CN111181854B - 确定配用电多业务差异QoS最优路由的方法及系统 - Google Patents
确定配用电多业务差异QoS最优路由的方法及系统 Download PDFInfo
- Publication number
- CN111181854B CN111181854B CN202010002532.4A CN202010002532A CN111181854B CN 111181854 B CN111181854 B CN 111181854B CN 202010002532 A CN202010002532 A CN 202010002532A CN 111181854 B CN111181854 B CN 111181854B
- Authority
- CN
- China
- Prior art keywords
- path
- parameter
- minimum path
- cost
- delay
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000005611 electricity Effects 0.000 title description 2
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 239000003795 chemical substances by application Substances 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 11
- 239000013307 optical fiber Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 239000000835 fiber Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- H04L45/12—Shortest path evaluation
- H04L45/124—Shortest path evaluation using a combination of metrics
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0005—Switch and router aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种确定配用电业务差异QoS最优路由的方法及系统,属于配用电通信网技术领域。所述方法包括:获取路由请求;获取链路集合中的每条链路的带宽信息;删除不满足带宽约束条件的链路;设计适应度函数;采用经典路由算法确定第一最小路径;将第一最小路径输入群智能优化算法中以更新惩罚因子;采用经典路由算法根据更新后的惩罚因子确第二最小路径;计算第一最小路径和第二最小路径的路径代价参数的差值;判断差值是否小于或等于阈值;在判断差值小于或等于阈值的情况下,输出第二最小路径作为最优路由;在判断差值大于阈值的情况下,更新第一最小路径,再次将第一最小路径输入群智能优化算法中以更新惩罚因子。
Description
技术领域
本发明涉及配用电通信网技术领域,具体地涉及一种确定配用电多业务差异QoS最优路由的方法及系统。
背景技术
随着供电可靠性要求不断提高,国网公司提出建设泛在电力物联网,增加末端信息采集的频度和广度,强化配电网自愈保护能力,大量高频采集、保护以及计算机视觉业务将依赖通信网络的传输。业务数据类型由过去窄带低速串口电量信息、2M保护专线,逐步转向分钟级采集、毫秒级控制、视频/图像等大带宽IP业务。采用无线光网络建设配电通信系统接入层,能够充分满足配电网发展对通信网的网络带宽的高效性、灵活性、可靠性和可管理性的要求。无源光网络(PON,Passive Optical Network)是一种树形拓扑网络,且网络设备均为无源的,具有经济性高、安装便捷等优点。无源光网络主要由局端光线路终端(OLT,Optical Line Terminal)、用户侧光网络单元(ONU,Optical Network Unit)、无源分纤/分光设备组成。PON因其设备的经济性、组网灵活等优势,广泛应用于电信光分配网络,为用户家庭宽带接入提供了便捷方式。
面对承载业务的多样化,传统TDM“刚性通道”网络带宽资源共享方式容易造成资源的浪费,采用IP统计方式承载业务可以提高带宽利用效率,但容易在网络负载较高时导致带宽、时延敏感业务无法得到及时、可靠、稳定地传输,因此有必要为不同颗粒度业务需要提供面向业务通信需求的承载保障措施,设计端到端QoS路由策略。
发明内容
本发明实施方式的目的是提供一种确定配用电多业务差异QoS最优路由的方法及系统,该方法及系统能够同时在结合多个约束条件的情况下快速、高效地确定出最优路由。
为了实现上述目的,本发明实施方式提供一种确定配用电多业务差异QoS最优路由的方法,所述方法包括:
获取路由请求;
获取已有的网络拓扑信息的链路集合中的每条链路的带宽信息;
删除所述链路集合中不满足所述路由请求的带宽约束条件的链路;
设计包含时延参数、丢包率参数、惩罚因子以及路径代价参数的适应度函数;
采用经典路由算法确定在给定所述时延参数、所述丢包率参数以及所述惩罚因子的情况下,所述路径代价参数最小的第一最小路径;
将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子;
采用经典路由算法根据更新后的所述惩罚因子确定所述路径代价参数最小的第二最小路径;
计算所述第一最小路径和所述第二最小路径的路径代价参数的差值;
判断所述差值是否小于或等于预设的阈值;
在判断所述差值小于或等于所述阈值的情况下,输出所述第二最小路径作为最终的最优路由;
在判断所述差值大于所述阈值的情况下,采用所述第二最小路径更新所述第一最小路径,再次将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子并执行所述方法的相应步骤直到判断所述差值小于或等于所述阈值。
可选地,获取已有的网络拓扑信息的链路集合中的每条链路的带宽信息具体包括:
将所述网络拓扑信息抽象为加权有向图G=(E,V),其中,V为所述网络拓扑信息中的网络节点的集合,E为所述链路集合;
根据公式(1)至公式(3)确定所述约束条件,
delay(P(s,d))≤DL,(1)
bandwidth(P(s,d))≥BW,(2)
packet_loss(P(s,d))≤PL,(3)
其中,P(s,d)为当前的路径,delay(P(s,d))为路径P(s,d)的时延参数,DL为所述路由请求中的所述时延参数的约束值,bandwidth(P(s,d))为路径P(s,d)的所述带宽参数,BW为所述路由请求中的所述带宽参数的约束值,packet_loss(P(s,d))为路径P(s,d)的所述丢包率参数,PL为所述路由请求中的所述丢包率参数的约束值。
可选地,采用经典路由算法确定在给定所述时延参数、所述丢包率参数以及所述惩罚因子的情况下,所述路径代价参数最小的第一最小路径具体包括:
根据公式(4)确定所述第一最小路径,
minP(s,d)cost(P(s,d))+λdlZdl+λplZpl,(4)
其中,λdl、λpl为惩罚因子,P(s,t)为当前的路径,cost(P(s,d))为当前的路径的路径代价参数,Zdl=delay(P(s,d))-DL,delay(P(s,d))为当前的路径P(s,d)的时延参数,DL为所述路由请求的所述时延参数的约束值,Zpl=packet_loss(P(s,d))-PL,packet_loss(P(s,d))为当前的路径P(s,d)的丢包率参数,PL为所述路由请求的所述丢包率参数的约束值。
可选地,将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子具体包括:
根据公式(5)更新所述惩罚因子,
其中,λdl、λpl为惩罚因子,P(s,d)*为所述第一最小路径,cost(P(s,d)*)为第一最小路径P(s,d)*的路径代价参数,Zdl *=delay(P(s,d)*)-DL,delay(P(s,d)*)为第一最小路径P(s,d)*的所述时延参数,DL为所述路由请求的所述时延参数的约束值,Zpl *=packet_loss(P(s,d)*)-PL,packet_loss(P(s,d)*)为第一最小路径P(s,d)*的所述丢包率参数,PL为所述路由请求的所述丢包率参数的约束值。
可选地,将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子具体包括:
初始化所述群智能优化算法中的每个代理,以随机的方式计算出每个代理的初始的位置向量和初始的速度向量;
根据公式(6)计算每个所述代理的适应度函数,
Fitness(λdl,λpl)=cost(P(s,d)*)+λdlZdl *+λplZpl *,(6)
其中,Fitness(λdl,λpl)为适应度函数,P(s,d)*为所述第一最小路径,cost(P(s,d)*)为第一最小路径P(s,d)*的路径代价参数,λdl、λpl为惩罚因子,Zdl *=delay(P(s,d)*)-DL,delay(P(s,d)*)为第一最小路径P(s,d)*的时延参数,DL为路由请求的时延参数的约束值,Zpl *=packet_loss(P(s,d)*)-PL,packet_loss(P(s,d)*)为第一最小路径P(s,d)*的丢包率参数,PL为路由请求的丢包率参数的约束值;
确定每个所述代理在搜索过程中得到适应度函数最大的第一最优解;
从所述第一最优解中确定所述适应度函数最大的第二最优解;
根据公式(7)和公式(8)更新所述惩罚因子,
其中,为第k次迭代时的第m个所述代理的速度,为第k次迭代时的第m个所述代理的位置,为第k-1次迭代时的第m个所述代理的速度,为第k-1次迭代时的第m个所述代理的位置,w为速度的非惯性系数,c1为第一最优解的加权系数,c2为第二最优解的加权系数,pbestmd为所述第一最优解,gbestmd为所述第二最优解,r1、r2为服从预设的概率分布的随机变量,d为所述代理的维度。
可选地,所述路径代价参数采用公式(9)来计算,
cost(P(s,d))=∑(i,j)∈P(s,d)cost(i,j)+∑n∈P(s,d)cost(n),(9)
其中,cost(P(s,d))为路径P(s,d)的路径代价参数,cost(i,j)为链路(i,j)的代价参数,cost(n)为节点n的代价参数。
另一方面,本发明提供一种确定配用电多业务差异QoS最优路由的系统,所述系统包括处理器,所述处理器用于执行如上述任一所述的方法。
再一方面,本发明还提供一种存储介质,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如上述任一所述的方法。
通过上述技术方案,本发明提供的确定配用电多业务差异QoS最优路由的方法及系统在结合配用电不同业务的多QoS约束条件的情况下,将群智能算法和经典路由算法结合,通过对最小化问题和最大化问题的计算,实现了最优路由的快速确定。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是根据本发明的一个实施方式的确定配用电多业务差异QoS最优路由的方法的流程图;
图2是根据本发明的一个实施方式的群智能优化算法的流程图;
图3是本发明提供的方法与现有技术中的两种方法的代价参数在迭代过程中的变化的对比图。
具体实施方式
以下结合附图对本发明实施方式的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施方式,并不用于限制本发明实施方式。
在本发明实施方式中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
另外,若本发明实施方式中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如图1所示是根据本发明的一个实施方式的确定配用电多业务差异QoS最优路由的方法的流程图。在图1中,该方法可以包括:
在步骤S10中,获取路由请求。其中,该路由请求可以是例如从网络拓扑中的一个节点(源节点)到另一个节点(目的节点)建立有效路由。
在步骤S11中,获取已有的网络拓扑信息的链路集合中的每条链路的带宽信息。其中,对于获取该已有的网络拓扑信息的方式,可以是例如通过预设智能光网络系统来获得。进一步地,对于该智能光网络系统,可以包括光纤接头非接触电子标签(untouchedelectronic label identity,uID)、光分配网络(ODN,Optical Distribution Network)网管及手持终端及对纤器。
该非接触电子标签可以与光纤的跳纤连接头强绑定,从而在普通的跳纤两端增加eID电子标签,实现对光纤的每个连接点的连接关系的自动识别。在每个连接点的智能插框上可以设置与该非接触电子标签对应的控制电路以及相应的指示设备,该控制电路可以通过该非接触电子标签读取该连接点的连接关系,该指示设备可以基于该连接点的状态显示相应的信息以供工作人员在施工或维护时作为参考。
ODN网管可以通控制单元与各个控制电路连接,从而能够实时获取各个连接点的关系。
手持终端可以通过蓝牙与对纤器连接,并通过无线公网与ODN网关连接,从而使得工作人员可以通过手持终端实时获取每个连接点的实时状态,并基于对纤器的操作完成光纤线路的施工或巡检抢修等。
另外,在获取网络拓扑信息后,为了便于后续最佳路由的计算,可以将该网络拓扑先抽象为加权有向图G=(E,V)。其中,V为网络拓扑信息中的网络节点(连接点)的集合,E为网络拓扑信息中的链路的集合(链路集合)。
对于每个网络节点n∈V,可以包括代价参数cost(n)、丢包率参数path_loss(n)和时延参数delay(n)等QoS性能指标。
对于每个网络链路(i,j)∈E,可以包括代价参数cost(i,j)、带宽参数bandwidth(i,j)和时延参数delay(i,j)等QoS性能指标。
另外,对于该带宽约束条件,可以是本领域人员结合实际的硬件状况来确定。在本发明的一个示例中,从路由请求中确定约束条件(包括带宽约束条件)的具体方式可以是例如公式(1)至公式(3)所示,
delay(P(s,d))≤DL,(1)
bandwidth(P(s,d))≥BW,(2)
packet_loss(P(s,d))≤PL,(3)
其中,P(s,d)为当前的路径,delay(P(s,d))为路径P(s,d)的时延参数,DL为路由请求中的时延参数的约束值,bandwidth(P(s,d))为路径P(s,d)的带宽参数,BW为路由请求中的带宽参数的约束值,packet_loss(P(s,d))为路径P(s,d)的丢包率参数,PL为路由请求中的丢包率参数的约束值。
并且,时延参数delay(P(s,t))可以采用公式(4)来确定,
delay(P(s,t))=∑(i,j)∈P(s,t)delay(i,j)+∑n∈P(s,t)delay(n),(4)
带宽参数bandwidth(P(s,t))可以采用公式(5)来确定,
bandwidth(P(s,t))=∑(i,j)∈P(s,t)bandwidth(i,j),(5)
丢包率参数path_loss(P(s,t))可以采用公式(6)来确定,
path_loss(P(s,t))=∑n∈P(s,t)path_loss(n),(6)。
在步骤S12中,删除链路集合中不满足路由请求的带宽约束条件的链路。
在步骤S13中,设计包含时延参数、丢包率参数、惩罚因子以及路径代价参数的适应度函数。具体地,该适应度函数可以是例如公式(7)所示,
cost(P(s,d))=∑(i,j)∈P(s,d)cost(i,j)+∑n∈P(s,d)cost(n),(7)
其中,cost(P(s,d))为路径P(s,d)的路径代价参数,cost(i,j)为链路(i,j)的代价参数,cost(n)为节点n的代价参数。
在步骤S14中,采用经典路由算法确定给定时延参数、丢包率参数以及惩罚因子的情况下,路径代价参数最小的第一最小路径。其中,初始的惩罚因子为预设值,可以用λal、λpl来表示。
而对于该经典路由算法,可以是本领域人员所知的多个算法,例如迪杰斯特拉算法等。具体地,该经典路由算法可以是根据公式(8)确定该第一最小路径,
minp(s,d)cost(P(s,d))+λdlZdl+λplZpl,(8)
其中,λdl、λpl为惩罚因子,P(s,t)为当前的路径,cost(P(s,d))为当前的路径的路径代价参数,Zdl=delay(P(s,d))-DL,delay(P(s,d))为当前的路径P(s,d)的时延参数,DL为路由请求的所述时延参数的约束值,Zpl=packet_loss(P(s,d))-PL,packet_loss(P(s,d))为当前的路径P(s,d)的丢包率参数,PL为路由请求的丢包率参数的约束值。
在步骤S15中,将该第一最小路径输入群智能优化算法中以更新惩罚因子。具体地,可以根据公式(9)更新该惩罚因子,
max(λdl,λpl)cost(P(s,d)*)+λdlZdl *+λplZpl *,(9)
其中,λdl、λpl为惩罚因子,P(s,d)*为第一最小路径,cost(P(s,d)*)为第一最小路径P(s,d)*的路径代价参数,Zdl *=delay(P(s,d)*)-DL,delay(P(s,d)*)为第一最小路径P(s,d)*的时延参数,DL为路由请求的时延参数的约束值,Zpl *=packet_loss(P(s,d)*)-PL,packet_loss(P(s,d)*)为第一最小路径P(s,d)*的丢包率参数,PL为路由请求的丢包率参数的约束值。
更具体地,该群智能优化算法可以包括如图2中所示出的步骤。在该图2中,该群智能优化算法可以包括:
在步骤S151中,初始化群智能优化算法中的每个代理,以随机的方式计算出每个代理的初始的位置向量和初始的速度向量其中,D为解空间(代理)的维度。M为代理的数量。在该示例中,D=2。在该群智能优化算法迭代的过程中,xm1=λdl,xm2=λpl,1≤m≤M。
在步骤S152中,根据公式(10)计算每个代理的适应度函数,
Fitness(λdl,λpl)=cost(P(s,d)*)+λdlZdl *+λplZpl *,(10)
其中,Fitness(λdl,λpl)为适应度函数,P(s,d)*为第一最小路径,cost(P(s,d)*)为第一最小路径P(s,d)*的路径代价参数,λdl、λpl为惩罚因子,Zdl *=delay(P(s,d)*)-DL,delay(P(s,d)*)为第一最小路径P(s,d)*的时延参数,DL为路由请求的时延参数的约束值,Zpl *=packet_loss(P(s,d)*)-PL,packet_loss(P(s,d)*)为第一最小路径P(s,d)*的丢包率参数,PL为路由请求的丢包率参数的约束值。
在步骤S153中,确定每个代理在搜索过程中得到适应度函数最大的第一最优解。
在步骤S154中,从第一最优解中确定适应度函数最大的第二最优解。其中,该第二最优解可以为所有代理在搜索过程中得到的适应度函数最大的解。
在步骤S155中,根据公式(11)和公式(12)更新该惩罚因子,
其中,k为迭代次数(初始值为0),为第k次迭代时的第m个代理的速度,为第k次迭代时的第m个代理的位置,为第k-1次迭代时的第m个代理的速度,为第k-1次迭代时的第m个代理的位置,w为速度的非惯性系数,c1为第一最优解(个体最优解)的加权系数,c2为第二最优解(全体最优解)的加权系数,pbestmd为第一最优解,gbestmd为第二最优解,r1、r2为服从预设的概率分布的随机变量,d为代理的维度。在该公式(11)中,设置非惯性系数w能够避免代理过快的进入当前最优值,阻止局限与局部次优解的可能性。而设置的加权系数c1、c2以及随机变量r1、r2则能够确保每个代理以合适的步长改变当前的位置,并且在改变的过程中引入一定的随机性,从而保证了所有代理在搜索过程中增强协作性,降低局部次优解对代理搜索的影响。
在步骤S16中,采用经典路由算法根据更新后的惩罚因子确定路径代价参数最小的第二最小路径。对于确定该第二最小路径的具体方式,与确定第一最小路径的方式相似,因此此处不再赘述。
在步骤S17中,计算第一最小路径和第二最小路径的路径代价参数的差值。
在步骤S18中,判断差值是否小于或等于预设的阈值。
在步骤S19中,在判断差值小于或等于阈值的情况下,输出第二最小路径作为最终的最优路由。
在步骤S20中,在判断该差值大于阈值的情况下,采用第二最小路径更新(替换)第一最小路径,再次将(更新后的)第一最小路径输入群智能优化算法中以更新惩罚因子并执行该方法的相应步骤直到判断该差值小于或等于阈值。
另一方面,本发明还提供一种确定配用电多业务差异QoS最优路由的系统,该系统可以包括处理器,该处理器可以用于执行如上述任一所述的方法。
再一方面,本发明还提供一种存储介质,该存储介质可以存储有指令,该指令可以用于被机器读取以使得该机器执行如上述任一所述的方法。
通过上述技术方案,本发明提供的确定配用电多业务差异QoS最优路由的方法及系统在结合配用电不同业务的多QoS约束条件的情况下,将群智能算法和经典路由算法结合,通过对最大化问题和最小化问题的计算,实现了最优路由的快速确定。
此外,为了进一步验证本发明提供的方法的技术效果。如图3所示是将现有技术中常用的确定最优路由的随机分配算法、遗传算法与本发明提供的方法在迭代过程中所计算的代价参数(cost(P(s,d)*))的对比图。从图3中可以看出,在迭代计算的过程中,本发明提供的方法的代价参数均小于其他两种方法。并且,本发明提供的方法在迭代计算的过程中代价参数的收敛速度也相较于其他两种算法更快。因此,本发明提供的方法减少了最优路由的计算时间,提高了最优路由的建立速度。另一方面,本发明提供的方法所得到的最优路由相对于现有技术中的方法计算出的路由的代价参数更小,也提高了网络拓扑的使用效率。
以上结合附图详细描述了本发明例的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施方式的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (3)
1.一种确定配用电多业务差异QoS最优路由的方法,其特征在于,所述方法包括:
获取路由请求;
获取已有的网络拓扑信息的链路集合中的每条链路的带宽信息;
删除所述链路集合中不满足所述路由请求的带宽约束条件的链路;
设计包含时延参数、丢包率参数、惩罚因子以及路径代价参数的适应度函数;
采用经典路由算法确定在给定所述时延参数、所述丢包率参数以及所述惩罚因子的情况下,所述路径代价参数最小的第一最小路径;
将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子;
采用经典路由算法根据更新后的所述惩罚因子确定所述路径代价参数最小的第二最小路径;
计算所述第一最小路径和所述第二最小路径的路径代价参数的差值;
判断所述差值是否小于或等于预设的阈值;
在判断所述差值小于或等于所述阈值的情况下,输出所述第二最小路径作为最终的最优路由;
在判断所述差值大于所述阈值的情况下,采用所述第二最小路径更新所述第一最小路径,再次将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子并执行所述方法的相应步骤直到判断所述差值小于或等于所述阈值,其中,所述相应步骤包括:
将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子;
采用经典路由算法根据更新后的所述惩罚因子确定所述路径代价参数最小的第二最小路径;
计算所述第一最小路径和所述第二最小路径的路径代价参数的差值;
判断所述差值是否小于或等于预设的阈值;
获取已有的网络拓扑信息的链路集合中的每条链路的带宽信息具体包括:
将所述网络拓扑信息抽象为加权有向图G=(E,V),其中,V为所述网络拓扑信息中的网络节点的集合,E为所述链路集合;
根据公式(1)至公式(3)确定所述约束条件,
delay(P(s,d))≤DL,(1)
bandwidth(P(s,d))≥BW,(2)
packet_loss(P(s,d))≤PL,(3)
其中,P(s,d)为当前的路径,delay(P(s,d))为路径P(s,d)的时延参数,DL为所述路由请求中的所述时延参数的约束值,bandwidth(P(s,d))为路径P(s,d)的带宽参数,BW为所述路由请求中的所述带宽参数的约束值,packet_loss(P(s,d))为路径P(s,d)的所述丢包率参数,PL为所述路由请求中的所述丢包率参数的约束值;
采用经典路由算法确定在给定所述时延参数、所述丢包率参数以及所述惩罚因子的情况下,所述路径代价参数最小的第一最小路径具体包括:
根据公式(4)确定所述第一最小路径,
minp(s,d)cost(P(s,d))+λdlZdl+λplZpl,(4)
其中,λdl、λpl为惩罚因子,P(s,t)为当前的路径,cost(P(s,d))为当前的路径的路径代价参数,Zdl=delay(P(s,d))-DL,delay(P(s,d))为当前的路径P(s,d)的时延参数,DL为所述路由请求的所述时延参数的约束值,Zpl=packet_loss(P(s,d))-PL,packet_loss(P(s,d))为当前的路径P(s,d)的丢包率参数,PL为所述路由请求的所述丢包率参数的约束值;
将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子具体包括:
根据公式(5)更新所述惩罚因子,
其中,λdl、λpl为惩罚因子,P(s,d)*为所述第一最小路径,cost(P(s,d)*)为第一最小路径P(s,d)*的路径代价参数,Zdl *=delay(P(s,d)*)-DL,delay(P(s,d)*)为第一最小路径P(s,d)*的所述时延参数,DL为所述路由请求的所述时延参数的约束值,Zpl *=packet-loss(P(s,d)*)-PL,packet_loss(P(s,d)*)为第一最小路径P(s,d)*的所述丢包率参数,PL为所述路由请求的所述丢包率参数的约束值;
将所述第一最小路径输入群智能优化算法中以更新所述惩罚因子具体包括:
初始化所述群智能优化算法中的每个代理,以随机的方式计算出每个代理的初始的位置向量和初始的速度向量;
根据公式(6)计算每个所述代理的适应度函数,
Fitness(λdl,λpl)=cost(P(s,d)*)+λdlZdl *+λplZpl *,(6)
其中,Fitness(λdl,λpl)为适应度函数,P(s,d)*为所述第一最小路径,cost(P(s,d)*)为第一最小路径P(s,d)*的路径代价参数,λdl、λpl为惩罚因子,Zdl *=delay(P(s,d)*)-DL,delay(P(s,d)*)为第一最小路径P(s,d)*的时延参数,DL为路由请求的时延参数的约束值,Zpl *=packet_loss(P(s,d)*)-PL,packet_loss(P(s,d)*)为第一最小路径P(s,d)*的丢包率参数,PL为路由请求的丢包率参数的约束值;
确定每个所述代理在搜索过程中得到适应度函数最大的第一最优解;
从所述第一最优解中确定所述适应度函数最大的第二最优解;
根据公式(7)和公式(8)更新所述惩罚因子,
其中,为第k次迭代时的第m个所述代理的速度,为第k次迭代时的第m个所述代理的位置,为第k-1次迭代时的第m个所述代理的速度,为第k-1次迭代时的第m个所述代理的位置,w为速度的非惯性系数,c1为第一最优解的加权系数,c2为第二最优解的加权系数,pbestmd为所述第一最优解,gbestmd为所述第二最优解,r1、r2为服从预设的概率分布的随机变量,d为所述代理的维度;
所述路径代价参数采用公式(9)来计算,
cost(P(s,d))=∑(i,j)∈P(s,d)cost(i,j)+∑n∈P(s,d)cost(n),(9)
其中,cost(P(s,d))为路径P(s,d)的路径代价参数,cost(i,j)为链路(i,j)的代价参数,cost(n)为节点n的代价参数。
2.一种确定配用电多业务差异QoS最优路由的系统,其特征在于,所述系统包括处理器,所述处理器用于执行如权利要求1所述的方法。
3.一种存储介质,其特征在于,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002532.4A CN111181854B (zh) | 2020-01-02 | 2020-01-02 | 确定配用电多业务差异QoS最优路由的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002532.4A CN111181854B (zh) | 2020-01-02 | 2020-01-02 | 确定配用电多业务差异QoS最优路由的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111181854A CN111181854A (zh) | 2020-05-19 |
CN111181854B true CN111181854B (zh) | 2021-12-10 |
Family
ID=70649170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010002532.4A Active CN111181854B (zh) | 2020-01-02 | 2020-01-02 | 确定配用电多业务差异QoS最优路由的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111181854B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101552934A (zh) * | 2009-05-07 | 2009-10-07 | 电子科技大学 | 基于pce回溯递归的光互联网跨域可靠性路径计算方法 |
CN101980565A (zh) * | 2010-09-25 | 2011-02-23 | 重庆邮电大学 | 一种基于QoS的Ad Hoc网络自适应节点速度多路径路由方法 |
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 |
WO2012087549A2 (en) * | 2010-12-20 | 2012-06-28 | Intel Corporation | Signaling techniques for a multimedia-aware radio and network adaptation |
CN104468355A (zh) * | 2014-11-21 | 2015-03-25 | 国家电网公司 | 可靠性约束条件下的路由选择方法 |
CN105069698A (zh) * | 2015-07-31 | 2015-11-18 | 许继集团有限公司 | 基于蚁群算法的路径探索方法、装置及电力系统 |
CN105471764A (zh) * | 2015-11-16 | 2016-04-06 | 中国科学院信息工程研究所 | 一种SDN网络中端到端QoS保障的方法 |
CN106911574A (zh) * | 2017-02-26 | 2017-06-30 | 中南民族大学 | 基于粒子群的命名数据网络多约束路由算法 |
-
2020
- 2020-01-02 CN CN202010002532.4A patent/CN111181854B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101552934A (zh) * | 2009-05-07 | 2009-10-07 | 电子科技大学 | 基于pce回溯递归的光互联网跨域可靠性路径计算方法 |
CN101980565A (zh) * | 2010-09-25 | 2011-02-23 | 重庆邮电大学 | 一种基于QoS的Ad Hoc网络自适应节点速度多路径路由方法 |
WO2012087549A2 (en) * | 2010-12-20 | 2012-06-28 | Intel Corporation | Signaling techniques for a multimedia-aware radio and network adaptation |
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 |
CN104468355A (zh) * | 2014-11-21 | 2015-03-25 | 国家电网公司 | 可靠性约束条件下的路由选择方法 |
CN105069698A (zh) * | 2015-07-31 | 2015-11-18 | 许继集团有限公司 | 基于蚁群算法的路径探索方法、装置及电力系统 |
CN105471764A (zh) * | 2015-11-16 | 2016-04-06 | 中国科学院信息工程研究所 | 一种SDN网络中端到端QoS保障的方法 |
CN106911574A (zh) * | 2017-02-26 | 2017-06-30 | 中南民族大学 | 基于粒子群的命名数据网络多约束路由算法 |
Non-Patent Citations (1)
Title |
---|
基于量子粒子群优化CS算法的QoS组播路由模型;符保龙;《柳州职业技术学院学报》;20191031;第19卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111181854A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7020086B2 (en) | Lagrange quality of service routing | |
US7898957B2 (en) | Non-blocking destination-based routing networks | |
JP3159927B2 (ja) | 網動作方法、要求経路方法並びにルーティング及び承認制御する方法 | |
Vasilakos et al. | Evolutionary-fuzzy prediction for strategic QoS routing in broadband networks | |
CN111683011A (zh) | 报文处理方法、装置、设备及系统 | |
CN105122749A (zh) | 更新链路聚合中的对话分配的方法和系统 | |
CN110365568A (zh) | 一种基于深度强化学习的虚拟网络映射方法 | |
WO2004075486A1 (ja) | 仮想lan構築装置 | |
JP2009524356A (ja) | 通信ネットワークを通じたトラフィック分配を向上させる方法およびシステム | |
CN112448900A (zh) | 一种数据传输方法及装置 | |
US20100246587A1 (en) | Multitopology routing method and system | |
Shvedov et al. | Determining shortest paths between two arbitrary nodes in a composite transport network using segment routing | |
CN110768899B (zh) | 最短路径的确定方法、装置、存储介质及电子装置 | |
CN109151077A (zh) | 一种基于目标导向的计算卸载方法 | |
CN104639557B (zh) | 一种建立pcep会话的方法、系统及设备 | |
CN111181854B (zh) | 确定配用电多业务差异QoS最优路由的方法及系统 | |
CA2237407C (en) | Network designer for communication networks | |
Ansah et al. | DBvLEA: A demand-based approach to virtual link mapping for multi-service industrial applications | |
CN111510394B (zh) | 一种报文调度方法、相关设备及计算机存储介质 | |
JP4200522B2 (ja) | リソース算出装置およびリソース算出方法 | |
Karbowski et al. | Two approaches to dynamic power management in energy-aware computer networks-methodological considerations | |
He et al. | Asco: an availability-aware service chain orchestration | |
CN114390489B (zh) | 一种端到端网络切片的服务化部署方法 | |
CN114430398B (zh) | 面向标识解析请求聚合压缩的带宽效率优化方法及装置 | |
Sridhar et al. | LP-based heuristic algorithms for interconnecting token rings via source routing bridges |
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 |