CN109067651A - 基于源节点重要性的多优先级路由算法 - Google Patents

Abstract

本发明公开了一种基于源节点重要性的多优先级路由算法，该算法能够缓解网络拥塞、提高网络的吞吐量。给出了一种根据数据包源节点的重要性进行分类的路由算法，算法将网络中的节点根据其度值是否大于平均度分为重要节点和次重要节点，产生在重要节点的数据包偏向于选择度值较大的、更快地到达目的地；而产生在次重要节点的数据包选择度值较小的、相对较慢地到达目的地，这样做的好处是可以充分利用网络中每一个节点。最后对该算法进行了仿真和实证验证，有效的提高了网络的吞吐量。

Description

基于源节点重要性的多优先级路由算法

技术领域

本发明属于复杂网络中路由算法和拥塞控制领域。通过按照数据包所在源节点的重要性不同，采用不同的路由算法，平均了节点利用率，提高了系统容量和网络的路由效率。

背景技术

近年来，复杂网络受到了广泛关注，与人们生活密切相关的Internet网、交通运输网、www网和人际交通关系网都可以抽象成复杂网络进行研究。随着大数据时代的到来，因数据量过载而发生拥塞的现象不断增多，一旦网络出现拥塞，网络将面临崩溃的危险。所以如何提高网络的传输性能，实现负载的高效传递是提高网络服务质量的重要手段。一般可以通过优化网络的拓扑结构Cholvi V,Laderas V,López L,et al.Self-adaptingnetwork topologies in congested scenarios[J].Phys Rev E Stat Nonlin SoftMatter Phys,2005,71(3Pt 2A):035103.和设计高效的路由算法Yan G,Zhou T,Hu B,etal.Efficient routing on complex networks[J].Physical Review E StatisticalNonlinear&Soft Matter Physics,2006,73(4Pt 2):046108.来提高网络传输能力。因为改变网络拓扑结构很困难而且花费很高，因此一般通过采用合适的路由算法提高传输性能。

最短路径路由算法目前是应用最广的路由算法，Zhao L,Lai Y C,Park K,etal.Onset of Traffic Congestion in Complex Networks[J].Physical Review E,2005,71(2):026125.对于给定的网络拓扑，采用Dijkstra算法或Floyd算法找到任意两节点之间最少跳数的路径，但是由于无标度网络的异构性，采用SR选择路径时会偏向选择度大的节点，但是节点的处理能力是有限的，导致在网络的hub节点处很容易发生拥塞；文献Yan G,Zhou T,Hu B,et al.Efficient routing on complex networks[J].Physical Review EStatistical Nonlinear&Soft Matter Physics,2006,73(4Pt 2):046108.提出了一种有效路由算法，通过使所选路径上节点度值之和最小，有效的避免hub节点，但是此路由算法过分依赖度值小的节点，导致路径平均长度增加；文献Chen L,Chen J,Guan Z H,etal.Optimization of transport protocols in complex networks[J].Physica AStatistical Mechanics&Its Applications,2012,391(11):3336-3341.提出一种基于归一化介数中心度值，将负载从大介数中心度节点移动到小介数中心度节点，从而提高网络传输能力；文献Lin B,Chen B,Gao Y,et al.Advanced Algorithms for Local RoutingStrategy on Complex Networks:[J].Plos One,2016,11(7):e0156756.基于传统的路由算法提出了三种路由改进算法，节点重复避免算法、基于次近邻理论的次邻近算法和限制性队列长度算法，采用改进路由算法，数据包Rc的临界生成速率增加超过十倍，并且平均传输时间<T>减少70-90％。

自从Watts和Strogatz揭示了复杂网络的小世界特性(Small-World)与Barabasi和Albert揭示了复杂网络的无标度特性(Scale-Free)后，大量研究证实很多实际网络都具有小世界特性与无标度特性，比如因特网、通信网、航空网络、高速公路与城市交通网等。因此采用复杂网络模型对实际网络结构进行建模与研究是具有现实意义的在实际情况下，网络中的信息传输就是将消息从一个节点发送到另一个节点。

发明内容

本发明提供了一种基于源节点重要性的多优先级路由算法，其目的是均匀地利用网络中每一个节点来缓解hub节点的拥塞，从而提高网络的吞吐量。

实现本发明目的的具体技术方案是

一种基于源节点重要性的多优先级路由算法，其特征是：该方法包括如下具体步骤：

步骤1：构建无标度BA网络模型，具体包括：

1)增长性：从一个具有m₀个节点的连通图开始，每次添加一个新的节点，并且该新加入的节点连接到m个已存在的节点上，m≤m₀；

2)优先连接：一个新加入的节点和网络已经存在的某一节点i相连接的概率P_i，与网络中的任意节点j的度值遵循如下优先连接性：

k_i是节点i的度值，k_j是节点j的度值；

步骤2：配置用于步骤1中的流量模型，具体包括：

步骤1模型建立完成后，每个节点在每个时间步都产生数据包；数据包产生后，在网络节点之间进行传递，直到数据包到达目的节点后从网络中删除；数据包在网络中共经历如下三个过程：

1)数据包产生：在每个时间步，网络产生R个数据包，R个数据包的源节点和目的节点是随机的；

2)数据包传递：每个时间步，网络中的数据包会根据所采用的路由算法，向下一个节点传输，直到传递到目的节点；

3)数据包删除：数据包到达目的节点后，会从整个网络中消失；

步骤3：按照节点度值对步骤1网络中的节点进行分类，具体包括：

1)根据网络的邻接矩阵，计算每个节点的度值，进而计算整个网络的平均度值<k>；

2)节点度值大于网络平均度值<k>为重要节点，剩余节点为次重要节点；

步骤4：对步骤3中不同重要性的节点采用不同的路由算法，具体包括：

对于不同类f的数据包使其通过的路径上的L值最小：

α_f(f＝1,2)，f＝1表示数据包源节点为重要节点，f＝2表示数据包源节点为次重要节点；固定α₂＝1，寻找最优的α₁，α₁的取值范围(0,1)之间，k_j节点j的度值，α_f是无纲量参数；步骤5：通过仿真得到步骤4中最优的α₁

α₁依次取0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9在仿真的BA网络模型和实际网络模型中进行路由；

步骤6：理论推导不同参数情况下数据包阈值R_c，具体包括：

1)节点利用率定义为：网络中采用路由算法经过该节点的条数占所有采用该路由算法路径条数的比例；用符号U来表述：

式中，V是网络中所有节点的集合，如果从s节点到t节点的路径经过了i节点δ(i)＝1，否则δ(i)＝0，j是网络中任意节点；

2)计算相同度数的节点的平均利用率：

这里N_k表示度值为k的节点数；

3)拥塞通常发生在利用率大的节点，数据包阈值R_c通过下列公式进行估算

这里N是网络中的节点总数，是网络中最大的节点利用率。

步骤7：利用数据包阈值和平均路由时间比较不同α₁值，得到最优的α₁值

数据包阈值R_C为网络从自由态转变成拥塞态时单位时间步内产生的数据包数目；当单位时间产生的数据包数R<R_C，网络处于自由状态；当R>R_C，网络处于拥塞状态；路由时间是指数据包从源节点到目的节点所经历的时间，即源节点到目的节点的路径长度，平均路由时间，即在某时刻网络中所有已经到达目的地数据包所经历的时间的平均值；通过仿真和理论推导得到不同α₁值下的数据包阈值和平均路由时间；数据包阈值最大，并且平均路由时间最短所对应的α₁值，为最优α₁值。

本发明的有益效果：本发明提出了一种根据数据包源节点的重要性进行分类的路由算法，算法将网络中的节点根据度值不同分为重要节点和次重要节点，根据数据包源节点的重要性不同，分别进行路由。对比有效路由算法，本发明提出的路由算法在仿真网络和实际通信网络中都提高了系统容量和网络的路由效率，平均了节点利用率。

附图说明

图1是BA网络中不同的α₁参数仿真和理论推导得出的数据包阈值R_c示意图；

图2(a)(b)分别表示在BA网络中有效路由算法和本发明两种不同的路由算法下不同度值的节点利用率示意图；

图3是真实网络中不同的α₁参数仿真和理论推导得出的数据包阈值R_c示意图；

图4(a)(b)分别表示在真实网络中有效路由算法和本发明两种不同的路由算法下不同度值的节点利用率示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及发明优点更加清楚明白，以下结合附图及实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供了一种基于源节点重要性的多优先级路由算法，其目的是均匀地利用网络中每一个节点来缓解hub节点的拥塞，从而提高网络的吞吐量。通过在BA网络模型和实际网络中进行仿真，分析不同参数下数据包阈值、平均路由时间和节点利用率。并和有效路由算法进行对比。

实施例

本实施例所有结果均是在8核，64位Windows10操作系统，MATLAB 2015b实验环境下获得的。网络的规模N为1000，程序运行一次总共1000步时间步，每个时间步内同时生成R个数据包(R也叫数据包生成率)，每个数据包随机分配源节点和目的节点，在每个时间步每个节点处理能力C＝1。

步骤1：构建无标度BA网络模型，具体包括：

1)增长性：从一个具有m₀＝4个节点的连通图开始，每次添加一个新的节点，并且该新加入的节点连接到m＝2个已存在的节点上；

2)优先连接：一个新加入的节点和网络已经存在的某一节点i相连接的概率P_i，与网络中的任意节点j的度值遵循如下优先连接性：

k_i是节点i的度值，k_j是节点j的度值；

步骤2：配置用于步骤1中的流量模型，具体包括：

步骤1模型建立完成后，每个节点在每个时间步都产生数据包；数据包产生后，在网络节点之间进行传递，直到数据包到达目的节点后从网络中删除；数据包在网络中共经历如下三个过程：

1)数据包产生：在每个时间步，网络产生R个数据包，R个数据包的源节点和目的节点是随机的；

2)数据包传递：每个时间步，网络中的数据包会根据所采用的路由算法，向下一个节点传输，直到传递到目的节点；

3)数据包删除：数据包到达目的节点后，会从整个网络中消失；

步骤3：按照节点度值对步骤1网络中的节点进行分类，具体包括：

1)根据网络的邻接矩阵，计算每个节点的度值，进而计算整个网络的平均度值<k>；

2)节点度值大于网络平均度值<k>为重要节点，剩余节点为次重要节点；

步骤4：对步骤3中不同重要性的节点采用不同的路由算法，具体包括：

对于不同类f的数据包使其通过的路径上的L值最小：

α_f(＝1,2)，f＝1表示数据包源节点为重要节点，f＝2表示数据包源节点为次重要节点；固定α₂＝1，寻找最优的α₁，α₁的取值范围(0,1)之间，k_j节点j的度值，α_f是无纲量参数；步骤5：通过仿真得到步骤4中最优的α₁

α₁依次取0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9在仿真的BA网络模型和实际网络模型中进行路由；

步骤6：理论推导不同参数情况下数据包阈值R_c，具体包括：

1)节点利用率定义为：网络中采用路由算法经过该节点的条数占所有采用该路由算法路径条数的比例；用符号U来表述

其中，V是网络中所有节点的集合，如果从s节点到t节点的路径经过了i节点δ(i)＝1，否则δ(i)＝0，j是网络中任意节点；

2)计算相同度数的节点的平均利用率：

这里N_k表示度值为k的节点数；

3)拥塞通常发生在利用率大的节点，数据包阈值R_c可以通过下列公式进行估算

这里N是网络中的节点总数，是网络中最大的节点利用率。

步骤7：利用数据包阈值和平均路由时间比较不同α₁值，得到最优的α₁值

数据包阈值指，网络从自由态转变成拥塞态时单位时间步内产生的数据包数目，用R_C表示；当单位时间产生的数据包数R<R_C，网络处于自由状态；当R>R_C，网络处于拥塞状态；路由时间是指数据包从源节点到目的节点所经历的时间，即源节点到目的节点的路径长度，平均路由时间，即在某时刻网络中所有已经到达目的地数据包所经历的时间的平均值。通过仿真和理论推导得到不同α₁值下的数据包阈值和平均路由时间。数据包阈值最大，并且平均路由时间最短所对应的α₁值，为最优α₁值。

图1黑色点是在不同参数α₁下数据包按照源节点重要性不同进行分类时，数据包阈值的变化。通过仿真在α₁＝0.4时数据包阈值最大为50；有效路由算法数据包阈值为39，由此可见提高近39％的路由效率，黑色线是本发明算法的理论分析值，对比仿真结果和理论相似。

表1是BA网络中有效路由算法和数据包按照源节点的重要性进行分类两种不同情况下，网络处于自由状态时传递数据包所需平均路由时间

表1

从表1中可知，采用有效路由算法时平均路由时间较长，数据包需要花费更多的时间才能传递到目的节点。数据包按照源节点的重要性分类时，产生在重要节点的数据包可以花费更少的时间到达目的地，从而在网络中消失，从而降低系统拥塞的可能。理论分析可知α₁越小，数据包从源到目的节点越倾向于选择度值较大的节点，那么数据包可能以更少的跳数到达目的地，现实生活中产生在基站、交通枢纽中心等节点的数据包往往更重要。更希望能有效、安全、快速的到达目的地，而本发明提出的算法恰好可以满足这一要求。

图2(a)是采用有效路由算法时，网络上不同度值节点的利用率，从图中可以看出采用该路由算法时，中间度值节点的利用率较大，度值较小和度值较大节点的利用率较小，相对最短路径，采用该算法可以在一定程度上缓解hub节点的堵塞，但是有效路由算法度大的节点的利用率仍然很小，没能充分利用度大节点的优势，这就导致数据包从源节点到目的节点之间的路径会过长；图2(b)是采用本发明提出的路由算法时，网络上不同度值节点的利用率，提高了度值大节点的利用率，使得不同度值节点的利用率相对比较平均，在0-0.4％之间，本发明提出的路由算法更加均匀地利用网络中的每个节点。

为了进一步在真实网络中验证本发明提出的路由算法较最短路径、有效路由算法和随机分类路由是否更加有效，选取了实际的web-EPA,其中包含N＝2221个节点和网络连边M＝6802条边，其中节点代表通信网络中路由器或主机，连边则表示数据包可在这两点之间直接传输，网络的平均度为<k>＝6.1252。

图3是在真实web-EPA网络中采用按数据包源节点重要性分类路由，在不同参数α₁下数据包阈值的变化，从图中可以看出在α₁＝0.4时数据包阈值最大为57；有效路由算法，即α₁＝α₂＝1.0时，数据包阈值为52。黑色线是本发明提出算法理论分析值，对比仿真结果和理论相似。

表2是真实网络中有效路由算法和数据包按照源节点的重要性进行分类两种不同情况下，网络处于自由状态时传递数据包所需平均路由时间

表2

表2的结论与表1相似，采用有效路由算法时，数据包传递所需的时间较长，产生在重要节点的数据包相对产生在次重要节点的数据包能快的到达目的地，更快的缓解hub节点(度值大的节点)拥塞情况。

真实网络中两种路由算法的节点利用率和图2的仿真结果相似，图4(a)采用有效路由算法时，网络上不同度值节点的利用率，从图中可以看出度值小的和度值大的节点相对中间度值节点的利用率要小很多；图4(b)是采用本发明提出的路由算法时，网络上不同度值节点的利用率，不仅相对图4(a)更加均匀的利用网络中的每个节点，而且最大节点利用率不超过0.22％。

Claims (1)

1.一种基于源节点重要性的多优先级路由算法，其特征在于，该方法包括如下具体步骤：

步骤1：构建无标度BA网络模型，具体包括：

1)增长性：从一个具有m₀个节点的连通图开始，每次添加一个新的节点，并且该新加入的节点连接到m个已存在的节点上，m≤m₀；

2)优先连接：一个新加入的节点和网络已经存在的某一节点i相连接的概率P_i，与网络中的任意节点j的度值遵循如下优先连接性：

k_i是节点i的度值，k_j是节点j的度值；

步骤2：配置用于步骤1中的流量模型，具体包括：

步骤1模型建立完成后，每个节点在每个时间步都产生数据包；数据包产生后，在网络节点之间进行传递，直到数据包到达目的节点后从网络中删除；数据包在网络中共经历如下三个过程：

1)数据包产生：在每个时间步，网络产生R个数据包，R个数据包的源节点和目的节点是随机的；

2)数据包传递：每个时间步，网络中的数据包会根据所采用的路由算法，向下一个节点传输，直到传递到目的节点；

3)数据包删除：数据包到达目的节点后，会从整个网络中消失；

步骤3：按照节点度值对步骤1网络中的节点进行分类，具体包括：

1)根据网络的邻接矩阵，计算每个节点的度值，进而计算整个网络的平均度值<k>；

2)节点度值大于网络平均度值<k>为重要节点，剩余节点为次重要节点；

步骤4：对步骤3中不同重要性的节点采用不同的路由算法，具体包括：

对于不同类f的数据包使其通过的路径上的L值最小：

α_f(f＝1,2)，f＝1表示数据包源节点为重要节点，f＝2表示数据包源节点为次重要节点；固定α₂＝1，寻找最优的α₁，α₁的取值范围(0,1)之间，k_j为节点j的度值，α_f是无纲量参数；

步骤5：通过仿真得到步骤4中最优的α₁

α₁依次取0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9在仿真的BA网络模型和实际网络模型中进行路由；

步骤6：理论推导不同参数情况下数据包阈值R_c，具体包括：

1)节点利用率定义为：网络中采用路由算法经过该节点的条数占所有采用该路由算法路径条数的比例；用符号U来表述：

式中，V是网络中所有节点的集合，如果从s节点到t节点的路径经过了i节点δ(i)＝1，否则δ(i)＝0，j是网络中任意节点；

2)计算相同度数的节点的平均利用率：

这里N_k表示度值为k的节点数；

3)拥塞通常发生在利用率大的节点，数据包阈值R_c通过下列公式进行估算：

这里N是网络中的节点总数，是网络中最大的节点利用率；

步骤7：利用数据包阈值和平均路由时间比较不同α₁值，得到最优的α₁值

数据包阈值R_C为网络从自由态转变成拥塞态时单位时间步内产生的数据包数目；当单位时间产生的数据包数R<R_C，网络处于自由状态；当R>R_C，网络处于拥塞状态；路由时间是指数据包从源节点到目的节点所经历的时间，即源节点到目的节点的路径长度，平均路由时间，即在某时刻网络中所有已经到达目的地数据包所经历的时间的平均值；通过仿真和理论推导得到不同α₁值下的数据包阈值和平均路由时间；数据包阈值最大，并且平均路由时间最短所对应的α₁值，为最优α₁值。