代种群,所述第一代种群的个体数量为A,A为正整数;(2)所述源节点更新所述网络的状态参数;根据更新后的网络的状态参数确定最新一代种群中的每一个个体组合对应的状态参数;根据所述每一个个体组合对应的状态参数以及所述适应度函数分别对每一个个体组合进行适应度评判,根据适应度评判结果从所述最新一代种群中的所有个体组合中挑选出P个个体组合;其中,一个所述个体组合表征所述源节点至所述N个目的节点的路由的一种组合,所述P个个体组合中任一个体组合对应的适应度函数的值F大于所述最新一代种群中的所有个体组合中除所述P个个体组合外的任一个体组合对应的F,P为正整数;(3)所述源节点对所述P个个体组合包括的个体进行复制、交叉和变异操作,生成下一代种群;其中,所述下一代种群的个体数量等于A;(4)所述源节点确定所述下一代种群中满足约束条件的个体组合,将确定的满足所述约束条件的个体组合及其对应的F添加到待选解集列表S中;(5)所述源节点判断所述下一代种群是否符合终止迭代条件;若满足终止迭代条件,则从所述S中挑选出对应F最大的个体组合,将其作为所述最优解集;若不满足,执行步骤(2)。通过本方式,利用遗传算法对多个目的节点的最优路由组合的选择进行求解,能够满足栅格网络条件下的QoS要求。
可选的,所述约束条件包括:个体组合表征的路由组合中的没有循环路由,以及个体组合表征的路由组合包含的路由中没有不存在的链路;或者个体组合表征的路由组合中的没有循环路由、个体组合表征的路由组合包含的路由中没有不存在的链路以及个体组合表征的路由组合对应的带宽性能的特征值小于第二预定值。通过本方式提供的约束条件,可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,所述终止迭代条件包括:所述下一代种群为第Q代种群,Q为大于1的正整数;或者所述下一代种群中满足所述约束条件的个体组合的数量大于三预定值;或者所述下一代种群中存在对应F值大于第四预定值的个体组合;或者所述S中的个体组合的数量超过第五预定值;或者所述S中存在对应F值大于第六预定值的个体组合。通过本方式,可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,在所述下一代种群不符合所述终止迭代条件时,如果所述下一代种群中满足所述约束条件的个体组合的个数大于第七预定值,则增大变异概率,并采用增大后的变异概率进行下一次迭代。通过本方式提供的终止迭代条件,可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,所述源节点对所述P个个体组合包括的个体进行所述交叉操作,包括:所述源节点采用“与”运算和“或”运算的方式对所述P个个体组合包括的个体进行交叉操作。通过本方式提供的交叉方式,可以使得遗传算法迅速收敛于局部最优解,直至全局最优解,可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,所述源节点对所述P个个体组合包括的个体进行所述变异操作,包括:所述源节点采用点位变异方式对所述P个个体组合包括的个体进行变异操作。通过本方式提供的变异方式,可以使得遗传算法迅速收敛于局部最优解,直至全局最优解,可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,F越大,所述F对应的个体组合所表征的路由组合的代价的特征值和带宽性能的特征值越大;所述源节点根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合,包括:所述源节点对所述最优解集进行补码运算,并对补码后的最优解集进行解码运算,获得所述最优路由组合。通过本方式,可以使得最终得到的最优路由组合的整体代价最小、带宽性能最优,同时可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,所述适应度函数可以表征为:其中,K表征所述N个目的节点中的第K个目的节点,F1 k表征所述源节点到所述第K个目的节点的路由的代价,F3 k表征所述源节点到所述第K个目的源节点的路由的带宽性能的特征值,t1、t3为归一化系数,t1≥0,t3≥0。通过本方式,可以使得最终得到的最优路由组合的整体代价最小、带宽性能最优,同时可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,所述F1 k具体可以表征为:其中,n表征网络拓扑结构中的节点的总数;表征节点i和节点j之间的链路lij在所述源节点到所述第K个目的节点的路由上;表征所述链路lij不在所述源节点到所述第K个目的节点的路由上;LCij为所述链路lij的代价;M为所述N个节点中的第M个目的节点;表征所述链路lij在所述源节点到所述第M个目的节点的路由上,表征所述链路lij不在所述源节点到所述第M个目的节点的路由上;所述F3 k具体可以表征为:其中,e1≥0,e2≥0;
其中,DLij为所述链路lij的延迟、DNi为节点i的延迟,表征节点i在所述源节点到所述第K个目的节点的路由上,表征节点i不在所述源节点到所述第K个目的节点的路由上;LRi表征节点i的丢包率;Du、Lu为经验值。通过本方式,可以使得最终得到的最优路由组合的整体代价最小、带宽性能最优,同时可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
可选的,所述适应度函数还可以表征为:其中,t1、t2、t3为归一化系数,t1≥0,t2≥0,t3≥0;所述约束条件包括:F2=0、F3=0以及个体组合表征的路由组合中的没有循环路由。通过本方式,可以使得最终得到的最优路由组合的整体代价最小、带宽性能最优,同时可有效减少遗传算法的计算时间,减少迭代次数,满足栅格网络条件下的QoS要求。
本发明实施例第二方面提供一种栅格网络条件下的路由选择装置,包括:确定单元,用于确定网络拓补结构、网络的状态参数以及所述装置所在节点对应的N个目的节点,所述网络的状态参数包括节点的状态参数和链路的状态参数,所述装置所在节点为网络中的任一节点,所述N为大于等于2的正整数;处理单元,用于根据所述网络拓补结构、所述网络的状态参数以及适应度函数,利用遗传算法对所述装置所在节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集;其中,所述适应度函数的模型根据所述栅格网络条件下的QoS要求以及所述网络的状态参数的种类确定,以使所述适应度函数表征所述源节点至所述N个目的节点的路由组合的代价和带宽性能,所述网络的状态参数中的至少一项作为所述适应度函数的自变量;在根据所述网络拓补结构、所述网络的状态参数以及适应度函数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数;根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合,所述栅格网络条件下的QoS要求包括对路由组合的代价的要求和对路由组合的带宽性能的要求。
可选的,所述状网络的态参数包括节点的延迟、节点的丢包率、节点的抖动、链路的代价、链路的可用带宽以及链路的延迟中的至少一项。
可选的,所述确定单元还用于:在确定所述N个目的节点之前,从原始的R个目的节点中确定出抖动小于第一预定值的目的节点,获得所述N个目的节点;其中,X不小于N。
可选的,在所述确定单元还用于:在确定所述N个目的节点之前,确定所述N个目标节点中每个目的节点的抖动小于第一预定值。
可选的,所述确定单元还用于:在所述处理单元根据适应度函数,利用遗传算法对所述装置所在节点至所述N个目的节点的最优路由组合的选择问题进行求解之前,根据所述网络的状态参数确定网络中的特征元素;根据所述特征元素确定所述处理单元利用所述遗传算法对所述最优路由组合的选择问题进行求解所使用的网络拓扑结构;其中,所述特征元素包括无效节点、无效链路、必经节点以及必经链路中的至少一项;所述无效节点为不参与所述路由选择的节点、所述无效链路为不参与所述路由选择的链路;所述必经节点为所述最优路由组合必经的节点;所述必经链路为所述最优路由组合必经的链路。
可选的,所述无效链路包括:可用带宽小于阈值带宽的链路。
可选的,所述处理单元具体用于:(1)采用二进制编码方式对所述网络拓扑结构进行编码,并根据编码后网络拓扑结构,随机生成第一代种群,所述第一代种群的个体数量为A,A为正整数;(2)更新所述网络的状态参数;根据更新后的网络的状态参数确定最新一代种群中的每一个个体组合对应的状态参数;根据所述每一个个体组合对应的状态参数以及所述适应度函数分别对每一个个体组合进行适应度评判,根据适应度评判结果从所述最新一代种群中的所有个体组合中挑选出P个个体组合;其中,一个所述个体组合表征所述装置所在节点至所述N个目的节点的路由的一种组合,所述P个个体组合中任一个体组合对应的适应度函数的值F大于所述最新一代种群中的所有个体组合中除所述P个个体组合外的任一个体组合对应的F,P为正整数;(3)对所述P个个体组合包括的个体进行复制、交叉和变异操作,生成下一代种群;其中,所述下一代种群的个体数量等于A;(4)确定所述下一代种群中满足约束条件的个体组合,将确定的满足所述约束条件的个体组合及其对应的F添加到待选解集列表S中;(5)判断所述下一代种群是否符合终止迭代条件;若满足终止迭代条件,则从所述S中挑选出对应F最大的个体组合,将其作为所述最优解集;若不满足,执行步骤(2)。
可选的,所述约束条件包括:个体组合表征的路由组合中的没有循环路由,以及个体组合表征的路由组合包含的路由中没有不存在的链路;或者个体组合表征的路由组合中的没有循环路由、个体组合表征的路由组合包含的路由中没有不存在的链路以及个体组合表征的路由组合对应的带宽性能的特征值小于第二预定值。
可选的,所述终止迭代条件包括:所述下一代种群为第Q代种群,Q为大于1的正整数;或者所述下一代种群中满足所述约束条件的个体组合的数量大于三预定值;或者所述下一代种群中存在对应F值大于第四预定值的个体组合;或者所述S中的个体组合的数量超过第五预定值;或者所述S中存在对应F值大于第六预定值的个体组合。
可选的,所述处理单元还用于:在所述下一代种群不符合所述终止迭代条件时,如果所述下一代种群中满足所述约束条件的个体组合的个数大于第七预定值,则增大变异概率,并采用增大后的变异概率进行下一次迭代。
可选的,所述处理单元用于:采用“与”运算和“或”运算的方式对所述P个个体组合包括的个体进行交叉操作。
可选的,所述处理单元用于:采用点位变异方式对所述P个个体组合包括的个体进行变异操作。
可选的,F越大,所述F对应的个体组合所表征的路由组合的代价的特征值和带宽性能的特征值越大;所述处理单元还用于:对所述最优解集进行补码运算,并对补码后的最优解集进行解码运算,获得所述最优路由组合。
可选的,所述适应度函数可以表征为:其中,K表征所述N个目的节点中的第K个目的节点,F1 k表征所述装置所在节点到所述第K个目的节点的路由的代价,F3 k表征所述装置所在节点到所述第K个目的源节点的路由的带宽性能的特征值,t1、t3为归一化系数,t1≥0,t3≥0。
可选的,所述F1 k具体可以表征为:其中,n表征网络拓扑结构中的节点的总数;表征节点i和节点j之间的链路lij在所述装置所在节点到所述第K个目的节点的路由上;表征所述链路lij不在所述装置所在节点到所述第K个目的节点的路由上;LCij为所述链路lij的代价;M为所述N个节点中的第M个目的节点;表征所述链路lij在所述装置所在节点到所述第M个目的节点的路由上,表征所述链路lij不在所述装置所在节点到所述第M个目的节点的路由上;
所述F3 k具体可以表征为:
其中,e1≥0,e2≥0;
其中,DLij为所述链路lij的延迟、DNi为节点i的延迟,表征节点i在所述装置所在节点到所述第K个目的节点的路由上,表征节点i不在所述装置所在节点到所述第K个目的节点的路由上;LRi表征节点i的丢包率;Du、Lu为经验值。
可选的,所述适应度函数还可以表征为:其中,t1、t2、t3为归一化系数,t1≥0,t2≥0,t3≥0;所述约束条件包括:F2=0、F3=0以及个体组合表征的路由组合中的没有循环路由。
本发明实施例第三方面提供一种栅格网络条件下的路由选择设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器、通信接口;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,利用所述通信接口执行本发明实施例第一方面所述路由选择方法。
本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、利用遗传算法对栅格网络条件下的多个目的节点的最优路由组合的选择进行求解,遗传计算所使用的适应度函数的模型是根据栅格网络的QoS要求的内容以及栅格网络的状态参数的种类所确定,使得适应度函数可以表征栅格网络中路由组合整体的代价和带宽性能,进而使得根据遗传计算结果确定出的最优路由组合可以很好地满足栅格网络对路由的代价、带宽性能等的QoS要求;
2、在根据适应度函数以及所述网络的状态参数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数,使得源节点在网络切换时能够迅速确定新的网络状态参数,并根据新网络状态参数进行最优路由的选择计算,进而满足栅格网络对最优路由选择的网络带宽自适应的苛刻要求;
3、不同于现有技术中由同一个节点服务器确定多个源节点的传输路由的方法,而是网络中的每一个源节点独立地进行该源节点到该源接点对应的目的节点的最优路由组合的选择计算,进一步减少了路由选择计算的时间,更好地满足栅格网络条件下对路由选择的实时性要求;
4、在执行路由计算前,可以根据一定的预先知识,确定出一些特征元素,并根据特征元素对网络拓扑进行过滤,比如滤掉可用带宽小于需求的链路,可有效简化问题规模和适应度函数的复杂性,进一步减少遗传算法的计算时间,同时提高遗传算法的鲁棒性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中全球信息栅格网的基本架构示意图;
图2为本发明实施例中路由选择方法的流程示意图;
图3为本发明实施例中对最优路由组合的选择问题求解的流程示意图;
图4为本发明实施例中路由选择装置的结构示意图;
图5为本发明实施例中路由选择设备的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
建设栅格网络的作用是为了“把恰当的信息,在恰当的时间和恰当的地点,以恰当的形式,传递给恰当的指战员。”在栅格网络中,由美军主导建设的全球信息栅格网络最具有代表性,图1为全球信息栅格网络的基本架构,图中各用户终端、平台服务器、各下级网络中的网络设备或服务器或终端等都可能为服务提供方(即源节点),也可能为服务接收方(即目的节点)。全球信息栅格网络要求数据的传输具备多对多、双向、实时的效果,为了达到该效果,全球信息栅格网至少应该具备以下四种工作能力:带宽按需分配、自动信息管理、端到端的互通和安全保密。全球信息栅格网络必须能根据轻重缓急,研究和分配网络带宽,使所有的信息交换成为“即插即用”。因此,全球信息栅格网络对网络传输的QoS的要求极高。
路由选择机制,即确定源节点至多个目的节点的传输路径的选择机制,是实现所有网络的QoS保证的关键之一。但现有技术中存在的一些路由选择机制,比如“最短路径”选择机制,只能达到“尽力而为”网络传输的效果,并不能很好地满足栅格网络条件下的QoS要求,特别是如何满足上述全球信息栅格网络对网络传输的QoS的要求,现有技术一直没有有效的解决方案。
本发明实施例提供一种栅格网络条件下的路由选择方法及装置,可以有效解决现有技术存在的上述技术问题。
需要说明的是,本发明实施例提供的路由选择方法及装置,除了可以应用于上述栅格网络外,还可以应用到现有技术中需要进行数据传输的任何类型的网络,比如需要进行网络视频、可视电话、远程课堂等流媒体业务传输的网络。
需要理解的是,在本发明实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。在本发明实施例的描述中“多个”,是指两个或两个以上。
本发明实施例中的术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
实施例一
本发明实施例一提供栅格网络条件下的一种路由选择方法,用于解决现有的路由选择机制不能满足栅格网络条件下的QoS要求的技术问题。
本发明实施例提供的路由选择方法可以并行地被网络中的所有源节点执行,网络中的每一个源节点均维护一个全局的网络拓扑及其状态参数,源节点可以基于网络拓扑结构及其状态参数进行独立学习计算,并确定路由供源节点的服务器使用。网络拓扑结构及其参数值将随着网络的变化而变化,网络中节点与节点之间可以相互通信,实现节点状态和链路状态的共享,进而使得所有源节点均可以实时获知网络的拓扑的结构及其状态参数。
接下来以一个源节点为例,对本发明实施例提供的路由选择方法进行详细说明,其中所述源节点可以为网络中的任一节点。参照图2,所述路由选择方法具体可以包括以下步骤:
步骤11:确定网络拓扑结构、网络的状态参数以及N个目的节点。
其中,所述网络的状态参数包括所述网络中节点的状态参数以及链路的状态参数,例如:节点的延迟、节点的丢包率、节点的抖动、链路的代价、链路的可用带宽以及链路的延迟等。
其中,所述N为大于等于2的正整数,所述网络的N个目的节点包括:确定需要接收所述源节点发送的数据的所有原始目的节点,假设原始目的节点的数量为R;然后确定所述R个原始目的节点中是否有抖动过高的目的节点,具体可以通过将所述R个目的节点中的每个目的节点的抖动与预设抖动进行比较,如果所述R原始目的节点中存在抖动大于所述预设抖动,那么该目的节点就不参与路由选择选择计算,而针对所述R个目的节点中抖动不超过所述预设抖动的目的节点的进行路由选择计算。
比如,所述R个原始目的节点中有N个目的节点的抖动小于等于所述预设的阈值抖动ju,N<=R,那么就只对所述N个目的节点进行接下来的路由选择计算。
在一些特殊应用场景下,可以只在N=R的情况下,对所述N个目的节点进行路由选择计算,也就是说,如果源节点对应的R个原始目的节点中,只要存在一个目的节点的抖动过高,就放弃对所述源节点至所有目的节点进行路由选择计算。
步骤12:根据所述网络拓扑结构、所述网络的状态参数以及适应度函数,利用遗传算法对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集。
其中,适应度函数的模型是根据栅格网络的QoS要求的内容以及栅格网络的状态参数的种类所确定。栅格网络的QoS要求的内容至少包括对路由组合的代价的要求和对路由组合的带宽性能的要求,栅格网络的状态参数的种类可以包括节点的延迟、节点的丢包率、节点的抖动、链路的代价、链路的可用带宽、链路的延迟或其它可用于表征路由组合的代价或路由组合的带宽性能的参数。确定出的适应度函数可表征路由组合的代价和带宽性能,适应度函数的自变量为路由组合对应的状态参数。
在具体实施过程中,所述适应度函数还可以为只用于表征所述源节点至所述N个目的节点的路由的组合的代价的函数,或者只用于表征所述源节点至所述N个目的节点的路由的组合的带宽性能的函数,本领域技术人员可根据实际需要进行选择,本发明实施例不做具体限制。
其中,本发明实施例中的栅格网络可以包括多种网络类型,例如固定网、4G网、卫星网、短波通讯网等,如图1所示,并且可以在数据传输过程中随时进行网络类型的选择和切换,因此在根据适应度函数以及所述网络的状态参数对所述最优路由组合的选择问题进行求解的过程中,要求实时更新所述网络的状态参数,以满足栅格网络对最优路由选择的网络带宽自适应的苛刻要求,即在网络切换时能够迅速确定新的网络状态参数,并根据新网络状态参数进行最优路由的选择计算。
在具体实施过程中,更新所述网络的状态参数可以为定时更新。例如,可以每隔5s更新一次网络状态参数,具体实现可以为将最近5s获得的网络状态参数的平均值作为最新的网络状态参数;又例如,可以在每一次迭代过程中更新一次所述网络的状态参数。所述网络的状态参数的更新方式本领域技术人员可以根据实际情况进行选择,本发明实施例不做具体限制。
步骤13:根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合。
其中,所述栅格网络条件下的QoS要求可以为对所述源节点至所述N个目的节点的路由组合的代价的要求以及对路由组合的带宽性能的要求。比如,QoS要求可以是要求最优路由组合是所有可能路由组合中的代价最小、带宽性能最好的路由组合。
在上述方案中,利用遗传算法对栅格网络条件下的多个目的节点的最优路由组合的选择进行求解,遗传计算所使用的适应度函数模型是根据栅格网络的QoS要求的内容以及栅格网络的状态参数的种类所确定,使得适应度函数可以表征栅格网络中路由组合整体的代价和带宽性能,进而使得根据遗传计算结果确定出的最优路由组合可以很好地满足栅格网络对路由的代价、带宽性能等的QoS要求;
其次,本方案在根据适应度函数以及所述网络的状态参数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数,使得源节点在网络切换时能够迅速确定新的网络状态参数,并根据新网络状态参数进行最优路由的选择计算,进而满足栅格网络对最优路由选择的网络带宽自适应的苛刻要求;
不仅如此,本方案不同于现有技术中由同一个节点服务器确定多个源节点的传输路由的方法,而是网络中的每一个源节点独立地进行该源节点到该源接点对应的目的节点的最优路由组合的选择计算,进一步减少了路由选择计算的时间,更好地满足栅格网络条件下对路由选择的实时性要求。
可选的,在上述步骤12所述的源节点根据适应度函数,利用遗传算法对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解之前,所述方法还包括:根据所述网络的状态参数确定网络中的特征元素,然后根据所述特征元素确定所述源节点利用所述遗传算法对所述最优路由组合的选择问题进行求解所使用的网络拓扑结构。
具体的,所述源节点根据所述网络的状态参数确定网络中的特征元素,所述特征元素可以包括无效节点、无效链路、必经节点以及必经链路中的至少一项。其中,所述无效节点为不参与路由选择计算的节点、所述无效链路为不参与路由选择计算的链路;所述必经节点为所述最优路由组合必经的节点;所述必经链路为所述最优路由组合必经的链路。在确定了特征元素之后,所述源节点可以根据这些特征元素对网络的拓扑结构进行简化,并将简化后的网络拓扑节后作为所述源节点利用所述遗传算法对所述最优路由组合的选择问题进行求解过程中所需要使用的网络拓扑结构。
例如,所述必经节点或者必经链路可以是用户指定的到所述N个目的节点的路由必须要经过的节点或者链路,或者是根据实际网络拓扑结构确定出的到所述N个目的节点的路由一定会经过的节点或者链路,所述无效链路可以是可用带宽过小的链路,所述无效节点可以是抖动过大的节点,等等。确定所述无效节点、所述无效链路、所述必经节点以及所述必经链路的方法和依据,本领域技术人员可以根据实际情况进行选择,本发明实施例不做具体限制。比如,确定可用带宽过小的链路为无效链路的具体实现方式可以为:设置一阈值带宽Bu,并将网络中所有链路的可用带宽与Bu进行比较,然后将可用带宽小于Bu链路确定为无效链路,并从网络拓扑结构中将其除去。
通过本方式,可以根据一定的预先知识,确定出一些特征元素,比如无效链路、无效节点、必经链路以及必经节点等,并根据特征元素对网络拓扑进行过滤,比如滤掉可用带宽小于需求的链路,可有效简化问题规模和适应度函数的复杂性,从而大大减少遗传算法的计算时间,提高遗传算法的鲁棒性。
可选的,参照图3,上述步骤12具体可以包括以下步骤:
步骤121:确定编码方式,随机生成第一代种群。
其中,所述编码方式可以为二进制编码、格雷码编码、实数编码、排列编码、多参数级联编码等等,本发明实施例不做具体限制。例如,可以使用二进制编码方式对路由进行编码,一个具体的二进制代码表征一个染色体或个体,一个个体表征从所述源节点至一个目的节点的一条具体路由,每一个个体由若干个基因位组成。个体的长度(即编码的长度、基因位的个数)可根据具体情况而定,个体的长度越长,解空间搜索范围越大。
在确定编码方式之后,根据确定的编码方式对所述网络拓扑结构进行编码,并根据编码后网络拓扑结构随机生成第一代种群。具体的,对网络拓扑结构中的所有路由进行编码,然后从编码后的所有路由中随机挑选出第一代种群,其中挑选所述第一代种群的实现方式可以采用赌轮选择方式,所述第一代种群规模,即个体的数量可以为确定值A,A为正整数,也可以为指定范围内的值,本发明实施例对此不做具体限制。
在编码的过程中,可以去掉某些确定的基因值,如拓扑中两节点间不存在链路,则基因值为0,直接去掉,而解码过程直接将相应位置设置为0,对于虚拟路由的个体,在解码过程中可以直接将相应位置设置为0。
在接下来的步骤中,主要以编码方式可以为二进制编码、第一代种群的数量为确定值A为例,对本发明实施例中的遗传算法进行介绍。
步骤122:根据所述适应度函数对最新一代种群中的每一个个体组合进行适应度评判,根据适应度评判结果从所述最新一代种群中的所有个体组合中挑选出P个个体组合。
其中,一个所述个体组合表征所述源节点至所述N个目的节点的路由的一种组合,比如所述源节点对应的所述N个目的节点包括:节点A、节点B以及节点C,最新一代种群中表征所述源节点至目的节点A的路由有三条:a1、a2和a3,表征所述源节点至目的节点B的路由有一条:b1,表征所述源节点至目的节点C的路由有两条:c1,c2,那么种群中的个体组合可以有6个,对应6中路由组合:a1b1c1,a2b1c1,a3b1a1、a1b1c2,a2b1c2,a3b1a2。
其中,所述适应度函数可以表征为的形式,其中,K表征所述N个目的节点中的第K个目的节点,F1 k表征所述源节点到所述第K个目的节点的路由的代价,F3 k表征所述源节点到所述第K个目的源节点的路由的带宽性能的特征值,t1、t3为归一化系数,t1≥0,t3≥0。
其中,所述源节点根据所述适应度函数对最新一代种群中的每一个个体组合进行适应度评判的具体实现方式可以为:更新所述网络的状态参数;根据更新后的网络的状态参数确定最新一代种群中的每一个个体组合对应的状态参数;将所述每一个个体组合对应的状态参数代入所述适应度函数,确定出每个一个体组合对应的适应度函数值F。
其中,所述根据适应度评判结果从所述最新一代种群中的所有个体组合中挑选出P个个体组合的具体实现方式可以为:对确定出的F从大到小进行排序,挑选出排名前P位的F对应的个体组合作为所述P个个体组合,使得所述P个个体组合中任一个体组合对应F均大于所述最新一代种群中的所有个体组合中除所述P个个体组合外的任一个体组合对应的F,P为正整数,进而使得挑选出的P个个体组合为所述最新一代种群中适应度最高的个体组合。
步骤123:对所述P个个体组合包括的个体进行复制、交叉和变异操作,生成下一代种群。
具体的,采用最佳保留选择机制,将上述步骤122挑选出的适应度高的个体组合复制到下一代种群中,即在下一代种群中保留适应度高的个体组合,在具体实施过程中,可以将所述P个个体组合全部进行复制,也可以复制所述P个个体组合中的部分个体组合,本发明实施例不做具体限制;与此同时,根据预设的交叉概率和变异概率对所述P个个体组合包括的个体进行交叉操作和变异操作,生成继承所述P个个体组合包括的个体的基因的新个体,直到下一代种群的规模达到A为止。
步骤124:判断所述下一代种群中是否有满足约束条件的个体组合,如果有,则将满足所述约束条件的个体组合及其对应的F添加到待选解集列表S中。
其中,所述约束条件包括:1)个体组合表征的路由组合中的没有循环路由;2)个体组合表征的路由组合包含的路由中没有不存在的链路,3)个体组合表征的路由组合对应的带宽性能的特征值小于第二预定值。在具体实施过程中,可以在个体组合同时满足1)、2)、3)时确定所述个体组合满足所述约束条件,也可以在个体组合满足1),且满足2)或3)时确定所述个体组合满足所述约束条件。
当所述下一代种群中存在满足所述约束条件的个体组合时,将所述个体组合以及所述个体组合对应的F添加到待选解集列表S中,所述S保存满足所述约束条件的个体组合和所述个体组合对应的F的映射。
步骤125:判断所述下一代种群是否符合终止迭代条件;若符合终止迭代条件,则执行步骤126:从所述S中挑选出对应F最大的个体组合,将其作为所述最优解集,迭代结束;若不符合,则跳转至上述步骤122。
其中,所述终止迭代条件包括但不限于以下几种:1)所述下一代种群为第Q代种群,Q为大于1的正整数;2)所述下一代种群中满足所述约束条件的个体组合的数量大于三预定值;3)所述下一代种群中存在对应F大于第四预定值的个体组合;4)所述S中的个体组合的数量超过第五预定值;5)所述S中存在对应F大于第六预定值的个体组合。在具体实施过程中,所述下一代种群如果满足以上任意一种条件,就可以被确定为满足所述终止迭代条件。
其中,在所述下一代种群不符合所述终止迭代条件,并且所述下一代种群中满足所述约束条件的个体组合的个数大于第七预定值时,还可以执行步骤127:增大在下一次迭代过程中执行步骤123时进行变异操作的变异的概率。其中所述第七预定值可以为等于0。
通过本方式提供的适应度函数,可以满足栅格网络条件下多点传输对网络传输QoS的要求,使得最终得到的最优路由组合的整体代价最小、带宽性能最优;通过本方式提供的最佳保留选择机制,可以使得随着迭代次数的增加,最新一代种群中的个体适应度越来越高,可以有效减少迭代次数;通过本方式提供的交叉和变异方式,可以使得遗传算法迅速收敛于局部最优解,直至全局最优解;通过本方式提供的约束条件,可以在适当迭代后,将循环路由对应的个体淘汰,进一步加快计算的速度,减少迭代次数。
可选的,上述适应度函数可以具体表征为:
t1、t2、t3为归一化系数,t1≥0,t2≥0,t3≥0;
其中,e1≥0,e2≥0;
其中,n表征网络拓扑结构中的节点的总数;表征节点i和节点j之间的链路lij在所述源节点到所述第K个目的节点的路由上;表征所述链路lij不在所述源节点到所述第K个目的节点的路由上;LCij为所述链路lij的代价;M为所述N个节点中的第M个目的节点;表征所述链路lij在所述源节点到所述第M个目的节点的路由上,表征所述链路lij不在所述源节点到所述第M个目的节点的路由上;DLij为所述链路lij的延迟、DNi为节点i的延迟,表征节点i在所述源节点到所述第K个目的节点的路由上,表征节点i不在所述源节点到所述第K个目的节点的路由上;LRi表征节点i的丢包率;Du、Lu为经验值。
在采用上述适应度函数对最优路由组合进行选择计算时,所述约束条件可以具体表征为:F2=0、F3=0以及个体组合表征的路由组合中的没有循环路由。上述步骤13所述的根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合,包括:所述源节点对所述最优解集进行补码运算,并对补码后的最优解集进行解码运算,获得所述最优路由组合。
通过本方式提供的适应度函数,在计算最优路由组合时综合考虑路由组合整体的代价和带宽性能,可以很好地满足栅格网络条件下对网络传输QoS的要求,特别是全球信息栅格网的QoS的要求。
可选的,上述步骤123中的变异方式具体可以采用点位变异方式,交叉方式可以采用“与”运算(用符号“&”表征)的交叉方式,也可以采用“或”(用符号“||”表征)运算的交叉方式,还同时采用“&”和“||”两种交叉方式,本发明实施例不做具体限制。其中“&”运算是一种0支配1的方式,“||”运算是一种1支配0的方式,例如,假设个体a1=[000111],a2=[101010],那么a1&a2=[000010],a1||a2=[101111]。
通过本方式,可以使新生成的子代继承双亲相同基因,大大简化了编解码的复杂度,可以使得遗传算法迅速收敛于局部最优解,直至全局最优解。
可选的,本发明在具体实施过程中,可以采取竞争空闲的QoS感知策略,即网络中某个节点在没有参与数据传输时仍然可以执行上述路由选择方法,即不参数数据传输的节点可以假定自己是源节点执行上述最优路由组合的选择计算,或者被其他最优路由组合的选择计算,并将计算结果进行存储。通过本方式,可以使得节点在需要进行数据传输时立即根据先前的计算结果迅速确定出最优路由组合,以此可以减少系统网络资源的占用,进一步满足栅格网络条件下对路由选择的实时性要求。
接下来,基于本发明实施例提供的上述的多种实现方式,对所述源节点进行路由计算时的一种具体实现方法进行举例:
1)网络拓扑初始化,确定网络的状态参数;。
2)判断所有目的节点中是否存在有不符合要求的目的节点,即目的节点的抖动大于预设的阈值抖动ju;若为是,则退出路由选择计算;若为否,则执行步骤3);
3)遍历拓扑中所有链路,确定拓扑中的可用带宽小于阈值带宽Bu的链路,并去除该链路,生成新拓扑;
4)根据新拓扑编码,设置种群数为100,并随机生成初始种群;
5)根据适应度函数对个体适应度进行评判;
6)按最佳保留选择机制进行选择;
7)按照给定的交叉变异概率进行交叉变异操作,产生新一代群体。
8)判断是否达到规定的迭代次数;
若为是,则转至步骤10);
若为否,则对新一代群体进行评判,判断是否若存在某个体组合满足约束条件:F2=0、F4=0、表征的路由组合中不存在循环路由。若存在某个体组合满足约束条件,则记录该个体组合的编码及其对应的F,添加到集合S中然后转至步骤9);若不存在某个体组合满足约束条件,则转至步骤(7);
9)适当加大变异概率,从而较多的产生变异的新个体,再转至步骤(5);
10)从集合S中选定F最大者,经过解码所得到的解即为本次路由选择的最优解集,根据所述最优解集确定从所述源节点至所述N个目的节点的最优路由。
其中,在执行上述步骤(1)至步骤(10)的过程中,每隔5s更新一次网络的状态参数,在每一代执行步骤(5)时根据最新的网络的状态参数对个体组合进行适应度评判。
需要说明的是,在本发明具体实施过程中,所述源节点对应的目的节点的数量也可以为一个,即N=1,在这种特殊应用场景下,本发明实施例中的个体组合可以只包含一个个体,个体组合对应的路由组合可以只包含一条具体路由。
实施例二
本发明实施例二提供一种全球信息栅格网络下的路由选择装置,参照图4,所述装置包括:
确定单元21,用于确定网络拓补结构、网络的状态参数以及所述装置所在节点对应的N个目的节点,所述网络的状态参数包括节点的状态参数和链路的状态参数,所述装置所在节点为网络中的任一节点,所述N为大于等于2的正整数;
处理单元22,用于根据所述网络拓补结构、所述网络的状态参数以及适应度函数,利用遗传算法对所述装置所在节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集;其中,所述适应度函数的模型根据所述栅格网络条件下的QoS要求以及所述网络的状态参数的种类确定,以使所述适应度函数表征所述源节点至所述N个目的节点的路由组合的代价和带宽性能,所述网络的状态参数中的至少一项作为所述适应度函数的自变量;在根据所述网络拓补结构、所述网络的状态参数以及适应度函数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数;根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合,所述栅格网络条件下的QoS要求包括对路由组合的代价的要求和对路由组合的带宽性能的要求。
可选的,所述网络的状态参数包括节点的延迟、节点的丢包率、节点的抖动、链路的代价、链路的可用带宽以及链路的延迟中的至少一项。
可选的,所述确定单元21还用于:在确定所述N个目的节点之前,从原始的R个目的节点中确定出抖动小于第一预定值的目的节点,获得所述N个目的节点;其中,X不小于N。
可选的,在所述确定单元21还用于:在确定所述N个目的节点之前,确定所述N个目标节点中每个目的节点的抖动小于第一预定值。
可选的,所述确定单元21还用于:在所述处理单元22根据适应度函数,利用遗传算法对所述装置所在节点至所述N个目的节点的最优路由组合的选择问题进行求解之前,根据所述网络的状态参数确定网络中的特征元素;根据所述特征元素确定所述处理单元22利用所述遗传算法对所述最优路由组合的选择问题进行求解所使用的网络拓扑结构;其中,所述特征元素包括无效节点、无效链路、必经节点以及必经链路中的至少一项;所述无效节点为不参与所述路由选择的节点、所述无效链路为不参与所述路由选择的链路;所述必经节点为所述最优路由组合必经的节点;所述必经链路为所述最优路由组合必经的链路。
可选的,所述无效链路包括:可用带宽小于阈值带宽的链路。
可选的,所述处理单元22具体用于:(1)采用二进制编码方式对所述网络拓扑结构进行编码,并根据编码后网络拓扑结构,随机生成第一代种群,所述第一代种群的个体数量为A,A为正整数;(2)更新所述网络的状态参数;根据更新后的网络的状态参数确定最新一代种群中的每一个个体组合对应的状态参数;根据所述每一个个体组合对应的状态参数以及所述适应度函数分别对每一个个体组合进行适应度评判,根据适应度评判结果从所述最新一代种群中的所有个体组合中挑选出P个个体组合;其中,一个所述个体组合表征所述装置所在节点至所述N个目的节点的路由的一种组合,所述P个个体组合中任一个体组合对应的适应度函数的值F大于所述最新一代种群中的所有个体组合中除所述P个个体组合外的任一个体组合对应的F,P为正整数;(3)对所述P个个体组合包括的个体进行复制、交叉和变异操作,生成下一代种群;其中,所述下一代种群的个体数量等于A;(4)确定所述下一代种群中满足约束条件的个体组合,将确定的满足所述约束条件的个体组合及其对应的F添加到待选解集列表S中;(5)判断所述下一代种群是否符合终止迭代条件;若满足终止迭代条件,则从所述S中挑选出对应F最大的个体组合,将其作为所述最优解集;若不满足,执行步骤(2)。
可选的,所述约束条件包括:个体组合表征的路由组合中的没有循环路由,以及个体组合表征的路由组合包含的路由中没有不存在的链路;或者个体组合表征的路由组合中的没有循环路由、个体组合表征的路由组合包含的路由中没有不存在的链路以及个体组合表征的路由组合对应的带宽性能的特征值小于第二预定值。
可选的,所述终止迭代条件包括:所述下一代种群为第Q代种群,Q为大于1的正整数;或者所述下一代种群中满足所述约束条件的个体组合的数量大于三预定值;或者所述下一代种群中存在对应F值大于第四预定值的个体组合;或者所述S中的个体组合的数量超过第五预定值;或者所述S中存在对应F值大于第六预定值的个体组合。
可选的,所述处理单元22还用于:在所述下一代种群不符合所述终止迭代条件时,如果所述下一代种群中满足所述约束条件的个体组合的个数大于第七预定值,则增大变异概率,并采用增大后的变异概率进行下一次迭代。
可选的,所述处理单元22用于:采用“与”运算和“或”运算的方式对所述P个个体组合包括的个体进行交叉操作。
可选的,所述处理单元22用于:采用点位变异方式对所述P个个体组合包括的个体进行变异操作。
可选的,F越大,所述F对应的个体组合所表征的路由组合的代价的特征值和带宽性能的特征值越大;所述处理单元22还用于:对所述最优解集进行补码运算,并对补码后的最优解集进行解码运算,获得所述最优路由组合。
可选的,所述适应度函数可以表征为:其中,K表征所述N个目的节点中的第K个目的节点,F1 k表征所述装置所在节点到所述第K个目的节点的路由的代价,F3 k表征所述装置所在节点到所述第K个目的源节点的路由的带宽性能的特征值,t1、t3为归一化系数,t1≥0,t3≥0。
可选的,所述F1 k具体可以表征为:其中,n表征网络拓扑结构中的节点的总数;表征节点i和节点j之间的链路lij在所述装置所在节点到所述第K个目的节点的路由上;表征所述链路lij不在所述装置所在节点到所述第K个目的节点的路由上;LCij为所述链路lij的代价;M为所述N个节点中的第M个目的节点;表征所述链路lij在所述装置所在节点到所述第M个目的节点的路由上,表征所述链路lij不在所述装置所在节点到所述第M个目的节点的路由上;
所述F3 k具体可以表征为:
其中,e1≥0,e2≥0;
其中,DLij为所述链路lij的延迟、DNi为节点i的延迟,表征节点i在所述装置所在节点到所述第K个目的节点的路由上,表征节点i不在所述装置所在节点到所述第K个目的节点的路由上;LRi表征节点i的丢包率;Du、Lu为经验值。
可选的,所述适应度函数还可以表征为:其中,t1、t2、t3为归一化系数,t1≥0,t2≥0,t3≥0;所述约束条件包括:F2=0、F3=0以及个体组合表征的路由组合中的没有循环路由。
以上各单元所执行操作的具体实现方式可以参照本发明实施例一的中由所述源节点执行的对应步骤,本发明实施例不再赘述。
实施例三
本发明实施例第三提供一种栅格网络条件下的路由选择设备,参照图5,所述设备包括:
至少一个处理器31,以及
与所述至少一个处理器通信连接的存储器32、通信接口33;
其中,所述存储器32存储有可被所述至少一个处理器31执行的指令,所述至少一个处理器31通过执行所述存储器32存储的指令,利用所述通信接口33执行本发明实施例一所述路由选择方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (13)
1.一种栅格网络条件下的路由选择方法,其特征在于,应用于所述网络中的每一个源节点,所述方法包括:
源节点确定网络拓补结构、网络的状态参数以及所述源节点对应的N个目的节点,所述网络的状态参数包括节点的状态参数和链路的状态参数,所述源节点为网络中的任一节点,所述N为大于等于2的正整数;
所述源节点根据所述网络拓补结构、所述网络的状态参数以及适应度函数,利用遗传算法对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集;其中,所述适应度函数的模型根据所述栅格网络条件下的QoS要求以及所述网络的状态参数的种类确定,以使所述适应度函数表征所述源节点至所述N个目的节点的路由组合的代价和带宽性能,所述网络的状态参数中的至少一项作为所述适应度函数的自变量;在根据所述网络拓补结构、所述网络的状态参数以及适应度函数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数;
所述源节点根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合,所述栅格网络条件下的QoS要求包括对路由组合的代价的要求和对路由组合的带宽性能的要求。
2.如权利要求1所述的方法,其特征在于,在所述源节点对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解之前,所述方法还包括:
所述源节点根据所述网络的状态参数确定网络中的特征元素,所述特征元素包括无效节点、无效链路、必经节点以及必经链路中的至少一项;所述无效节点为不参与所述路由选择的节点、所述无效链路为不参与所述路由选择的链路;所述必经节点为所述最优路由组合必经的节点;所述必经链路为所述最优路由组合必经的链路;
所述源节点根据所述特征元素确定所述源节点利用所述遗传算法对所述最优路由组合的选择问题进行求解所使用的网络拓扑结构。
3.如权利要求1所述的方法,其特征在于,所述源节点对所述源节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集,包括以下步骤:
(1)所述源节点采用二进制编码方式对所述网络拓扑结构进行编码,并根据编码后网络拓扑结构随机生成第一代种群,所述第一代种群的个体数量为A,A为正整数;
(2)所述源节点更新所述网络的状态参数;根据更新后的网络的状态参数确定最新一代种群中的每一个个体组合对应的状态参数;根据所述每一个个体组合对应的状态参数以及所述适应度函数分别对每一个个体组合进行适应度评判,根据适应度评判结果从所述最新一代种群中的所有个体组合中挑选出P个个体组合;其中,一个所述个体组合表征所述源节点至所述N个目的节点的路由的一种组合,所述P个个体组合中任一个体组合对应的适应度函数的值F大于所述最新一代种群中的所有个体组合中除所述P个个体组合外的任一个体组合对应的F,P为正整数;
(3)所述源节点对所述P个个体组合包括的个体进行复制、交叉和变异操作,生成下一代种群;其中,所述下一代种群的个体数量等于A;
(4)所述源节点确定所述下一代种群中满足约束条件的个体组合,将确定的满足所述约束条件的个体组合及其对应的F添加到待选解集列表S中;
(5)所述源节点判断所述下一代种群是否符合终止迭代条件;若满足终止迭代条件,则从所述S中挑选出对应F最大的个体组合,将其作为所述最优解集;若不满足,执行步骤(2)。
4.如权利要求3所述的方法,其特征在于,所述约束条件包括:
个体组合表征的路由组合中的没有循环路由,以及个体组合表征的路由组合包含的路由中没有不存在的链路;或者
个体组合表征的路由组合中的没有循环路由、个体组合表征的路由组合包含的路由中没有不存在的链路以及个体组合表征的路由组合对应的带宽性能的特征值小于第二预定值。
5.如权利要求1-4任一项所述的方法,其特征在于,所述适应度函数可以表征为:
其中,K表征所述N个目的节点中的第K个目的节点,F1 k表征所述源节点到所述第K个目的节点的路由的代价,表征所述源节点到所述第K个目的源节点的路由的带宽性能的特征值,t1、t3为归一化系数,t1≥0,t3≥0。
6.如权利要求5所述的方法,其特征在于,所述F1 k具体可以表征为:
<mrow>
<msubsup>
<mi>F</mi>
<mn>1</mn>
<mi>k</mi>
</msubsup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>LC</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msubsup>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>K</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>E</mi>
<mo>)</mo>
</mrow>
<msubsup>
<mi>E</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>K</mi>
</msubsup>
<mo>;</mo>
</mrow>
其中,n表征网络拓扑结构中的节点的总数;表征节点i和节点j之间的链路lij在所述源节点到所述第K个目的节点的路由上;表征所述链路lij不在所述源节点到所述第K个目的节点的路由上;LCij为所述链路lij的代价;M为所述N个节点中的第M个目的节点;表征所述链路lij在所述源节点到所述第M个目的节点的路由上,表征所述链路lij不在所述源节点到所述第M个目的节点的路由上;
所述具体可以表征为:
其中,e1≥0,e2≥0;
<mrow>
<msubsup>
<mi>Z</mi>
<mn>1</mn>
<mi>K</mi>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<mo>(</mo>
<msub>
<mi>DL</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msubsup>
<mi>E</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>K</mi>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>N</mi>
<mi>i</mi>
<mi>k</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>DN</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>D</mi>
<mi>u</mi>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<msubsup>
<mi>Z</mi>
<mn>2</mn>
<mi>K</mi>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>L</mi>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msubsup>
<mi>N</mi>
<mi>i</mi>
<mi>K</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>LR</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,DLij为所述链路lij的延迟、DNi为节点i的延迟,表征节点i在所述源节点到所述第K个目的节点的路由上,表征节点i不在所述源节点到所述第K个目的节点的路由上;LRi表征节点i的丢包率;Du、Lu为经验值。
7.一种栅格网络条件下路由选择装置,其特征在于,包括:
确定单元,用于确定网络拓补结构、网络的状态参数以及所述装置所在节点对应的N个目的节点,所述网络的状态参数包括节点的状态参数和链路的状态参数,所述装置所在节点为网络中的任一节点,所述N为大于等于2的正整数;
处理单元,用于根据所述网络拓补结构、所述网络的状态参数以及适应度函数,利用遗传算法对所述装置所在节点至所述N个目的节点的最优路由组合的选择问题进行求解,获得最优解集;其中,所述适应度函数的模型根据所述栅格网络条件下的QoS要求以及所述网络的状态参数的种类确定,以使所述适应度函数表征所述源节点至所述N个目的节点的路由组合的代价和带宽性能,所述网络的状态参数中的至少一项作为所述适应度函数的自变量;在根据所述网络拓补结构、所述网络的状态参数以及适应度函数对所述最优路由组合的选择问题进行求解的过程中,实时更新所述网络的状态参数;根据所述最优解集确定满足所述栅格网络条件下的服务质量QoS要求的最优路由组合,所述栅格网络条件下的QoS要求包括对路由组合的代价的要求和对路由组合的带宽性能的要求。
8.如权利要求7所述的装置,其特征在于,所述确定单元还用于:
在所述处理单元根据适应度函数,利用遗传算法对所述装置所在节点至所述N个目的节点的最优路由组合的选择问题进行求解之前,根据所述网络的状态参数确定网络中的特征元素;根据所述特征元素确定所述处理单元利用所述遗传算法对所述最优路由组合的选择问题进行求解所使用的网络拓扑结构;
其中,所述特征元素包括无效节点、无效链路、必经节点以及必经链路中的至少一项;所述无效节点为不参与所述路由选择的节点、所述无效链路为不参与所述路由选择的链路;所述必经节点为所述最优路由组合必经的节点;所述必经链路为所述最优路由组合必经的链路。
9.如权利要求7所述的装置,其特征在于,所述处理单元具体用于:
(1)采用二进制编码方式对所述网络拓扑结构进行编码,并根据编码后网络拓扑结构,随机生成第一代种群,所述第一代种群的个体数量为A,A为正整数;
(2)更新所述网络的状态参数;根据更新后的网络的状态参数确定最新一代种群中的每一个个体组合对应的状态参数;根据所述每一个个体组合对应的状态参数以及所述适应度函数分别对每一个个体组合进行适应度评判,根据适应度评判结果从所述最新一代种群中的所有个体组合中挑选出P个个体组合;其中,一个所述个体组合表征所述装置所在节点至所述N个目的节点的路由的一种组合,所述P个个体组合中任一个体组合对应的适应度函数的值F大于所述最新一代种群中的所有个体组合中除所述P个个体组合外的任一个体组合对应的F,P为正整数;
(3)对所述P个个体组合包括的个体进行复制、交叉和变异操作,生成下一代种群;其中,所述下一代种群的个体数量等于A;
(4)确定所述下一代种群中满足约束条件的个体组合,将确定的满足所述约束条件的个体组合及其对应的F添加到待选解集列表S中;
(5)判断所述下一代种群是否符合终止迭代条件;若满足终止迭代条件,则从所述S中挑选出对应F最大的个体组合,将其作为所述最优解集;若不满足,执行步骤(2)。
10.如权利要求9所述的装置,其特征在于,所述约束条件包括:
个体组合表征的路由组合中的没有循环路由,以及个体组合表征的路由组合包含的路由中没有不存在的链路;或者
个体组合表征的路由组合中的没有循环路由、个体组合表征的路由组合包含的路由中没有不存在的链路以及个体组合表征的路由组合对应的带宽性能的特征值小于第二预定值。
11.如权利要求7-10任一项所述的装置,其特征在于,所述适应度函数可以表征为:
其中,K表征所述N个目的节点中的第K个目的节点,F1 k表征所述装置所在节点到所述第K个目的节点的路由的代价,表征所述装置所在节点到所述第K个目的源节点的路由的带宽性能的特征值,t1、t3为归一化系数,t1≥0,t3≥0。
12.如权利要求11所述的装置,其特征在于,所述F1 k具体可以表征为:
<mrow>
<msubsup>
<mi>F</mi>
<mn>1</mn>
<mi>k</mi>
</msubsup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>LC</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msubsup>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>K</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>E</mi>
<mo>)</mo>
</mrow>
<msubsup>
<mi>E</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>K</mi>
</msubsup>
<mo>;</mo>
</mrow>
其中,n表征网络拓扑结构中的节点的总数;表征节点i和节点j之间的链路lij在所述装置所在节点到所述第K个目的节点的路由上;表征所述链路lij不在所述装置所在节点到所述第K个目的节点的路由上;LCij为所述链路lij的代价;M为所述N个节点中的第M个目的节点;表征所述链路lij在所述装置所在节点到所述第M个目的节点的路由上,表征所述链路lij不在所述装置所在节点到所述第M个目的节点的路由上;
所述具体可以表征为:
其中,e1≥0,e2≥0;
<mrow>
<msubsup>
<mi>Z</mi>
<mn>1</mn>
<mi>K</mi>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<mo>(</mo>
<msub>
<mi>DL</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msubsup>
<mi>E</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>K</mi>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>N</mi>
<mi>i</mi>
<mi>k</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>DN</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>D</mi>
<mi>u</mi>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<msubsup>
<mi>Z</mi>
<mn>2</mn>
<mi>K</mi>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>L</mi>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msubsup>
<mi>N</mi>
<mi>i</mi>
<mi>K</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>LR</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,DLij为所述链路lij的延迟、DNi为节点i的延迟,表征节点i在所述装置所在节点到所述第K个目的节点的路由上,表征节点i不在所述装置所在节点到所述第K个目的节点的路由上;LRi表征节点i的丢包率;Du、Lu为经验值。
13.一种栅格网络条件下的路由选择设备,其特征在于,包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器、通信接口;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,利用所述通信接口执行权利要求1至6中任一项所述路由选择方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710827837.7A CN107749819B (zh) | 2017-09-14 | 2017-09-14 | 一种栅格网络条件下的路由选择方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710827837.7A CN107749819B (zh) | 2017-09-14 | 2017-09-14 | 一种栅格网络条件下的路由选择方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107749819A true CN107749819A (zh) | 2018-03-02 |
CN107749819B CN107749819B (zh) | 2020-07-21 |
Family
ID=61254995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710827837.7A Active CN107749819B (zh) | 2017-09-14 | 2017-09-14 | 一种栅格网络条件下的路由选择方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107749819B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109039885A (zh) * | 2018-08-27 | 2018-12-18 | 广州爱拍网络科技有限公司 | 一种数据传输路径选择方法及装置 |
CN112104841A (zh) * | 2020-11-05 | 2020-12-18 | 深圳市万佳安人工智能数据技术有限公司 | 一种用于移动目标监测的多摄像头智能监控方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6272548B1 (en) * | 1995-07-28 | 2001-08-07 | British Telecommunications Public Limited Company | Dead reckoning routing of packet data within a network of nodes having generally regular topology |
CN101777990A (zh) * | 2010-01-15 | 2010-07-14 | 西安电子科技大学 | 多目标免疫优化组播路由路径选择方法 |
CN102158417A (zh) * | 2011-05-19 | 2011-08-17 | 北京邮电大学 | 实现多约束QoS路由选择的优化方法及装置 |
CN103260094A (zh) * | 2012-02-20 | 2013-08-21 | 中兴通讯股份有限公司 | 一种路由方法、路由策略的通知方法及相应的装置 |
CN103685020A (zh) * | 2013-11-25 | 2014-03-26 | 重庆邮电大学 | 一种基于遗传算法的光多播树最小代价路由方法 |
CN104994021A (zh) * | 2015-07-21 | 2015-10-21 | 三星电子(中国)研发中心 | 确定最优路径的方法及装置 |
US20160007225A1 (en) * | 2008-11-21 | 2016-01-07 | At&T Intellectual Property I, L.P. | Femtocell local breakout management services |
CN105323166A (zh) * | 2015-11-17 | 2016-02-10 | 东北大学 | 一种面向云计算的基于网络能效优先的路由方法 |
CN105430706A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于改进粒子群算法的无线传感网络路由优化方法 |
CN106789641A (zh) * | 2016-11-18 | 2017-05-31 | 华北电力大学(保定) | 智能电网中集中式广域保护通信网的拓扑设计方法 |
-
2017
- 2017-09-14 CN CN201710827837.7A patent/CN107749819B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6272548B1 (en) * | 1995-07-28 | 2001-08-07 | British Telecommunications Public Limited Company | Dead reckoning routing of packet data within a network of nodes having generally regular topology |
US20160007225A1 (en) * | 2008-11-21 | 2016-01-07 | At&T Intellectual Property I, L.P. | Femtocell local breakout management services |
CN101777990A (zh) * | 2010-01-15 | 2010-07-14 | 西安电子科技大学 | 多目标免疫优化组播路由路径选择方法 |
CN102158417A (zh) * | 2011-05-19 | 2011-08-17 | 北京邮电大学 | 实现多约束QoS路由选择的优化方法及装置 |
CN103260094A (zh) * | 2012-02-20 | 2013-08-21 | 中兴通讯股份有限公司 | 一种路由方法、路由策略的通知方法及相应的装置 |
CN103685020A (zh) * | 2013-11-25 | 2014-03-26 | 重庆邮电大学 | 一种基于遗传算法的光多播树最小代价路由方法 |
CN104994021A (zh) * | 2015-07-21 | 2015-10-21 | 三星电子(中国)研发中心 | 确定最优路径的方法及装置 |
CN105430706A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于改进粒子群算法的无线传感网络路由优化方法 |
CN105323166A (zh) * | 2015-11-17 | 2016-02-10 | 东北大学 | 一种面向云计算的基于网络能效优先的路由方法 |
CN106789641A (zh) * | 2016-11-18 | 2017-05-31 | 华北电力大学(保定) | 智能电网中集中式广域保护通信网的拓扑设计方法 |
Non-Patent Citations (2)
Title |
---|
康江: ""栅格通信网资源调度技术研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
王征应等: ""基于启发式遗传算法的QoS组播路由问题求解"", 《计算机学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109039885A (zh) * | 2018-08-27 | 2018-12-18 | 广州爱拍网络科技有限公司 | 一种数据传输路径选择方法及装置 |
CN109039885B (zh) * | 2018-08-27 | 2022-01-07 | 广州猎游信息科技有限公司 | 一种数据传输路径选择方法及装置 |
CN112104841A (zh) * | 2020-11-05 | 2020-12-18 | 深圳市万佳安人工智能数据技术有限公司 | 一种用于移动目标监测的多摄像头智能监控方法及装置 |
CN112104841B (zh) * | 2020-11-05 | 2021-12-07 | 乐荣时代智能安防技术(深圳)有限公司 | 一种用于移动目标监测的多摄像头智能监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107749819B (zh) | 2020-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112953830B (zh) | 时间敏感网络中流量帧的路由规划调度方法及装置 | |
CN110601973B (zh) | 一种路由规划方法、系统、服务器及存储介质 | |
CN114338504B (zh) | 一种基于网络边缘系统的微服务部署和路由方法 | |
CN106656598B (zh) | 电力通信网关键业务备选路由配置方法及系统 | |
CN108684046B (zh) | 一种基于随机学习的接入网服务功能链部署方法 | |
CN113315700A (zh) | 算力资源调度方法、装置和存储介质 | |
CN108075974B (zh) | 一种流量转发控制方法、装置及sdn架构系统 | |
CN114286413A (zh) | Tsn网络联合路由选择与流分配方法及相关设备 | |
CN107749819B (zh) | 一种栅格网络条件下的路由选择方法及装置 | |
CN107872807B (zh) | 路由节点位置确定方法、装置和终端设备 | |
CN112636991B (zh) | 一种基于中介中心度的多类vnf部署方法 | |
CN113472671B (zh) | 组播路由的确定方法、装置和计算机可读存储介质 | |
CN114268550B (zh) | 用于时间敏感网络数据确定性调度方法及装置 | |
CN115529316A (zh) | 一种基于云计算中心网络架构的微服务部署方法 | |
CN114158105B (zh) | 应用于综合能源系统的无线传感器网络的路由方法及装置 | |
CN113518039A (zh) | Sdn架构下基于深度强化学习的资源优化方法及系统 | |
CN107103360B (zh) | 一种基于混合云的可靠应用分配分布式遗传方法 | |
CN116527565A (zh) | 基于图卷积神经网络的互联网路由优化方法及装置 | |
CN116489104A (zh) | 一种基于动态优先级的流量调度方法与系统 | |
CN108738078A (zh) | 一种数据传输方法装置、设备及可读存储介质 | |
CN110049018B (zh) | 基于增强学习的spma协议参数优化方法、系统及介质 | |
WO2022062648A1 (zh) | 一种自动驾驶仿真任务调度方法、装置、设备及可读介质 | |
CN102316045A (zh) | 一种实现mstp组网中流量均衡的方法和网络设备 | |
CN116367223B (zh) | 基于强化学习的xr服务优化方法、装置、电子设备和存储介质 | |
CN111064568A (zh) | 一种量子密钥分发网络的流量控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |