CN110730096A - 分布式系统中基于拓扑机器人的网络拓扑优化方法 - Google Patents

分布式系统中基于拓扑机器人的网络拓扑优化方法 Download PDF

Info

Publication number
CN110730096A
CN110730096A CN201910955997.9A CN201910955997A CN110730096A CN 110730096 A CN110730096 A CN 110730096A CN 201910955997 A CN201910955997 A CN 201910955997A CN 110730096 A CN110730096 A CN 110730096A
Authority
CN
China
Prior art keywords
node
importance
network
robot
topology
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
Application number
CN201910955997.9A
Other languages
English (en)
Other versions
CN110730096B (zh
Inventor
王叶群
关娇
黄国策
董淑福
孙启禄
王桂胜
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.)
Air Force Engineering University of PLA
Original Assignee
Air Force Engineering University of PLA
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 Air Force Engineering University of PLA filed Critical Air Force Engineering University of PLA
Priority to CN201910955997.9A priority Critical patent/CN110730096B/zh
Publication of CN110730096A publication Critical patent/CN110730096A/zh
Application granted granted Critical
Publication of CN110730096B publication Critical patent/CN110730096B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • 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
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • 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
    • H04L41/12—Discovery or management of network topologies

Abstract

提出分布式系统中基于拓扑机器人的网络拓扑优化方法：①分布式系统中所有节点周期性向拓扑机器人发送邻居链路状态信息，机器人构建全网拓扑图，计算所有节点的重要度；②机器人获取网络分裂影响度不为0的节点数量n1；③机器人对所有节点的重要度进行比较，找出重要度度量值最大的节点A；④找出节点重要度最小的机器人B；⑤假设机器人B移动至节点A附近，机器人B更新网络拓扑图，计算所有节点的重要度；⑥机器人B获取网络分裂影响度不为0的节点数量n2；⑦机器人B对所有节点的重要度进行比较，找出重要度度量值最大的节点C；⑧决策是否执行“机器人B移动至节点A附近”的拓扑优化操作。该方法能实现增强分布式系统网络连通性，提高网络的抗毁能力和健壮性。

Description

分布式系统中基于拓扑机器人的网络拓扑优化方法
技术领域
本发明涉及拓扑优化技术，具体涉及分布式系统中基于拓扑机器人的网络拓扑优化方法。
背景技术
网络拓扑优化，指通过调整节点部署位置、控制电台发送功率等方法，以实现增强网络连通性、提高网络抗毁能力的过程。其中基于调整节点部署位置的网络拓扑优化过程，需要首先对网络的抗毁性进行度量，找到连通薄弱点，一般用节点的重要度进行衡量。现有系统主要采用两种方法来衡量节点的重要度，一是度值评价法，二是介数法。
对于分布式系统，各种计算、存储、应用等资源分散在不同的节点上，节点之间通过分布式协同以完成分配的任务。在分布式系统中，节点一旦脱网，能够发挥的效能将非常有限甚至失效，也就是说，网络分裂(包括节点脱网)对分布式系统的影响非常大。
传统的度值评价法和介数法不能准确反应分布式系统中节点的重要程度，尤其不能体现网络分裂对分布式系统的影响程度。
发明内容
针对现有技术存在的问题，本发明提出一种分布式系统中基于拓扑机器人的网络拓扑优化方法，具体如下：
定义为网络分裂影响度、邻居断链影响度和路径中断影响度等指标构成的三维向量，即Q(i)＝{Qi1，Qi2，Qi3}，其中i为节点序号，网内不重复；Q(i)为节点i的重要度，Qi1为节点i的网络分裂影响度，表征节点i失效造成的网络分裂程度，如果节点i失效后网络未分裂，则Qi1取值为0，如果节点i失效后网络分裂为2个以上的子网，则Qi1取值为全网节点数量与规模最大子网的节点数量差值；Qi2为邻居断链影响度，表征节点i失效造成的邻居链路中断程度，取值为节点i的邻居节点数量；Qi3为路径中断影响度，表征节点i失效造成的最短路径中断程度，定义为
Figure BSA0000191815020000021
其中φmn(i)指节点m经过节点i到节点n的最短路径数目，φmn指节点m到节点n的全部最短路径数目；
设节点i和节点j的重要度分别为Q(i)和Q(j)，则有：
第一，若节点i的网络分裂影响度Qi1大于节点j的网络分裂影响度Qj1，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
第二，若节点i的网络分裂影响度Qi1等于节点j的网络分裂影响度Qj1，且节点i的邻居断链影响度Qi2大于节点j的邻居断链影响度Qj2，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
第三，若节点i的网络分裂影响度Qi1等于节点j的网络分裂影响度Qj1、节点i的邻居断链影响度Qi2等于节点j的邻居断链影响度Qj2，且节点i的路径中断影响度Qi3大于节点j的路径中断影响度Qj3，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
Q(i)和Q(j)的比较公式为
Figure BSA0000191815020000022
其中MAX(Q(i)，Q(j))指Q(i)与Q(j)中的最大值；
所述分布式系统中基于拓扑机器人的网络拓扑优化方法，具体包括下列步骤：
①分布式系统中所有节点周期性向拓扑机器人发送邻居链路状态信息，拓扑机器人利用该信息构建全网拓扑图，并基于构建的拓扑图计算所有节点的重要度；
②利用步骤①计算的所有节点重要度度量值，拓扑机器人获取网络分裂影响度不为0的节点数量n1；
③利用步骤①计算的所有节点重要度度量值，拓扑机器人对所有节点的重要度进行比较，找出重要度度量值最大的节点A，记节点A的重要度为Q(A)＝{QA1，QA2，QA3}；
④利用步骤③对节点重要度的比较结果，找出节点重要度最小的拓扑机器人B；
⑤假设拓扑机器人B移动至节点A附近，拓扑机器人B更新网络拓扑图，并根据新的网络拓扑图计算所有节点的重要度；
⑥利用步骤⑤计算的所有节点重要度度量值，拓扑机器人B获取网络分裂影响度不为0的节点数量n2；
⑦利用步骤⑤计算的所有节点重要度度量值，拓扑机器人B对所有节点的重要度进行比较，找出重要度度量值最大的节点C，记节点C的重要度为Q(C)＝{QC1，QC2，QC3}；
⑧利用步骤②、③、⑥、⑦的结果，决策是否执行“拓扑机器人B移动至节点A附近”的拓扑优化操作。
在本发明的一个实施例中，步骤⑧中进行决策的具体判断准则为：
第一，当n1＞n2时，执行拓扑优化操作；
第二，当n1＝＝n2，且QA1＞QC1时，执行拓扑优化操作；
第三，当n1＝＝n2、QA1＝＝QC1，且QA2＞QC2时，执行拓扑优化操作；
第四，当n1＝＝n2、QA1＝＝QC1、QA2＝＝QC2，且QA3＞QC3时，执行拓扑优化操作；
第五，当不满足以上任意一条时，不执行拓扑优化操作。
本发明方法的优点在于：首先，提出由网络分裂影响度、邻居断链影响度和路径中断影响度三维向量构成的节点重要度概念，以及节点重要度的度量和比较方法；其次，提出一种基于拓扑机器人的网络拓扑优化方法，通过对节点重要度的度量和比较，查找网络中的连通薄弱点和对网络连通性影响最小的拓扑机器人，再预估拓扑机器人调整位置后对网络连通性的增量，最后决策是否执行拓扑优化操作。总体来说，节点重要度的度量值能够准确反应分布式系统的节点重要程度，以节点重要度为理论判断依据、以拓扑机器人部署位置调整为途径的网络拓扑优化方法，能够实现增强分布式系统网络连通性，提高网络的抗毁能力和健壮性。
附图说明
图1示出分布式系统网络拓扑示意图；
图2示出基于节点重要度的拓扑优化基本思路。
具体实施方式
1.分布式系统概述
在本发明中，分布式系统由两类节点组成，分别为普通节点和拓扑机器人节点，网络拓扑示意如图1所示。其中普通节点指具有一定计算、存储和通信资源的任务节点，用于执行用户分配的各种任务；拓扑机器人节点指具有一定通信资源、仅用于辅助网络拓扑优化的节点，用户不对其分配任务。
2.节点重要度度量
为分布式系统引入节点重要度的概念，定义为网络分裂影响度、邻居断链影响度和路径中断影响度等指标构成的三维向量，即Q(i)＝{Qi1，Qi2，Qi3}，其中i为节点序号，网内不重复；Q(i)为节点i的重要度，Qi1为节点i的网络分裂影响度，表征节点i失效造成的网络分裂程度，如果节点i失效后网络未分裂，则Qi1取值为0，如果节点i失效后网络分裂为2个以上的子网，则Qi1取值为全网节点数量与规模最大子网的节点数量差值；Qi2为邻居断链影响度，表征节点i失效造成的邻居链路中断程度，取值为节点i的邻居节点数量；Qi3为路径中断影响度，表征节点i失效造成的最短路径中断程度，定义为
其中φmn(i)指节点m经过节点i到节点n的最短路径数目，φmn指节点m到节点n的全部最短路径数目。
3.节点重要度比较
设节点i和节点j的重要度分别为Q(i)和Q(j)，则有：
第一，若节点i的网络分裂影响度Qi1大于节点j的网络分裂影响度Qj1，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
第二，若节点i的网络分裂影响度Qi1等于节点j的网络分裂影响度Qj1，且节点i的邻居断链影响度Qi2大于节点j的邻居断链影响度Qj2，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
第三，若节点i的网络分裂影响度Qi1等于节点j的网络分裂影响度Qj1、节点i的邻居断链影响度Qi2等于节点j的邻居断链影响度Qj2，且节点i的路径中断影响度Qi3大于节点j的路径中断影响度Qj3，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)。
Q(i)和Q(j)的比较公式为
Figure BSA0000191815020000051
其中MAX(Q(i)，Q(j))指Q(i)与Q(j)中的最大值。
4.拓扑优化基本流程
基于节点重要度的拓扑优化基本思路如图2所示，通过对节点重要度的度量和比较，按照“查找网络中的连通薄弱点→查找对网络连通性影响最小的拓扑机器人→预估拓扑机器人调整位置后对网络连通性的增量→决策是否执行拓扑优化操作”的顺序进行拓扑优化。
基于节点重要度的拓扑优化主要步骤为：
①分布式系统中所有节点周期性向拓扑机器人发送邻居链路状态信息，拓扑机器人利用该信息构建全网拓扑图，并基于构建的拓扑图计算所有节点的重要度；
②利用步骤①计算的所有节点重要度度量值，拓扑机器人获取网络分裂影响度不为0的节点数量n1；
③利用步骤①计算的所有节点重要度度量值，拓扑机器人对所有节点的重要度进行比较，找出重要度度量值最大的节点A，记节点A的重要度为Q(A)＝{QA1，QA2，QA3}；
④利用步骤③对节点重要度的比较结果，找出节点重要度最小的拓扑机器人B；
⑤假设拓扑机器人B移动至节点A附近，拓扑机器人B更新网络拓扑图，并根据新的网络拓扑图计算所有节点的重要度；
⑥利用步骤⑤计算的所有节点重要度度量值，拓扑机器人B获取网络分裂影响度不为0的节点数量n2；
⑦利用步骤⑤计算的所有节点重要度度量值，拓扑机器人B对所有节点的重要度进行比较，找出重要度度量值最大的节点C，记节点C的重要度为Q(C)＝{QC1，QC2，QC3}；
⑧利用步骤②、③、⑥、⑦的结果，决策是否执行“拓扑机器人B移动至节点A附近”的拓扑优化操作，具体判断准则为：
第一，当n1＞n2时，执行拓扑优化操作；
第二，当n1＝＝n2，且QA1＞QC1时，执行拓扑优化操作；
第三，当n1＝＝n2、QA1＝＝QC1，且QA2＞QC2时，执行拓扑优化操作；
第四，当n1＝＝n2、QA1＝＝QC1、QA2＝＝QC2，且QA3＞QC3时，执行拓扑优化操作；
第五，当不满足以上任意一条时，不执行拓扑优化操作。
本发明首先提出由网络分裂影响度、邻居断链影响度和路径中断影响度三维向量构成的节点重要度概念，以及节点重要度的度量和比较方法；其次提出一种基于拓扑机器人的网络拓扑优化方法，通过对节点重要度的度量和比较，查找网络中的连通薄弱点和对网络连通性影响最小的拓扑机器人，再预估拓扑机器人调整位置后对网络连通性的增量，最后决策是否执行拓扑优化操作。总体来说，节点重要度的度量值能够准确反应分布式系统的节点重要程度，以节点重要度为理论判断依据、以拓扑机器人部署位置调整为途径的网络拓扑优化方法，能够实现增强分布式系统网络连通性，提高网络的抗毁能力和健壮性。

Claims (2)

1.分布式系统中基于拓扑机器人的网络拓扑优化方法，其特征在于，
定义为网络分裂影响度、邻居断链影响度和路径中断影响度等指标构成的三维向量，即Q(i)＝{Qi1，Qi2，Qi3}，其中i为节点序号，网内不重复；Q(i)为节点i的重要度，Qi1为节点i的网络分裂影响度，表征节点i失效造成的网络分裂程度，如果节点i失效后网络未分裂，则Qi1取值为0，如果节点i失效后网络分裂为2个以上的子网，则Qi1取值为全网节点数量与规模最大子网的节点数量差值；Qi2为邻居断链影响度，表征节点i失效造成的邻居链路中断程度，取值为节点i的邻居节点数量；Qi3为路径中断影响度，表征节点i失效造成的最短路径中断程度，定义为
Figure FSA0000191815010000011
其中φmn(i)指节点m经过节点i到节点n的最短路径数目，φmn指节点m到节点n的全部最短路径数目；
设节点i和节点j的重要度分别为Q(i)和Q(j)，则有：
第一，若节点i的网络分裂影响度Qi1大于节点j的网络分裂影响度Qj1，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
第二，若节点i的网络分裂影响度Qi1等于节点j的网络分裂影响度Qj1，且节点i的邻居断链影响度Qi2大于节点j的邻居断链影响度Qj2，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
第三，若节点i的网络分裂影响度Qi1等于节点j的网络分裂影响度Qj1、节点i的邻居断链影响度Qi2等于节点j的邻居断链影响度Qj2，且节点i的路径中断影响度Qi3大于节点j的路径中断影响度Qj3，则节点i的重要度大于节点j的重要度，即Q(i)＞Q(j)；
Q(i)和Q(j)的比较公式为
Figure FSA0000191815010000012
其中MAX(Q(i)，Q(j))指Q(i)与Q(j)中的最大值；
所述分布式系统中基于拓扑机器人的网络拓扑优化方法，具体包括下列步骤：
①分布式系统中所有节点周期性向拓扑机器人发送邻居链路状态信息，拓扑机器人利用该信息构建全网拓扑图，并基于构建的拓扑图计算所有节点的重要度；
②利用步骤①计算的所有节点重要度度量值，拓扑机器人获取网络分裂影响度不为0的节点数量n1；
③利用步骤①计算的所有节点重要度度量值，拓扑机器人对所有节点的重要度进行比较，找出重要度度量值最大的节点A，记节点A的重要度为Q(A)＝{QA1，QA2，QA3}；
④利用步骤③对节点重要度的比较结果，找出节点重要度最小的拓扑机器人B；
⑤假设拓扑机器人B移动至节点A附近，拓扑机器人B更新网络拓扑图，并根据新的网络拓扑图计算所有节点的重要度；
⑥利用步骤⑤计算的所有节点重要度度量值，拓扑机器人B获取网络分裂影响度不为0的节点数量n2；
⑦利用步骤⑤计算的所有节点重要度度量值，拓扑机器人B对所有节点的重要度进行比较，找出重要度度量值最大的节点C，记节点C的重要度为Q(C)＝{QC1，QC2，QC3}；
⑧利用步骤②、③、⑥、⑦的结果，决策是否执行“拓扑机器人B移动至节点A附近”的拓扑优化操作。
2.如权利要求1所述的网络拓扑优化方法，其特征在于，步骤⑧中进行决策的具体判断准则为：
第一，当n1＞n2时，执行拓扑优化操作；
第二，当n1＝＝n2，且QA1＞QC1时，执行拓扑优化操作；
第三，当n1＝＝n2、QA1＝＝QC1，且QA2＞QC2时，执行拓扑优化操作；
第四，当n1＝＝n2、QA1＝＝QC1、QA2＝＝QC2，且QA3＞QC3时，执行拓扑优化操作；
第五，当不满足以上任意一条时，不执行拓扑优化操作。
CN201910955997.9A 2019-09-26 2019-09-26 分布式系统中基于拓扑机器人的网络拓扑优化方法 Active CN110730096B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910955997.9A CN110730096B (zh) 2019-09-26 2019-09-26 分布式系统中基于拓扑机器人的网络拓扑优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910955997.9A CN110730096B (zh) 2019-09-26 2019-09-26 分布式系统中基于拓扑机器人的网络拓扑优化方法

Publications (2)

Publication Number Publication Date
CN110730096A true CN110730096A (zh) 2020-01-24
CN110730096B CN110730096B (zh) 2022-04-29

Family

ID=69219796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910955997.9A Active CN110730096B (zh) 2019-09-26 2019-09-26 分布式系统中基于拓扑机器人的网络拓扑优化方法

Country Status (1)

Country Link
CN (1) CN110730096B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021203852A1 (zh) * 2020-04-08 2021-10-14 炬星科技（深圳）有限公司 机器人建图方法、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710867A (zh) * 2009-11-30 2010-05-19 中国人民解放军信息工程大学 一种网络可靠性监测方法和装置
US20150317142A1 (en) * 2014-05-02 2015-11-05 International Business Machines Corporation Colocation and anticolocation in colocation data centers via elastic nets
CN108900421A (zh) * 2018-06-29 2018-11-27 郑州云海信息技术有限公司 一种分布式存储系统的拓扑结构生成方法、装置及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710867A (zh) * 2009-11-30 2010-05-19 中国人民解放军信息工程大学 一种网络可靠性监测方法和装置
US20150317142A1 (en) * 2014-05-02 2015-11-05 International Business Machines Corporation Colocation and anticolocation in colocation data centers via elastic nets
CN108900421A (zh) * 2018-06-29 2018-11-27 郑州云海信息技术有限公司 一种分布式存储系统的拓扑结构生成方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
魏永松等: "带有网络拓扑优化的分布式预测控制方法", 《控制理论与应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021203852A1 (zh) * 2020-04-08 2021-10-14 炬星科技（深圳）有限公司 机器人建图方法、设备及存储介质

Also Published As

Publication number Publication date
CN110730096B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN109889255B (zh) 一种基于改进蜂群算法的卫星网络重构方法
CN108632940B (zh) 适用于光电传感器无线mesh网络的可靠多径路由算法
Xiao et al. Computing a most probable delay constrained path: NP-hardness and approximation schemes
CN109787902B (zh) 一种移动自组织网络自适应路由协议的选择方法
CN113411213B (zh) 基于物联网的自组网拓扑控制方法及协同监测方法
Mostafaei et al. A learning automaton-based controller placement algorithm for software-defined networks
Cai et al. A delay-aware wireless sensor network routing protocol for industrial applications
CN110730096B (zh) 分布式系统中基于拓扑机器人的网络拓扑优化方法
CN105071947A (zh) 一种sdn网络的链路优化方法
Almeida et al. Fast distributed computation of distances in networks
CN105072660A (zh) 一种面向消防的无线传感器执行器网络的路由方法
CN105450524A (zh) 一种媒体转发路由优化算法
Abdelhafidh et al. Linear WSN lifetime maximization for pipeline monitoring using hybrid K-means ACO clustering algorithm
Banerjee et al. Energy efficient routing and bypassing energy-hole through mobile sink in WSN
CN109996171A (zh) 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法
CN113329490B (zh) 一种基于量子虎鲨机制的无线传感器网络节点定位方法
Zhang et al. On deployment optimization strategy for hybrid wireless sensor networks
KR100948837B1 (ko) 무선 센서 네트워크에서 분산적인 위치 인식 방법 및 그장치
CN112260875B (zh) 一种分组传送网指标优化方法及系统
Chen et al. LEACH protocol based on clustering and multi-leader selecting in wireless sensor network
CN107949029B (zh) 一种基于无线传感网的簇头节点路由方法、装置及介质
CN114124716B (zh) 面向软件定义网络的均衡分域方法
Said et al. Efficient connectivity preserving clustering protocol for mobile sensor network
Li et al. A path planning method of wireless sensor networks based on service priority
CN109104371B (zh) 基于通信开销优化物联网传输路由的方法

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