CN110493131B - 一种sdn架构下的空间信息网络路由策略的设计方法 - Google Patents
一种sdn架构下的空间信息网络路由策略的设计方法 Download PDFInfo
- Publication number
- CN110493131B CN110493131B CN201910905460.1A CN201910905460A CN110493131B CN 110493131 B CN110493131 B CN 110493131B CN 201910905460 A CN201910905460 A CN 201910905460A CN 110493131 B CN110493131 B CN 110493131B
- Authority
- CN
- China
- Prior art keywords
- route
- population
- spatial information
- routing
- sdn
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Abstract
本发明公开了一种SDN架构下的空间信息网络路由策略的设计方法,包括以下步骤:建立基于软件定义网络SDN的空间信息网络架构;建立基于SDN空间信息网络路由模型;建立改进的遗传算法求解路由模型。本发明利用SDN数控分离的思想,在控制平面高度集中逻辑,可以实时获取全局的网络状态,计算路由策略,LEO和MEO不需要自身计算路由,减轻了卫星自身负载,降低了功耗。本发明针对空间信息网络具有通信环境复杂、节点动态性强、星上处理能力有限和业务种类繁多等特点,在SDN架构下制定最优的空间信息网络路由方案,降低空间信息网络中各业务类数据转发的传输时延和减少丢包率。
Description
技术领域
本发明涉及空间信息网络路由策略,特别是一种软件定义网络(SoftwareDefined Network,SDN)架构下的空间信息网络路由策略的设计方法。
背景技术
空间信息网络传输的业务种类繁多,拓扑结构变化快,导致链路频繁的切换或中断,使得无法存在稳定的端到端链路。此外,卫星的尺寸和重量限制了其机载处理能力,在其自身计算路由时造成了不便,这给空间信息网络的通信带来了极大困难。因此,建立有效的路由策略对空间信息网络的高效运行具有十分重要的意义。
现有的空间信息网络路由分为单层路由和多层路由。利用单层卫星网络运行的周期性和规律性,将其运行周期划分为n个时隙。每个时隙内,将卫星网络视为虚拟静态拓扑,路由策略存储在每个卫星节点中,卫星通信过程中查询对应的转发路径即可。但是此类方法由于运行周期分为较多时隙,需要星上有足够的存储空间,增加卫星负载。同时由于通信环境复杂和节点高动态性造成链路故障、流量变化等情况时卫星的处理能力较差,造成了数据传输的时延大和丢包率高等问题。对于GEO/LEO双层卫星网络链路负载不均衡、多媒体业务具有不同QoS(服务质量)要求的问题,提出结合业务利用率来调整不同业务链路初始权值,从而合理分配网络资源,满足各种QoS要求,优化卫星网络链路利用率。但是该方法在业务利用率不同时,需要卫星计算业务权值来判断业务链路,增加了卫星的内存占用和运行负担。
发明内容
为解决现有技术存在的上述问题,本发明要设计一种SDN架构下的空间信息网络路由策略的方法,该方法能够降低数据的传输时延和减小丢包率,同时减少卫星的内存占用并减轻运行负担。
为了实现上述目的,本发明的技术方案如下:一种SDN架构下的空间信息网络路由策略的设计方法,包括以下步骤:
A、建立基于软件定义网络SDN的空间信息网络架构
基于SDN的空间信息网络架构包括控制平面和转发平面。
所述的控制平面包含地面站和GEO,地面站为一级控制器,包含信息存储模块和路由计算模块;GEO为二级控制器,包含节点探索模块和基础转发模块。
所述的转发平面包括MEO和LEO,接收控制平面下发的规则对数据包进行快速转发。
所述的GEO为高轨卫星,MEO为中轨卫星,LEO为低轨卫星。
所述的信息存储模块用于存储转发平面链路状态信息。
所述的路由计算模块根据信息存储模块的链路信息计算,得出最优路由。
所述的基础转发模块用于传递一级控制器与转发平面的信息交互。
所述的节点探索模块用于探索转发平面卫星节点间链路状态信息。
B、建立基于SDN空间信息网络路由模型
B1、定义路由模型参数
采用G(V,E)表示基于SDN空间信息网络拓扑模型,V表示空间信息网络中所有卫星节点的集合,E={e=(i,j)|i,j∈V},表示相邻两个卫星之间的链路集合,相邻卫星之间有且只有一条链路,“源-宿”两端节点卫星之间的路由集合为p,定义如下路由模型参数:
pbk=min(pbk(m)),pbk(m)≥0 (3)
式中pdk(m)、pbk(m)和plk(m)分别代表路由集合p中第k条路由中的第m段路径的时延、带宽和丢包率,pdk、pbk和plk分别代表第k条路由的时延、带宽和丢包率,N表示路由集合中路由数目。
不同性质的参数直接加和不能反映出不同因素的综合效果,所以将获得的链路时延参数和带宽参数归一化处理,将原始数据线性化映射到[0,1]的范围,实现对原始数据的等比例缩放,归一化函数为:
其中xk的值为链路中“源-宿”两端的节点中第k条路径pk的时延参数或带宽参数,根据公式(4)进行归一化处理,得到的y1,y2,...,yn∈[0,1],且无量级。归一化处理后计算pk的代价ck:
ck=w1·pdyk+w2·plk+w3·pbyk (5)
其中pdyk和pbyk分别代表第k条链路归一化处理的时延参数和带宽参数,plk代表丢包率参数。w1、w2和w3分别代表每个参数所占的权重。权重选取策略采用判断矩阵法,将所有指标列出来,组成一个M×M的方阵,然后对各指标两两比较并打分,最后对各指标的得分求和,并作规范化处理。构造判断矩阵为:
其中:aij为评价元素i对评价元素j相对重要尺度,满足aijaji=1,m表示重要性尺度个数。
不同元素间重要性尺度定义如下:
重要性尺度为1表示两元素重要性相同;
重要性尺度为3表示前一元素比后一元素稍微重要;
重要性尺度为5表示前一元素比后一元素明显重要;
重要性尺度为7表示前一元素比后一元素非常重要;
重要性尺度为9表示前一元素比后一元素十分重要。
采用特征根法计算时延、带宽和丢包率的权重过程如下:
B11、将A中的每一列向量归一化;归一化公式为:
特征向量记为w=(w1,w2,...,wm)T;
B2、建立路由模型
根据步骤A建立的基于SDN的空间信息网络架构和步骤B1定义的路由模型参数,设定代价函数如下:
在源节点到目的节点的路径中,C为链路代价,pdyk和pbyk分别代表链路归一化处理后的时延参数和带宽参数,plk代表链路的丢包率;w1、w2和w3分别为每个参数所占的权重,b、d和l分别为数据流转发的带宽、时延和丢包率参数的约束标准,根据业务类别计算该业务的权重,代入代价方程,s.t.是代价函数的约束条件;规定路由包含的子链路带宽大于数据流转发所需带宽、时延和丢包率小于规定值,求解代价函数最小值C;
C、建立改进的遗传算法求解路由模型
在求解基于SDN的空间信息网络路由模型中,“源-宿”节点之间的路由集合p作为遗传算法的种群,求解路由模型就是遗传算法的求解过程。
C1、编制染色体编码
染色体编码是将实际问题映射到遗传算法中,在空间信息网络中,源节点用S表示,代表染色体第一个位置,目的节点用D表示,代表染色体最后一个位置。实际卫星路由经过的节点表示为N1,N2...Nn,整条路由表示为S,N1...Nn,D,染色体编码将实际的路由转变为染色体基因序列。染色体基因序列顺序与路由经过的卫星节点顺序相同,由于路由包含卫星节点个数不同,所以基因序列长度不一致。
C2、设计适度函数
适度函数为ck=w1·pdyk+w2·plk+w3·pbyk,对于编码的染色体,根据业务类别利用判断矩阵法计算w1、w2和w3的权重值,结合路由的时延、丢包率和带宽的约束条件得出适度函数值,选取最优解min C。
C3、选择种群
采用顺序选择法,根据适度函数计算当前n个染色体并按适度值并从小到大排序,然后选择前n/2个染色体,剩余n/2个染色体再随机选择一半,共选取3n/4个染色体,既保证优质个体不会丢失,也保证种群多样性。
C4、设计遗传算子
交叉概率和变异概率是影响种群寻优的关键,重新定义一种调节种群概率的自适应交叉、变异算子,种群的适应度平均值表示为E(C),分散程度表示为F,具体公式如下:
自适应交叉、变异概率分别表示为Pc和Pm,计算公式如下:
式中:k1和k2为(0,1)之间的自适应概率参数,F作为判断种群适应度集中或分散的依据,范围在[0,π/2]之间。当Cmin/Cavg增大时,F增大,此时种群适度值集中,很难产生优质解,容易陷入局部极值,自适应减小Pc值和增加Pm值,增大种群变异概率,能够很好的摆脱局部极值;反之,当Cmin/Cavg减小时,F减小,说明种群适应度值比较分散,自适应增加Pc的值能快速产生种群的优质解,同时自适应降低Pm值,减少对优质解的破坏。
计算得到自适应交叉、变异概率后,对种群进行交叉和变异操作,采用的交叉算子方法为循环共点交叉法,首先在选取的染色体中选择两个有共同基因片段的染色体,相同的基因片段代表同一个节点,相互交换共同节点处之后的染色体片段,组成新的染色体。由于“源-宿”节点之间路由过多,可能交叉之后的路径集中已存在,此时过滤掉重复的路径,寻找下一个具有相同共同点的路径,继续交叉,直到达到要求。
变异算子采用单点变异法,在路由中随机选取一点作为变异点,变异点相邻节点随机选择一个相邻节点,该节点不能是源节点到变异点路径中的节点,在邻节点后重复操作直到生成源节点到目的节点的路径。
C5、设定条件
遗传算法求解代价路由时,当种群迭代到一定次数时,选择的最优路由和种群适度值没有明显变化,种群变化趋势趋于平稳,停止种群进化,选取最优解,设定条件如下所示:
cn-cn-1=cn-1-cn-2 (11)
式中cn、cn-1、cn-2分别表示迭代第n次、n-1次、n-2次之后的适度函数值,表示三次迭代的适度值没有变化。
与现有技术相比,本发明的有益效果是:
1、本发明利用SDN数控分离的思想,在控制平面高度集中逻辑,可以实时获取全局的网络状态,计算路由策略,LEO和MEO不需要自身计算路由,减轻了卫星自身负载,降低了功耗。
2、本发明针对空间信息网络具有通信环境复杂、节点动态性强、星上处理能力有限和业务种类繁多等特点,在SDN架构下制定最优的空间信息网络路由方案,降低空间信息网络中各业务类数据转发的传输时延和减少丢包率。
3、本发明不需要卫星自身计算路由策略,复杂的路由计算由地面站完成,减轻了卫星负担,采用SDN结构的地面站控制层具有全网视图,能够根据空间信息网络的链路实时状况制定路由策略。本发明的SDN架构下的空间信息网络路由策略具有良好的应用前景。
附图说明
图1是基于SDN的空间信息网络架构模型图。
图2是染色体编码图。
图3是染色体交叉过程示意图。
图4是染色体变异过程示意图。
图5是遗传算法流程图。
图6是时延敏感业务端到端仿真图。
图7是丢包率敏感业务端到端仿真图。
图8是综合业务端到端丢包率仿真图。
具体实施方式
下面结合附图对本发明进行进一步地描述。
如图1所示,基于SDN的空间信息网络路由策略是由整个网络的协同调度来计算出每类业务的最优路由。本发明设计的路由策略步骤如下所示:
Step1:GEO控制器的卫星探索模块周期性通过Packet_out报文发出LLDP数据包;
Step2:转发平面的卫星接收到数据包,判断其接收端口是否为控制器端口。若是,将数据包转发出去,否则将感知数据包通过Packet_in报文发送给控制器;
Step3:GEO控制器接收到Packet_in报文,获取两个卫星节点之间的拓扑状态,解析链路带宽、时延和丢包率等链路状态信息,并传至地面站控制器;
Step4:地面站控制器接收和存储GEO获取的全局链路状态信息,利用改进的遗传算法计算各业务类数据的路由;
Step5:判断转发业务数据的卫星与地面站距离是否较近。若是则地面控制器路由决策发送到转发平面,MEO/LEO卫星进行数据转发,否则进行Step6;
Step6:二级控制器GEO接收地面站的路由信息,下发至转发平面,进行业务转发;
Step7:时间周期将要结束时,根据新的链路状态新制定的路由以流表形式下发,转发平面在下一个周期根据新的流表规则转发业务数据。
本发明的实施例如下:本发明的仿真中设计了一个小型卫星星座,地面站和GEO为控制平面,MEO和LEO为转发平面,空间信息网络路由策略的设计方法,包括以下步骤:
A、建立基于软件定义网络SDN的空间信息网络架构
B、建立基于SDN空间信息网络路由模型
B1、定义路由模型参数
不同元素间重要性尺度定义如表1所示:
表1重要性尺度表
B2、建立路由模型
C、如图5所示,建立改进的遗传算法求解路由模型
C1、编制染色体编码
如图2所示,染色体编码是将实际问题映射到遗传算法中,在空间信息网络中,源节点用S表示,代表染色体第一个位置,目的节点用D表示,代表染色体最后一个位置。实际卫星路由经过的节点表示为N1,N2...Nn,整条路由表示为S,N1...Nn,D,染色体编码将实际的路由转变为染色体基因序列。染色体基因序列顺序与路由经过的卫星节点顺序相同,由于路由包含卫星节点个数不同,所以基因序列长度不一致。
C2、设计适度函数
C3、选择种群
C4、设计遗传算子
如图3所示,采用的交叉算子方法为循环共点交叉法,首先在选取的染色体中选择两个有共同基因片段的染色体,相同的基因片段代表同一个节点,相互交换共同节点处之后的染色体片段,组成新的染色体。如S,N1,N3,N5,N6,N7,N8,D和S,N1,N2,N3,N4,N5,D两个序列,共同的基因片段为N3,两者经过交叉后变为S,N1,N2,N3,N5,N6,N7,N8,D和S,N1,N3,N4,N5,D。
如图4所示,变异算子采用单点变异法,在路由中随机选取一点作为变异点,变异点相邻节点随机选择一个相邻节点,该节点不能是源节点到变异点路径中的节点,在邻节点后重复操作直到生成源节点到目的节点的路径。如S,N1,N4,N5,D序列,N4变异为N6,N6经过N7到达D,变异后序列为S,N1,N6,N7,D。
(以上内容中仅补充发明内容中需要进一步解释的内容,其余内容与前面相同,不重复)
卫星节点信息表如表2示。
表2卫星节点信息
仿真中选取三种业务分别为时延敏感业务、丢包率敏感业务和综合类业务,综合业务表示数据流既是时延敏感类又是丢包率敏感类。对于每种业务的权重系数分别采用判断矩阵法计算得到,三种业务相对重要程度如表3示。
表3相对重要度
本发明基于SDN的空间信息网络路由策略时延仿真结果如图6示。仿真结果与DFRR策略和AR策略对比,在时延敏感类业务端到端传输的平均时延方面,随着时间增加,本发明的路由策略相对其他两种策略较好,比DFRR策略降低了3.2%,比AR策略降低了5.3%。这是因为DFRR策略是减少链路拥塞的因素而提高路由效率,AR策略根据卫星位置周期性变化,提前计算路由进行数据转发,两者没有考虑数据的实时业务需求和合理的相应业务类路由。本发明的路由策略是考虑数据业务类别和链路状况制定路由,采用改进的遗传算法进行筛选,选择出的路由具有鲁棒性。对于空间信息网络的大流量传输,具有较好的实用性和高效性,路由表现出较好的时延性能。
本发明丢包率敏感类业务传输仿真结果如图7示。不同时间周期业务流数量不同,随着传输的业务流数量增加,本发明策略相比于DFRR策略和AR策略性能较好。在平均丢包率上本发明策略比DFRR降低10.2%,比AR策略降低19.1%。DFRR策略和AR策略选取路由考虑因素单一,而不能较好的服务于各类业务。本发明根据权重计算路由代价,选取的路由在丢包率方面体现优势。
图8为综合业务传输丢包率对比仿真结果,三种策略对比下,在业务流量传输数量较小时,DFRR策略和AR策略比本发明策略要好,因为本发明考虑因素较多具有一定复杂度。但随着传输数量的增加,本发明优势明显,平均丢包率相比DFRR策略和AR策略分别降低了5.5%和15.2%,具有较好的丢包率性能。
本发明不局限于本实施例,任何在本发明披露的技术范围内的等同构思或者改变,均列为本发明的保护范围。
Claims (3)
1.一种SDN架构下的空间信息网络路由策略的设计方法,其特征在于:包括以下步骤:
A、建立基于软件定义网络SDN的空间信息网络架构
基于SDN的空间信息网络架构包括控制平面和转发平面;
所述的控制平面包含地面站和GEO,地面站为一级控制器,包含信息存储模块和路由计算模块;GEO为二级控制器,包含节点探索模块和基础转发模块;
所述的转发平面包括MEO和LEO,接收控制平面下发的规则对数据包进行快速转发;
所述的GEO为高轨卫星,MEO为中轨卫星,LEO为低轨卫星;
所述的信息存储模块用于存储转发平面链路状态信息;
所述的路由计算模块根据信息存储模块的链路信息计算,得出最优路由;
所述的基础转发模块用于传递一级控制器与转发平面的信息交互;
所述的节点探索模块用于探索转发平面卫星节点间链路状态信息;
B、建立基于SDN空间信息网络路由模型
B1、定义路由模型参数
采用G(V,E)表示基于SDN空间信息网络拓扑模型,V表示空间信息网络中所有卫星节点的集合,E={e=(i,j)|i,j∈V},表示相邻两个卫星之间的链路集合,相邻卫星之间有且只有一条链路,“源-宿”两端节点卫星之间的路由集合为p,定义如下路由模型参数:
pbk=min(pbk(m)),pbk(m)≥0 (3)
式中pdk(m)、pbk(m)和plk(m)分别代表路由集合p中第k条路由中的第m段路径的时延、带宽和丢包率,pdk、pbk和plk分别代表第k条路由的时延、带宽和丢包率,N表示路由集合中路由数目;
不同性质的参数直接加和不能反映出不同因素的综合效果,所以将获得的链路时延参数和带宽参数归一化处理,将原始数据线性化映射到[0,1]的范围,实现对原始数据的等比例缩放,归一化函数为:
其中xk的值为链路中“源-宿”两端的节点中第k条路径pk的时延参数或带宽参数,根据公式(4)进行归一化处理,得到的y1,y2,...,yn∈[0,1],且无量级;归一化处理后计算pk的代价ck:
ck=w1·pdyk+w2·plk+w3·pbyk (5)
其中pdyk和pbyk分别代表第k条链路归一化处理的时延参数和带宽参数,plk代表丢包率参数;w1、w2和w3分别代表每个参数所占的权重;权重选取策略采用判断矩阵法,将所有指标列出来,组成一个M×M的方阵,然后对各指标两两比较并打分,最后对各指标的得分求和,并作规范化处理;构造判断矩阵为:
其中:aij为评价元素i对评价元素j相对重要尺度,满足aijaji=1,m表示重要性尺度个数;
采用特征根法计算时延、带宽和丢包率的权重过程如下:
B11、将A中的每一列向量归一化;归一化公式为:
特征向量记为w=(w1,w2,...,wm)T;
B2、建立路由模型
根据步骤A建立的基于SDN的空间信息网络架构和步骤B1定义的路由模型参数,设定代价函数如下:
在源节点到目的节点的路径中,C为链路代价,pdyk和pbyk分别代表链路归一化处理后的时延参数和带宽参数,plk代表链路的丢包率;w1、w2和w3分别为每个参数所占的权重,b、d和l分别为数据流转发的带宽、时延和丢包率参数的约束标准,根据业务类别计算该业务的权重,代入代价方程,s.t.是代价函数的约束条件;规定路由包含的子链路带宽大于数据流转发所需带宽、时延和丢包率小于规定值,求解代价函数最小值C;
C、建立改进的遗传算法求解路由模型
在求解基于SDN的空间信息网络路由模型中,“源-宿”节点之间的路由集合p作为遗传算法的种群,求解路由模型就是遗传算法的求解过程;
C1、编制染色体编码
染色体编码是将实际问题映射到遗传算法中,在空间信息网络中,源节点用S表示,代表染色体第一个位置,目的节点用D表示,代表染色体最后一个位置;实际卫星路由经过的节点表示为N1,N2...Nn,整条路由表示为S,N1...Nn,D,染色体编码将实际的路由转变为染色体基因序列;染色体基因序列顺序与路由经过的卫星节点顺序相同,由于路由包含卫星节点个数不同,所以基因序列长度不一致;
C2、设计适度函数
适度函数为ck=w1·pdyk+w2·plk+w3·pbyk,对于编码的染色体,根据业务类别利用判断矩阵法计算w1、w2和w3的权重值,结合路由的时延、丢包率和带宽的约束条件得出适度函数值,选取最优解minC;
C3、选择种群
采用顺序选择法,根据适度函数计算当前n个染色体并按适度值并从小到大排序,然后选择前n/2个染色体,剩余n/2个染色体再随机选择一半,共选取3n/4个染色体,既保证优质个体不会丢失,也保证种群多样性;
C4、设计遗传算子
交叉概率和变异概率是影响种群寻优的关键,重新定义一种调节种群概率的自适应交叉、变异算子,种群的适应度平均值表示为E(C),分散程度表示为F,具体公式如下:
自适应交叉、变异概率分别表示为Pc和Pm,计算公式如下:
式中:k1和k2为(0,1)之间的自适应概率参数,F作为判断种群适应度集中或分散的依据,范围在[0,π/2]之间;当Cmin/Cavg增大时,F增大,此时种群适度值集中,很难产生优质解,容易陷入局部极值,自适应减小Pc值和增加Pm值,增大种群变异概率,能够很好的摆脱局部极值;反之,当Cmin/Cavg减小时,F减小,说明种群适应度值比较分散,自适应增加Pc的值能快速产生种群的优质解,同时自适应降低Pm值,减少对优质解的破坏;
计算得到自适应交叉、变异概率后,对种群进行交叉和变异操作,采用的交叉算子方法为循环共点交叉法,首先在选取的染色体中选择两个有共同基因片段的染色体,相同的基因片段代表同一个节点,相互交换共同节点处之后的染色体片段,组成新的染色体;由于“源-宿”节点之间路由过多,可能交叉之后的路径集中已存在,此时过滤掉重复的路径,寻找下一个具有相同共同点的路径,继续交叉,直到达到要求;
变异算子采用单点变异法,在路由中随机选取一点作为变异点,变异点相邻节点随机选择一个相邻节点,该节点不能是源节点到变异点路径中的节点,在邻节点后重复操作直到生成源节点到目的节点的路径;
C5、设定条件
遗传算法求解代价路由时,当种群迭代到一定次数时,选择的最优路由和种群适度值没有明显变化,种群变化趋势趋于平稳,停止种群进化,选取最优解。
2.根据权利要求1所述的一种SDN架构下的空间信息网络路由策略的设计方法,其特征在于:步骤B1中不同元素间重要性尺度定义如下:
重要性尺度为1表示两元素重要性相同;
重要性尺度为3表示前一元素比后一元素稍微重要;
重要性尺度为5表示前一元素比后一元素明显重要;
重要性尺度为7表示前一元素比后一元素非常重要;
重要性尺度为9表示前一元素比后一元素十分重要。
3.根据权利要求1所述的一种SDN架构下的空间信息网络路由策略的设计方法,其特征在于:步骤C5设定条件如下所示:
cn-cn-1=cn-1-cn-2 (11)
式中cn、cn-1、cn-2分别表示迭代第n次、n-1次、n-2次之后的适度函数值,表示三次迭代的适度值没有变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910905460.1A CN110493131B (zh) | 2019-09-24 | 2019-09-24 | 一种sdn架构下的空间信息网络路由策略的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910905460.1A CN110493131B (zh) | 2019-09-24 | 2019-09-24 | 一种sdn架构下的空间信息网络路由策略的设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110493131A CN110493131A (zh) | 2019-11-22 |
CN110493131B true CN110493131B (zh) | 2021-06-01 |
Family
ID=68559048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910905460.1A Active CN110493131B (zh) | 2019-09-24 | 2019-09-24 | 一种sdn架构下的空间信息网络路由策略的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110493131B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110161861B (zh) * | 2019-05-30 | 2022-05-27 | 上海航天测控通信研究所 | 基于模糊神经网络的飞行器自组网路由决策方法及装置 |
CN111092818B (zh) * | 2019-11-28 | 2022-03-04 | 中国空间技术研究院 | 基于业务时延的多层多域卫星网络拓扑抽象方法 |
CN110972168B (zh) * | 2019-12-16 | 2022-05-03 | 重庆邮电大学 | 天地一体化网络sdn控制器按需动态放置方法 |
CN111245722B (zh) * | 2020-01-20 | 2022-03-11 | 重庆邮电大学 | 一种基于遗传算法的sdn数据中心网络流转发方法 |
CN111277321B (zh) * | 2020-02-14 | 2021-10-19 | 北京邮电大学 | 一种卫星通信系统及方法 |
CN111464667B (zh) * | 2020-03-20 | 2022-08-26 | 北京信息科技大学 | 一种基于ip网络实现命名数据网络通信的方法及系统 |
CN113542115B (zh) * | 2020-04-22 | 2022-10-04 | 国家电网有限公司 | 基于sdn电力通信网络的数据路径确定方法、装置及系统 |
CN111884703B (zh) * | 2020-06-19 | 2022-08-26 | 中国电子科技集团公司第五十四研究所 | 一种基于通信卫星间协同计算的业务请求分配方法 |
CN111786834A (zh) * | 2020-07-02 | 2020-10-16 | 福州大学 | 基于遗传算法的sdn交换机节点增量部署方法 |
CN111953602B (zh) * | 2020-07-30 | 2022-07-12 | 新华三技术有限公司 | 一种路由选择方法及装置 |
CN112910543B (zh) * | 2021-02-01 | 2022-09-13 | 军事科学院系统工程研究院系统总体研究所 | 一种容迟容断双层卫星路由机制的实现方法 |
CN113301375B (zh) * | 2021-05-24 | 2022-10-14 | 上海绚显科技有限公司 | 一种数据发送方法及装置 |
CN113572686B (zh) * | 2021-07-19 | 2022-09-02 | 大连大学 | 一种基于SDN的天地一体化自适应动态QoS路由方法 |
CN114465945B (zh) * | 2022-03-25 | 2023-12-08 | 江苏省未来网络创新研究院 | 一种基于sdn的标识解析网络构建方法 |
CN115150325B (zh) * | 2022-06-29 | 2024-04-09 | 东北大学 | 一种应用于b5g车载网的可靠路由方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743717A (zh) * | 2016-05-04 | 2016-07-06 | 武汉大学 | 基于sdn技术的天地一体化空间信息网络系统及通信方法 |
CN106301911A (zh) * | 2016-08-12 | 2017-01-04 | 南京大学 | 基于sdn的空间信息网络半实物集中式仿真平台及其实现方法 |
CN106411736A (zh) * | 2016-11-17 | 2017-02-15 | 中国电子科技集团公司第五十四研究所 | 一种面向软件定义卫星网络的节点资源发现策略优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9866552B2 (en) * | 2015-05-08 | 2018-01-09 | International Business Machines Corporation | Network authentication of a geo-fenced volume |
-
2019
- 2019-09-24 CN CN201910905460.1A patent/CN110493131B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743717A (zh) * | 2016-05-04 | 2016-07-06 | 武汉大学 | 基于sdn技术的天地一体化空间信息网络系统及通信方法 |
CN106301911A (zh) * | 2016-08-12 | 2017-01-04 | 南京大学 | 基于sdn的空间信息网络半实物集中式仿真平台及其实现方法 |
CN106411736A (zh) * | 2016-11-17 | 2017-02-15 | 中国电子科技集团公司第五十四研究所 | 一种面向软件定义卫星网络的节点资源发现策略优化方法 |
Non-Patent Citations (3)
Title |
---|
Dynamic SDN Controller Placement in a LEO Constellation Satellite Network;Arled Papa; Tomaso De Cola; Petra Vizarreta; Mu He等;《2018 IEEE Global Communications Conference (GLOBECOM)》;20190221;全文 * |
基于 MPLS 的空间信息网络路由策略;潘成胜等;《计算机工程》;20190331;全文 * |
基于 SDN 的异构空间信息网络传输策略;杨力等;《计算机工程》;20190731;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110493131A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110493131B (zh) | 一种sdn架构下的空间信息网络路由策略的设计方法 | |
WO2020181761A1 (zh) | 一种sdn增强路径装箱装置及方法 | |
CN113572686B (zh) | 一种基于SDN的天地一体化自适应动态QoS路由方法 | |
Long et al. | A sustainable heuristic QoS routing algorithm for pervasive multi-layered satellite wireless networks | |
CN109586785B (zh) | 基于k最短路径算法的低轨卫星网络路由策略 | |
CN105323166B (zh) | 一种面向云计算的基于网络能效优先的路由方法 | |
CN109413707B (zh) | 无线网络环境下基于深度强化学习技术的智能路由方法 | |
CN112350949B (zh) | 软件定义网络中基于流调度的重路由拥塞控制方法及系统 | |
CN102571571A (zh) | 一种应用于时延容忍网络的多层次有效路由方法 | |
Wang et al. | Fuzzy-CNN based multi-task routing for integrated satellite-terrestrial networks | |
CN105743804A (zh) | 一种数据流控制方法和系统 | |
Li et al. | Knowledge graph aided network representation and routing algorithm for LEO satellite networks | |
CN102711125A (zh) | 一种提高无线mesh网络传输能力的方法 | |
Paganini | Congestion control with adaptive multipath routing based on optimization | |
CN102427596A (zh) | 基于定位信息辅助的节点移动网络的路由方法及调度方法 | |
CN106105282B (zh) | 利用链路缓冲区状态进行流量工程的系统和方法 | |
Zhou et al. | Adaptive routing strategy based on improved double Q-learning for satellite Internet of Things | |
Wang et al. | GRouting: dynamic routing for LEO satellite networks with graph-based deep reinforcement learning | |
ParandehGheibi et al. | Optimal reverse carpooling over wireless networks-a distributed optimization approach | |
CN109150728B (zh) | 基于赋权时空图的空天信息网络路由方法 | |
CN103619047B (zh) | 一种多并发流无线网状网中的机会路由方法 | |
Li et al. | Receiving-capacity-constrained rapid and fair disaster backup for multiple datacenters in SDN | |
CN108429577A (zh) | 一种基于PROMETHEE方法的卫星QoS路由算法 | |
Moza et al. | Finding K shortest paths in a network using genetic algorithm | |
CN115021793A (zh) | 基于网络编码的卫星网络星间链路规划与功率分配方法 |
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 |