CN107820279B - 一种业务链编排与组织优化方法、系统和移动网络服务端 - Google Patents

一种业务链编排与组织优化方法、系统和移动网络服务端 Download PDF

Info

Publication number
CN107820279B
CN107820279B CN201711129341.9A CN201711129341A CN107820279B CN 107820279 B CN107820279 B CN 107820279B CN 201711129341 A CN201711129341 A CN 201711129341A CN 107820279 B CN107820279 B CN 107820279B
Authority
CN
China
Prior art keywords
optimization
service
analysis result
service chain
chain
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.)
Active
Application number
CN201711129341.9A
Other languages
English (en)
Other versions
CN107820279A (zh
Inventor
王智明
毋涛
贾智宇
卢莹
刘畅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201711129341.9A priority Critical patent/CN107820279B/zh
Publication of CN107820279A publication Critical patent/CN107820279A/zh
Application granted granted Critical
Publication of CN107820279B publication Critical patent/CN107820279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0289—Congestion control

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种业务链编排与组织优化方法、系统和移动网络服务端。该业务链编排与组织优化方法包括：接收业务链编排请求；按照业务路由优化策略分析业务链编排请求；输出业务链编排请求的优化分析结果。该业务链编排与组织优化方法能够根据多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论的优化分析评价得到业务路由优化分析结果，从而实现了通过自主学习使优化分析结果达到最优的效果，优化了各业务路由优化分析结果的系统平均容量和业务链拥塞度指标，进而实现了系统容量高、业务链顺畅的优势。

Description

一种业务链编排与组织优化方法、系统和移动网络服务端
技术领域
本发明涉及通信技术领域，具体地，涉及一种业务链编排与组织优化方法、系统和移动网络服务端。
背景技术
移动网络及业务链已成为全球运营商发展的重要趋势，移动网络及业务链已被业界普遍认定为下一代电信网络发展的主要方向。一个完整的端到端网络业务流程，一般由多个不同的网络业务功能依特定流程结构组合而成，即业务链。当前，移动网络及业务链已经成为全球政府/企业产业界公认的发展重点；国际和国内的通信产业巨头加快技术研发、企业转型和联盟合作以抢占移动网络及业务链发展的主导权和新兴市场空间。这种情况下，面对日益迫切的移动网络及业务链发展需求，基于移动网络的业务链编排与组织优化系统对于移动网络及业务链的迅速持续发展具有重要意义。
随着移动网络及业务链应用业务的快速增长，伴之产生的系统容量低、业务链拥塞等问题日益突出。现有业务链系统主要采用静态非实时且缺乏网络控制，未充分考虑到业务链系统的系统容量低、业务链拥塞等方面问题。
因此，移动网络的系统容量低、业务链拥塞等已成为目前亟待解决的问题。
发明内容
本发明针对现有技术中存在的上述技术问题，提供一种业务链编排与组织优化方法、系统和移动网络服务端。该业务链编排与组织优化方法能够根据多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论的优化分析评价得到业务路由优化分析结果，从而实现了通过自主学习使优化分析结果达到最优的效果，优化了各业务路由优化分析结果的系统平均容量和业务链拥塞度指标，进而实现了系统容量高、业务链顺畅的优势。
本发明提供一种业务链编排与组织优化方法，包括：
接收业务链编排请求；
按照业务路由优化策略分析所述业务链编排请求；
输出所述业务链编排请求的优化分析结果。
优选地，所述按照业务路由优化策略分析所述业务链编排请求包括：
步骤S101：设置迭代次数的初始值和最大值；
步骤S102：采用优化函数分析所述业务链编排请求；
步骤S103：获取并汇总所述业务链编排请求的中间分析结果；
步骤S104：采用评价函数对所述中间分析结果进行评价，判断所述中间分析结果是否满足评价条件；
如果是，则执行步骤S105：确定所述中间分析结果为所述业务链编排请求的优化分析结果；
如果否，则执行步骤S106：当前迭代次数加1，并判断所述迭代次数是否大于所述迭代次数的最大值；
如果是，则执行步骤S105；如果否，则执行步骤S102。
优选地，所述优化函数包括：
Figure BDA0001469105180000021
Figure BDA0001469105180000022
Figure BDA0001469105180000023
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000031
和
Figure BDA0001469105180000032
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000033
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值；ρij为源点i至目标点j链路的启发信息素浓度；
Figure BDA0001469105180000034
为第k+1次迭代的s阶中心距信息向量；CGK、UGK分别为第k次迭代中前k次迭代的全局历史最优路由节点信息向量。
优选地，所述评价函数包括：
Figure BDA0001469105180000035
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000036
和
Figure BDA0001469105180000037
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000038
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值。
优选地，还包括：将接收的所述业务链编排请求存入分析模型；
将输出的所述业务链编排请求的优化分析结果存入分析结果模型；其中，所述分析模型与所述分析结果模型的形式相同。
本发明还提供一种业务链编排与组织优化系统，包括：
接收模块，用于接收业务链编排请求；
分析模块，用于按照业务路由优化策略分析所述业务链编排请求；
输出模块，用于输出所述业务链编排请求的优化分析结果。
优选地，所述分析模块包括：
设置单元，用于设置迭代次数的初始值和最大值；
优化分析单元，用于采用优化函数分析所述业务链编排请求；
获取汇总单元，用于获取并汇总所述业务链编排请求的中间分析结果；
评价判断单元，用于采用评价函数对所述中间分析结果进行评价，判断所述中间分析结果是否满足评价条件；
迭代次数累加判断单元，用于在所述评价判断单元的判断结果为否时，使当前迭代次数加1，并判断所述迭代次数是否大于所述迭代次数的最大值。
优选地，所述优化函数包括：
Figure BDA0001469105180000041
Figure BDA0001469105180000042
Figure BDA0001469105180000043
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000044
和
Figure BDA0001469105180000045
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000046
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值；ρij为源点i至目标点j链路的启发信息素浓度；
Figure BDA0001469105180000047
为第k+1次迭代的s阶中心距信息向量；CGK、UGK分别为第k次迭代中前k次迭代的全局历史最优路由节点信息向量。
优选地，所述评价函数包括：
Figure BDA0001469105180000051
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000052
和
Figure BDA0001469105180000053
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000054
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值。
优选地，还包括存储模块，用于将接收的所述业务链编排请求存入分析模型；还用于将输出的所述业务链编排请求的优化分析结果存入分析结果模型；其中，所述分析模型与所述分析结果模型的形式相同。
本发明还提供一种移动网络服务端，包括上述业务链编排与组织优化系统。
本发明的有益效果：本发明所提供的业务链编排与组织优化方法和系统，通过采用优化函数对业务链编排请求进行优化分析，采用评价函数对业务链编排请求的中间分析结果进行评价，能够根据多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论的优化分析评价得到业务路由优化分析结果，从而实现了通过自主学习使优化分析结果达到最优的效果，优化了各业务路由优化分析结果的系统平均容量和业务链拥塞度指标，进而实现了系统容量高、业务链顺畅的优势。
本发明所提供的移动网络服务端，通过采用上述业务链编排与组织优化系统，使该移动网络服务端实现了系统容量高、业务链顺畅的优势。
附图说明
图1为本发明实施例1中业务链编排与组织优化方法的流程图；
图2为本发明实施例1中步骤S10的流程图；
图3为本发明实施例2中业务链编排与组织优化系统的原理框图；
图4为本发明实施例3中移动网络服务端的业务功能链网络的总体场景图。
其中的附图标记说明：
1.接收模块；2.分析模块；21.设置单元；22.优化分析单元；23.获取汇总单元；24.评价判断单元；25.迭代次数累加判断单元；3.输出模块；4.存储模块。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明所提供的一种业务链编排与组织优化方法、系统和移动网络服务端作进一步详细描述。
实施例1：
本实施例提供一种业务链编排与组织优化方法，如图1所示，包括：步骤S09：接收业务链编排请求。
该步骤中，每隔预设时间接收系统主动上报的多条业务链编排请求，同时通过定期询问机制接收多条业务链编排请求，并将这些请求信息进行汇总，存入分析模型。本实施例中的分析模型为模型矩阵：
Figure BDA0001469105180000071
该分析模型包括m*n个业务链编排请求，各业务链编排请求独立互不干扰。
步骤S10：按照业务路由优化策略分析业务链编排请求。
该步骤具体包括：如图2所示，
步骤S101：设置迭代次数的初始值和最大值。
其中，如迭代次数的初始值设为0，迭代次数的最大值设为50。迭代次数从初始值开始累加。
步骤S102：采用优化函数分析业务链编排请求。
该步骤中，优化函数包括：
Figure BDA0001469105180000072
Figure BDA0001469105180000073
Figure BDA0001469105180000074
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000075
和
Figure BDA0001469105180000076
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000077
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值；ρij为源点i至目标点j链路的启发信息素浓度；
Figure BDA0001469105180000078
为第k+1次迭代的s阶中心距信息向量；CGK、UGK分别为第k次迭代中前k次迭代的全局历史最优路由节点信息向量。
该优化函数采用拟生物迭代优化思想，基于具有多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论优势的优化分析得到业务路由优化分析结果，实现了系统容量高、业务链顺畅的优势。
步骤S103：获取并汇总业务链编排请求的中间分析结果。
步骤S104：采用评价函数对中间分析结果进行评价，判断中间分析结果是否满足评价条件。
该步骤中，评价函数包括：
Figure BDA0001469105180000081
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000082
和
Figure BDA0001469105180000083
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000084
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值。
通过采用该评价函数对业务链编排请求的中间分析结果进行评价，能够根据多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论的优化分析评价条件对中间分析结果进行判断，从而实现了通过自主学习使优化分析结果达到最优的效果，进而明显优化了各业务路由优化分析结果的系统平均容量和业务链拥塞度指标。
如果是，则执行步骤S105：确定中间分析结果为业务链编排请求的优化分析结果。
如果否，则执行步骤S106：当前迭代次数加1，并判断迭代次数是否大于迭代次数的最大值。
其中，迭代次数从初始值开始累加，当前迭代次数为每次累加前的迭代次数值。
通过设置迭代次数并在业务链编排请求的优化分析过程中对迭代次数进行累加，能够使业务链编排请求经过多次优化分析后达到最优化，同时还能避免业务链编排请求的优化分析无限进行下去，使整个优化分析过程更加合理。
如果是，则执行步骤S105；如果否，则执行步骤S102。
步骤S11：输出业务链编排请求的优化分析结果。
该步骤之后还包括：将输出的业务链编排请求的优化分析结果存入分析结果模型。其中，分析结果模型与前述分析模型的形式相同，即二者均为模型矩阵。
实施例1的有益效果：实施例1中所提供的业务链编排与组织优化方法，通过采用优化函数对业务链编排请求进行优化分析，采用评价函数对业务链编排请求的中间分析结果进行评价，能够根据多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论的优化分析评价得到业务路由优化分析结果，从而实现了通过自主学习使优化分析结果达到最优的效果，优化了各业务路由优化分析结果的系统平均容量和业务链拥塞度指标，进而实现了系统容量高、业务链顺畅的优势。
实施例2：
基于实施例1中所提供的业务链编排与组织优化方法，本实施例提供一种业务链编排与组织优化系统，如图3所示，包括：接收模块1，用于接收业务链编排请求。分析模块2，用于按照业务路由优化策略分析业务链编排请求。输出模块3，用于输出业务链编排请求的优化分析结果。
本实施例中，分析模块2包括：设置单元21，用于设置迭代次数的初始值和最大值。迭代次数的具体设置情况与实施例1中相同。优化分析单元22，用于采用优化函数分析业务链编排请求。获取汇总单元23，用于获取并汇总业务链编排请求的中间分析结果。评价判断单元24，用于采用评价函数对中间分析结果进行评价，判断中间分析结果是否满足评价条件。迭代次数累加判断单元25，用于在评价判断单元24的判断结果为否时，使当前迭代次数加1，并判断迭代次数是否大于迭代次数的最大值。
其中，迭代次数从初始值开始累加，当前迭代次数为每次累加前的迭代次数值。
本实施例中，优化函数包括：
Figure BDA0001469105180000101
Figure BDA0001469105180000102
Figure BDA0001469105180000103
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000104
和
Figure BDA0001469105180000105
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000106
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值；ρij为源点i至目标点j链路的启发信息素浓度；
Figure BDA0001469105180000107
为第k+1次迭代的s阶中心距信息向量；CGK、UGK分别为第k次迭代中前k次迭代的全局历史最优路由节点信息向量。
该优化函数采用拟生物迭代优化思想，基于具有多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论优势的优化分析得到业务路由优化分析结果，实现了系统容量高、业务链顺畅的优势。
本实施例中，评价函数包括：
Figure BDA0001469105180000111
其中，Mij k包括系统平均容量U和业务链拥塞度C；
Figure BDA0001469105180000112
和
Figure BDA0001469105180000113
分别为业务链拥塞度和系统平均容量；
Figure BDA0001469105180000114
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值。
通过采用该评价函数对业务链编排请求的中间分析结果进行评价，能够根据多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论的优化分析评价条件对中间分析结果进行判断，从而实现了通过自主学习使优化分析结果达到最优的效果，进而明显优化了各业务路由优化分析结果的系统平均容量和业务链拥塞度指标。
另外，通过设置迭代次数累加判断单元25，能够使业务链编排请求经过多次优化分析后达到最优化，同时还能避免业务链编排请求的优化分析无限进行下去，使整个优化分析过程更加合理。
本实施例中，业务链编排与组织优化系统还包括存储模块4，用于将接收的业务链编排请求存入分析模型；还用于将输出的业务链编排请求的优化分析结果存入分析结果模型。其中，分析模型与分析结果模型的形式相同。
实施例2的有益效果：实施例2中所提供的业务链编排与组织优化系统，通过设置分析模块，能够采用优化函数对业务链编排请求进行优化分析，并采用评价函数对业务链编排请求的中间分析结果进行评价，从而能够根据多目标优化、博弈论、图论、统计学、生物学、运筹学、随机过程等理论的优化分析评价得到业务路由优化分析结果，进而实现了通过自主学习使优化分析结果达到最优的效果，优化了各业务路由优化分析结果的系统平均容量和业务链拥塞度指标，最终实现了系统容量高、业务链顺畅的优势。
实施例3：
本实施例提供一种移动网络服务端，包括实施例2中的业务链编排与组织优化系统。
如图4所示，移动网络服务端中的业务功能链网络总体场景主要分三个域：移动网络功能域、IP网络功能域、业务链编排与控制域。移动网络功能域实现手机终端用户通过基站信号连接至移动网络，IP网络功能域实现业务路由等相关功能，业务链编排与控制域实现业务链协调、故障恢复等相关功能。业务功能链网络功能采用了分域化结构，实现业务链编排与控制，移动网络与IP网络功能分离。同时,基于移动网络的业务链编排与组织优化系统实现了系统容量高、业务链顺畅的优势。
在移动网络中的业务功能链网络总体场景中，基于移动网络的业务链编排与组织优化功能共有10个特有流程，具体如下：
①.手机终端用户运行下载的业务链编排APP，并上行接入移动网络。
②.手机终端用户通过基站上行连接至移动网络功能域，并将业务请求提交。
③.手机终端用户通过移动网络功能域与IP网络功能域间的VPN专用隧道上行连接，并将业务请求转发至IP网络功能域。
④.业务链编排与控制域向移动网络功能域下发控制策略，并进行移动数据包的分组与分类。
⑤.业务链编排与控制域向IP网络功能域下发业务链协调策略、实现业务链协调及计费、故障恢复等功能。
⑥.IP网络功能域上行连接至业务提供方，并将业务请求发送至业务提供方。
⑦.业务提供方根据相应的业务请求判断是否可以提供，提供相应业务的入口地址或返回业务不可提供的信息。
⑧.通过移动网络功能域与IP网络功能域间的VPN专用隧道将业务的入口地址或业务不可提供的信息发回至移动网络功能域。
⑨.通过移动网络功能域与基站之间的连接通道将业务的入口地址或业务不可提供的信息发回至手机终端用户所接入基站。
⑩.基站将业务的入口地址或业务不可提供的信息发回给手机终端用户。
其中，移动网络服务端中的业务链编排与组织优化机制实现了系统容量高、业务链顺畅的业务链编排与组织优化功能。
通过采用实施例2中的业务链编排与组织优化系统，使该移动网络服务端实现了系统容量高、业务链顺畅的优势。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (7)

1.一种业务链编排与组织优化方法，其特征在于，包括：
接收业务链编排请求；
按照业务路由优化策略分析所述业务链编排请求；
输出所述业务链编排请求的优化分析结果；
所述按照业务路由优化策略分析所述业务链编排请求包括：
步骤S101：设置迭代次数的初始值和最大值；
步骤S102：采用优化函数分析所述业务链编排请求；
步骤S103：获取并汇总所述业务链编排请求的中间分析结果；
步骤S104：采用评价函数对所述中间分析结果进行评价，判断所述中间分析结果是否满足评价条件；
如果是，则执行步骤S105：确定所述中间分析结果为所述业务链编排请求的优化分析结果；
如果否，则执行步骤S106：当前迭代次数加1，并判断所述迭代次数是否大于所述迭代次数的最大值；
如果是，则执行步骤S105；如果否，则执行步骤S102；
所述优化函数包括：
Figure FDA0002960136180000011
Figure FDA00029601361800000110
Figure FDA0002960136180000012
Figure FDA0002960136180000013
Figure FDA0002960136180000014
s∈(1,2)
其中，Mij k包括系统平均容量
Figure FDA0002960136180000015
和业务链拥塞度
Figure FDA0002960136180000016
Figure FDA0002960136180000017
和
Figure FDA0002960136180000018
分别为业务链拥塞度和系统平均容量；
Figure FDA0002960136180000019
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值；ρij为源点i至目标点j链路的启发信息素浓度；
Figure FDA0002960136180000021
为第k+1次迭代的s阶中心距信息向量；CGK、UGK分别为第k次迭代中前k次迭代的全局历史最优路由节点信息向量。
2.根据权利要求1所述的业务链编排与组织优化方法，其特征在于，所述评价函数包括：
Figure FDA0002960136180000022
其中，Mij k包括系统平均容量
Figure FDA0002960136180000023
和业务链拥塞度
Figure FDA0002960136180000024
Figure FDA0002960136180000025
和
Figure FDA0002960136180000026
分别为业务链拥塞度和系统平均容量；
Figure FDA0002960136180000027
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值。
3.根据权利要求1所述的业务链编排与组织优化方法，其特征在于，还包括：将接收的所述业务链编排请求存入分析模型；
将输出的所述业务链编排请求的优化分析结果存入分析结果模型；其中，所述分析模型与所述分析结果模型的形式相同。
4.一种业务链编排与组织优化系统，其特征在于，包括：
接收模块，用于接收业务链编排请求；
分析模块，用于按照业务路由优化策略分析所述业务链编排请求；
输出模块，用于输出所述业务链编排请求的优化分析结果；
所述分析模块包括：
设置单元，用于设置迭代次数的初始值和最大值；
优化分析单元，用于采用优化函数分析所述业务链编排请求；
获取汇总单元，用于获取并汇总所述业务链编排请求的中间分析结果；
评价判断单元，用于采用评价函数对所述中间分析结果进行评价，判断所述中间分析结果是否满足评价条件；
迭代次数累加判断单元，用于在所述评价判断单元的判断结果为否时，使当前迭代次数加1，并判断所述迭代次数是否大于所述迭代次数的最大值；
所述优化函数包括：
Figure FDA0002960136180000031
Figure FDA00029601361800000310
Figure FDA0002960136180000032
Figure FDA0002960136180000033
Figure FDA0002960136180000034
s∈(1,2)
其中，Mij k包括系统平均容量
Figure FDA0002960136180000035
和业务链拥塞度
Figure FDA0002960136180000036
Figure FDA0002960136180000037
和
Figure FDA0002960136180000038
分别为业务链拥塞度和系统平均容量；
Figure FDA0002960136180000039
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值；ρij为源点i至目标点j链路的启发信息素浓度；
Figure FDA0002960136180000041
为第k+1次迭代的s阶中心距信息向量；CGK、UGK分别为第k次迭代中前k次迭代的全局历史最优路由节点信息向量。
5.根据权利要求4所述的业务链编排与组织优化系统，其特征在于，所述评价函数包括：
Figure FDA0002960136180000042
其中，Mij k包括系统平均容量
Figure FDA0002960136180000043
和业务链拥塞度
Figure FDA0002960136180000044
Figure FDA0002960136180000045
和
Figure FDA0002960136180000046
分别为业务链拥塞度和系统平均容量；
Figure FDA0002960136180000047
为业务链拥塞度的调整因子，ρ为系统平均容量的调整因子；k为迭代次数，k＝1,2,…,d；d为迭代次数的最大值。
6.根据权利要求4所述的业务链编排与组织优化系统，其特征在于，还包括存储模块，用于将接收的所述业务链编排请求存入分析模型；还用于将输出的所述业务链编排请求的优化分析结果存入分析结果模型；其中，所述分析模型与所述分析结果模型的形式相同。
7.一种移动网络服务端，其特征在于，包括权利要求4-6任意一项所述的业务链编排与组织优化系统。
CN201711129341.9A 2017-11-15 2017-11-15 一种业务链编排与组织优化方法、系统和移动网络服务端 Active CN107820279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711129341.9A CN107820279B (zh) 2017-11-15 2017-11-15 一种业务链编排与组织优化方法、系统和移动网络服务端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711129341.9A CN107820279B (zh) 2017-11-15 2017-11-15 一种业务链编排与组织优化方法、系统和移动网络服务端

Publications (2)

Publication Number Publication Date
CN107820279A CN107820279A (zh) 2018-03-20
CN107820279B true CN107820279B (zh) 2021-04-27

Family

ID=61609062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711129341.9A Active CN107820279B (zh) 2017-11-15 2017-11-15 一种业务链编排与组织优化方法、系统和移动网络服务端

Country Status (1)

Country Link
CN (1) CN107820279B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900594B (zh) * 2018-06-21 2021-03-19 中国联合网络通信集团有限公司 移动视频的优化方法、装置及系统
CN112087379B (zh) * 2019-06-12 2023-08-01 南京中兴新软件有限责任公司 业务链的编排方法及装置、存储介质和电子装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104811326A (zh) * 2014-01-24 2015-07-29 中兴通讯股份有限公司 一种管理业务链的方法、系统及装置
CN105577714A (zh) * 2014-10-13 2016-05-11 中兴通讯股份有限公司 基于软件定义网络实现内容分发网络的方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11223536B2 (en) * 2016-04-04 2022-01-11 At&T Intellectual Property I, L.P. Model driven process for automated deployment of domain 2.0 virtualized services and applications on cloud infrastructure

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104811326A (zh) * 2014-01-24 2015-07-29 中兴通讯股份有限公司 一种管理业务链的方法、系统及装置
CN105577714A (zh) * 2014-10-13 2016-05-11 中兴通讯股份有限公司 基于软件定义网络实现内容分发网络的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SDN/NFV关键技术的分析和实现关键技术的分析和实现:MICT-OSTM;张轶卿;《中兴通讯技术》;20161031;参见全文 *

Also Published As

Publication number Publication date
CN107820279A (zh) 2018-03-20

Similar Documents

Publication Publication Date Title
Bedewy et al. The age of information in multihop networks
Zhou et al. When collaboration hugs intelligence: Content delivery over ultra-dense networks
Mahmood et al. Mobility-aware edge caching for connected cars
Deng et al. Distributed probabilistic caching strategy in VANETs through named data networking
Naeem et al. A comparative performance analysis of popularity-based caching strategies in named data networking
Zhu et al. SDN-enabled hybrid emergency message transmission architecture in internet-of-vehicles
Sun et al. Delay analysis and optimization in cache-enabled multi-cell cooperative networks
Wang et al. Sociality‐aware resource allocation for device‐to‐device communications in cellular networks
Al-Omaisi et al. A survey of data dissemination schemes in vehicular named data networking
Hossain et al. Multi-objective Harris hawks optimization algorithm based 2-Hop routing algorithm for CR-VANET
CN107820279B (zh) 一种业务链编排与组织优化方法、系统和移动网络服务端
Bayrakdar et al. Artificial bee colony–based spectrum handoff algorithm in wireless cognitive radio networks
CN108023840A (zh) Ovs网络流量加速优化方法及ovs网络流量加速优化系统
Zhou et al. Adaptive Routing Strategy Based on Improved Double Q‐Learning for Satellite Internet of Things
CN108668261B (zh) 一种基于用户分组需求多样性的中继d2d数据包缓存方法
Xu et al. Portfolio optimization in traffic offloading: concept, model, and algorithms
Shen et al. Buffer scheme optimization of epidemic routing in delay tolerant networks
Ruan et al. On the economic value of mobile caching
Liu et al. Real-time search-driven caching for sensing data in vehicular networks
Li et al. Pilot contamination suppression method for massive MIMO system based on ant colony optimization
Batalla et al. Evolutionary Multiobjective Optimization algorithm for multimedia delivery in critical applications through Content-Aware Networks
Meng et al. Elastic caching solutions for content dissemination services of ip-based internet technologies prospective
Hillmann et al. Modeling the location selection of mirror servers in content delivery networks
CN110392409B (zh) 基于配电通信网的WMSNs多路径QoS路由方法、系统及存储介质
Ayub et al. DF++: An adaptive buffer-aware probabilistic delegation forwarding protocol for Delay Tolerant Network

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