CN111447005B - 软件定义卫星网络的链路规划方法和装置 - Google Patents
软件定义卫星网络的链路规划方法和装置 Download PDFInfo
- Publication number
- CN111447005B CN111447005B CN202010222655.9A CN202010222655A CN111447005B CN 111447005 B CN111447005 B CN 111447005B CN 202010222655 A CN202010222655 A CN 202010222655A CN 111447005 B CN111447005 B CN 111447005B
- Authority
- CN
- China
- Prior art keywords
- particle
- solution
- low
- orbit satellite
- planning
- 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
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- 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
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明涉及互联网领域,提供了一种软件定义卫星网络的链路规划方法和装置,包括:获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束;对低轨卫星节点和数据业务进行排序;基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略。本发明可以在保障卫星网络中控制报文和数据业务传输需求的同时,降低星间链路启用数量,减少卫星网络的能源消耗和资源浪费,实现网络资源的高效利用。
Description
技术领域
本发明涉及互联网领域,尤其涉及一种软件定义卫星网络的链路规划方法和装置。
背景技术
卫星网络以其覆盖范围广、通信实时性强、系统容量大等特点吸引了越来越多的关注,被公认为具备有效补充和支撑地面网络系统的能力。而软件定义网络以其良好的控制能力和灵活性,成为星地一体化网络的主要解决方案。同时,低轨(Low Earth Orbit,LEO)卫星网络以其卫星研发成本低、部署周期短、链路传播时延短、信号质量好,成为下一代空间骨干网络的最优选择之一;高轨(Geosynchronous Earth Orbit,GEO)卫星以其覆盖范围广、链路可靠性高、与地面站指向关系固定等优势,成为软件定义卫星网络控制器最优选择之一。因此,组建以高轨卫星为控制器、低轨卫星为数据平面的软件定义卫星网络具有重要的应用前景以及实际部署意义。
软件定义卫星网络同样面临两大难题:由卫星节点高动态运转带来的动态链路规划问题,以及由卫星节点能源、存储等资源受限带来的资源优化问题。虽然针对星间链路规划问题,部分低轨卫星星座设计了相对固定的低轨层星间链路,但是全球网络业请求是随地域严重不均衡分布的、随时间高动态变化的,这意味着固定星间链路的卫星网络在业务需求非高峰期时,存在大量冗余链路,将带来大量的能源消耗、卫星资源浪费,无法满足卫星网络资源优化的需求。
此外,在基于GEO/LEO的软件定义卫星网络,同样还需要考虑的问题还有控制链路的动态规划。传统的高轨卫星与低轨卫星连接策略是根据星下点最近原则,然而在多GEO控制器架构下,星下点最近原则可能导致控制器负载的严重不均衡、部分低轨卫星节点的路由配置延迟过大。而且,仿真显示在铱星星座中,单个GEO控制器大约可以与40个低轨卫星可见,如果假定每个高轨控制器最多与2个低轨卫星节点相连接,那么三个高轨控制器可供选择的连接方案达到9亿个。因此,现有的最优化算法无法满足基于GEO/LEO的软件定义卫星网络的控制链路快速规划需求。
发明内容
有鉴于此,本发明实施例提供了一种软件定义卫星网络的链路规划方法和装置,以解决现有技术中的卫星网络在业务需求非高峰期时,存在大量冗余链路造成大量卫星资源浪费,以及现有的最优化算法无法满足软件定义卫星网络的控制链路快速规划需求的问题。
本发明实施例的第一方面提供了一种软件定义卫星网络的链路规划方法,包括:
获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束;
对低轨卫星节点和数据业务进行排序;
基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略。
进一步地,所述控制链路与数据链路联合规划的约束包括:
高轨卫星可连接的低轨卫星节点的数量约束、每条数据链路的承载业务量约束、每个低轨卫星节点的承载业务能力约束、控制报文传输路径的服务质量约束和数据业务的传输路径的服务质量约束。
进一步地,对低轨卫星节点和数据业务进行排序,包括:
根据服务请求量对所述低轨卫星节点进行排序,根据业务服务质量和业务量对所述数据业务进行排序。
进一步地,基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略,包括:
基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解;
基于粒子群算法的优化规则进行循环迭代,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑。
进一步地,基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解,包括:
根据服务请求量初始化粒子解,得到每个粒子的初始锚点集,所述初始锚点集为对应的高轨卫星可连接的低轨卫星节点的集合;
基于贪婪算法和所述联合规划的约束,计算排序后的所述低轨卫星节点到所述初始锚点集的控制报文传输路径得到控制路径集,计算排序后的所述数据业务的传输路径得到数据业务路径集,同时得到网络连接拓扑;
基于粒子适应度评价规则,在所述控制路径集、数据业务路径集和网络连接拓扑中得到全局解和每个粒子的个体解。
进一步地,基于粒子群算法的优化规则进行循环迭代,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑,包括:
初始化最大迭代次数,开始迭代;
计算此轮迭代的惯性权重;
根据所述惯性权重、全局解和个体解,依次更新每个粒子的速度和位置;
基于贪婪算法计算每个粒子的个体解,并判断每个粒子是否属于解空间,若不属于,根据服务请求量重新初始化不满足解空间的粒子,并基于贪婪算法计算初始化后的所述不满足解空间的粒子的个体解;
基于粒子适应度评价规则,更新全局解和每个粒子的个体解;
在迭代次数到达最大迭代次数时,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑。
进一步地,根据服务请求量初始化粒子解,得到每个粒子的初始锚点集,包括:
计算每个所述低轨卫星节点的被选择概率;
根据所述被选择概率确定每个高轨卫星上每个天线可连接的低轨卫星节点,得到每个粒子的初始锚点集。
进一步地,基于贪婪算法和所述联合规划的约束,计算排序后的所述低轨卫星节点到所述初始锚点集的控制报文传输路径得到控制路径集,包括:
初始化粒子P的局部拓扑为空,并将粒子P的锚点集中高轨卫星与低轨卫星节点的链路加入到所述粒子P的局部拓扑中;
根据所述低轨卫星节点的排序结果,在所述粒子P的局部拓扑下依次计算每个低轨卫星节点的控制路径,所述低轨卫星节点的控制路径为所述低轨卫星节点到对应的初始锚点集中所有锚点的最短路径中,满足所述联合规划约束且最短的那一条;
若在所述粒子P的局部拓扑下,不存在满足所述联合规划约束的所述低轨卫星节点的控制路径,则在全局拓扑下计算所述低轨卫星节点的控制路径,并更新所述粒子P的局部拓扑,所有低轨卫星节点的控制路径集合为所述粒子P的控制路径集。
进一步地,基于贪婪算法和所述联合规划的约束,计算排序后的所述数据业务的传输路径得到数据业务路径集,包括:
根据所述数据业务的排序结果,在更新后的所述粒子P的局部拓扑下依次计算每条数据业务的传输路径,所述数据业务的传输路径为可以承载所述数据业务且满足联合规划约束的最短路径;
若在所述粒子P的局部拓扑下,不存在满足所述联合规划约束的所述数据业务的传输路径,则在全局拓扑下计算所述数据业务的传输路径,并更新所述粒子P的局部拓扑,所有数据业务的传输路径集合为粒子P的数据业务路径集,此时的局部拓扑为所述粒子P的网络连接拓扑。
进一步地,基于粒子适应度评价规则,在所述控制路径集、数据业务路径集和网络连接拓扑中得到全局解和每个粒子的个体解,包括:
根据所述控制路径集、数据业务路径集和网络连接拓扑分别计算对应粒子的第一平均延迟、第二平均延迟以及激活链路数量;
若所述激活链路数量优于所述全局解或所述个体解,则更新对应的全局解或个体解为当前粒子解;
若所述激活链路数量与所述全局解或所述个体解相等,所述第一平均延迟低于所述初始化粒子解,则更新对应的全局解或个体解为当前粒子解;
若所述激活链路数量和所述第一平均延迟均与所述全局解或所述个体解相等,所述第二平均延迟低于所述全局解或所述个体解,则更新对应的全局解或个体解为当前粒子解。
进一步地,计算惯性权重,包括:
计算
其中,t为当前迭代次数,T为最大迭代次数,Xmax=max{m1,m2,...,mm},mi为高轨卫星i可连接的低轨卫星节点的数量,N为粒子的数量,D为所有高轨卫星可连接的低轨卫星节点的总数量,为第t轮迭代之后第i个粒子Pi的第j维的速度;
wt+1=max{wt-Δw,wmin}
其中,wt+1为第t+1轮迭代之后的惯性权重,wt为第t轮迭代之后的惯性权重,wmin为最小惯性权重,Δw为惯性权重的更新步长;
wt+1=min{wt+Δw,wmax}
其中wmax为最大惯性权重。
进一步地,根据所述惯性权重、全局解和个体解,更新每个粒子的速度,包括:通过
更新第t+1轮迭代之后第i个粒子Pi的速度其中,为第t轮迭代之后Pi的速度,为Pi在第t轮迭代之后的值,为Pi在第t轮迭代之后的个体解,gbestt为所有粒子在第t轮迭代之后的全局解;wt为第t轮迭代之后的惯性权重,φ1和φ2均为加速常数,β1和β2均为区间[0,1]上均匀分布的随机数。
进一步地,根据所述惯性权重、全局解和个体解,更新每个粒子的位置,包括:通过
本发明实施例的第二方面提供了一种软件定义卫星网络的链路规划装置,包括:
建立约束模块,用于获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束;
排序模块,用于对低轨卫星节点和数据业务进行排序;
链路规划模块,用于基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如实施例的第一方面提供的任一项所述软件定义卫星网络的链路规划方法的步骤。
本发明实施例的软件定义卫星网络的链路规划方法和装置与现有技术相比存在的有益效果是:先根据所述卫星网络信息建立控制链路与数据链路联合规划的约束,然后对低轨卫星节点和数据业务进行排序,最后基于粒子群算法和贪婪算法,根据联合规划的约束、排序后的低轨卫星节点和排序后的数据业务确定卫星网络的链路规划策略,保障卫星网络中控制报文传输和数据业务传输需求的同时,降低星间链路启用数量,减少卫星网络的能源消耗和资源浪费,实现网络资源的高效利用。
附图说明
图1是本发明实施例提供的软件定义卫星网络的链路规划方法的实现流程示意图;
图2是图1中步骤S103的具体实现流程示意图;
图3是图2中步骤S201的具体实现流程示意图;
图4是图3中步骤S301的具体实现流程示意图;
图5是图3中步骤S302的具体实现流程示意图;
图6是图3中步骤S302的另一种具体实现流程示意图;
图7是图2中步骤S202的具体实现流程示意图;
图8是本发明实施例提供的软件定义卫星网络的链路规划方法的具体流程示意图;
图9是本发明实施例提供的基于GEO/LEO的软件定义卫星网络场景图;
图10是本发明实施例提供的软件定义卫星网络的链路规划装置的结构示意图;
图11是本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,为本实施例提供的软件定义卫星网络的链路规划方法的一个实施例的实现流程示意图,主要是以高轨卫星为控制器、低轨卫星为数据平面,软件定义卫星网络的控制链路和数据链路联合规划方法,详述如下:
步骤S101,获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束。
本实施例的卫星网络信息可以包括但不限于以下信息:卫星网络带宽、高轨卫星的天线数、高轨卫星与低轨卫星之间的链路、低轨卫星之间的链路、控制报文传输的QoS(Quality of Service,服务质量)需求、数据业务传输的QoS需求等信息。
可选的,本实施例的控制链路与数据链路联合规划的约束可以包括但不限于以下约束:高轨卫星可连接的低轨卫星节点的数量约束、每条数据链路的承载业务量约束、每个低轨卫星节点的承载业务能力约束、控制报文传输路径的服务质量约束和数据业务传输路径的服务质量约束。
步骤S102,对低轨卫星节点和数据业务进行排序。
可选的,本实施例可以根据服务请求量对所述低轨卫星节点进行排序,根据业务服务质量和业务量对所述数据业务进行排序。例如,按照服务请求量从大到小的顺序对低轨卫星节点进行排序;先按业务QoS优先级从高到低对数据业务进行排序,再按业务量从大到小的规则对数据业务进行排序。
步骤S103,基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略。
在具体的软件定义中,控制器(相当于高轨卫星)根据高轨卫星与低轨卫星、低轨卫星与低轨卫星相对位置、网络业务需求和负载状态动态变化特性,决定进行控制链路和数据链路重新规划时,可以启动该控制链路和数据链路联合规划方法,然后输出规划化好的网络拓扑、控制报文传输路径和数据业务的传输路径,并下发相应配置信息到其他控制器和LEO数据平面,以实现星间链路的重构、控制报文和数据业务传输路径的重新规划。
可选的,参见图2,步骤S103的具体实现流程可以包括:
步骤S201,基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解。
本实施例是利用改进的粒子群算法,即粒子群算法和贪婪算法相结合的PSO-Grd算法,用于控制链路与数据链路的联合规划,确定每个高轨卫星与低轨卫星的网络连接拓扑、控制报文传输路径和数据业务的传输路径。
具体应用中,PSO-Grd算法的输入包括相应时间段内的参数:控制器(高轨卫星)的数量m;控制器i对应的天线数量为ci;低轨卫星节点的数量n,且低轨卫星节点只具有一个指向高轨卫星的天线;GEO-LEO的拓扑gGEO;L EO-LEO的拓扑gLEO;低轨卫星节点i的服务请求量Reqi;控制报文传输需求Qcontrol;每对低轨卫星节点i和j间的数据传输需求(i,j,{datak,QoSk}k=1,2,...,K),其中K表示数据平面业务QoS的种类,datak表示数据业务量,QoSk代表第k类业务的QoS需求;各个链路带宽、各个节点负载等网络信息参数。
PSO-Grd算法的输出包括以下参数:(n+m)×(n+m)的拓扑矩阵g、控制路径集PATHcontrol和数据业务路径集PATHdata。其中,g为相应时间片段内的GEO-LEO和LEO-LEO的连接拓扑,PATHcontrol为相应时间片段内所有低轨卫星节点到控制器的控制报文传输路径集合,PATHdata为所有数据业务(i,j,datak,QoSk)的传输路径集合。
可选的,参见图3,步骤S201所述的基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解的具体实现流程包括:
步骤S301,根据服务请求量初始化粒子解,得到每个粒子的初始锚点集,所述初始锚点集为对应的高轨卫星可连接的低轨卫星节点的集合。
可选的,参见图4,步骤S301的具体实现流程包括:
步骤S401,计算每个所述低轨卫星节点的被选择概率。
步骤S402,根据所述被选择概率确定每个高轨卫星上每个天线可连接的低轨卫星节点,得到每个粒子的初始锚点集。
具体的,PSO-Grd算法先建立粒子解空间变量模型,然后利用基于服务请求量的粒子群初始化算法初始化粒子解。
首先,建立每个控制器可以连接的低轨卫星节点的索引,即假设控制器i可以连接的低轨卫星节点的数量为mi,则构建mi维数组Si存储这mi个低轨卫星节点的编号,Si的索引为1到mi。令D=(c1+c2+...+cm),表示所有GEO控制器能够连接的低轨卫星节点的总数量,ci为控制器i对应的天线数量。
那么,粒子解空间变量P为D维向量
其中,取值范围为0或者区间[1,mi]中的整数:表示控制器i的第j个天线不与任何低轨卫星节点相连;而表示与控制器i的第j个天线相连的低轨卫星节点编号为因此,粒子解表示了GEO控制器各个天线应该连接的低轨卫星节点,这些低轨卫星节点被称为锚点。每个粒子都有粒子解空间变量P。
进一步地,初始化P为0向量,初始化锚点集Sanchor为空;其次,依次计算每个低轨卫星节点的被选择概率,即对于低轨卫星节点i,根据i及其相邻节点承载的服务请求量,计算i被选择的概率Probi,其中,Probi为i及其相邻节点承载的服务请求量之和除以整网的服务请求量;其次初始化0值的被选择的概率为常数Prob0;最后,依次确定每个控制器的每根天线可连接的低轨卫星节点,例如对于控制器i的天线j,先从Si中删除已在Sanchor中的低轨卫星节点,再根据0值及Si中的每个节点被选择的概率,随机选择一个索引,假设为k,令如果k不等于0,则将Si(k)加入Sanchor中,并重置k的相邻节点被选择的概率为0,得到初始锚点集。
步骤S302,基于贪婪算法和所述联合规划的约束,计算排序后的所述低轨卫星节点到所述初始锚点集的控制报文传输路径得到控制路径集,计算排序后的所述数据业务的传输路径得到数据业务路径集,同时得到网络连接拓扑。
可选的,参见图5,步骤S302所述的基于贪婪算法和所述联合规划的约束,计算排序后的所述低轨卫星节点到所述初始锚点集的控制报文传输路径得到控制路径集的具体实现流程包括:
步骤S501,初始化粒子P的局部拓扑为空,并将粒子P的锚点集中高轨卫星与低轨卫星节点的链路加入到所述粒子P的局部拓扑中。
步骤S502,根据所述低轨卫星节点的排序结果,在所述粒子P的局部拓扑下依次计算每个低轨卫星节点的控制路径,所述低轨卫星节点的控制路径为所述低轨卫星节点到对应的初始锚点集中所有锚点的最短路径中,满足所述联合规划约束且最短的那一条。
步骤S503,若在所述粒子P的局部拓扑下,不存在满足所述联合规划约束的所述低轨卫星节点的控制路径,则在全局拓扑下计算所述低轨卫星节点的控制路径,并更新所述粒子P的局部拓扑,所有低轨卫星节点的控制路径集合为所述粒子P的控制路径集。
具体的,先初始化粒子P对应的局部拓扑g为(n+m)×(n+m)的零矩阵,即初始化时,所有高轨卫星与低轨卫星节点之间尚未建立连接;其次,将粒子P的锚点集Sanchor对应的GEO-LEO链路加入到g中;最后,根据对低轨卫星节点按服务请求量从大到小的排序结果,依次确定每个低轨卫星节点的控制链路,即对于低轨卫星节点i,首先使用最短路径算法计算在局部拓扑g的条件下,低轨卫星节点i到锚点集Sanchor中所有锚点Sanchor的最短路径,然后从中选择最短的一条路径,假设为pathi,如果pathi满足控制报文传输需求Qcontrol的约束,则将pathi加入控制路径集PATHcontrol中,否则,在LEO-LEO的原始拓扑gLEO下,计算低轨卫星节点i到Sanchor的最短的一条路径,假设为path'i,将path'i对应的链路加入到局部拓扑g中,并将path'i加入PATHcontrol中,此处假设原始拓扑gLEO中存在满足Qcontrol的最短路径。
进一步地,参见图6,步骤S302所述的基于贪婪算法和所述联合规划的约束,计算排序后的所述数据业务的传输路径得到数据业务路径集的具体实现流程包括:
步骤S601,根据所述数据业务的排序结果,在更新后的所述粒子P的局部拓扑下依次计算每条数据业务的传输路径,所述数据业务的传输路径为可以承载所述数据业务且满足联合规划约束的最短路径。
步骤S602,若在所述粒子P的局部拓扑下,不存在满足所述联合规划约束的所述数据业务的传输路径,则在全局拓扑下计算所述数据业务的传输路径,并更新所述粒子P的局部拓扑,所有数据业务的传输路径集合为粒子P的数据业务路径集,此时的局部拓扑为所述粒子P的网络连接拓扑。
具体的,数据业务按服务质量优先级从高到低进行排序,再按业务量从大到小进行排序,根据排序后的数据业务依次确定每类业务的路径,并决定数据链路的选择方案,即对于业务(i,j,datak,QoSk),先在更新后的粒子P的局部拓扑g中,选择可以承载数据业务量datak的最短路径pathij,如果pathij可以满足第k类业务的QoS需求的约束,则将pathij加入到数据业务路径集PATHdata中;否则,在LEO-LEO的原始拓扑gLEO中选择可以承载datak的最短路径path'ij,然后根据path'ij更新粒子P的局部拓扑g,并将path'ij加入到PATHdata中,此处假设原始拓扑下gLEO存在满足该条业务QoSk需求的路径。
步骤S303,基于粒子适应度评价规则,在所述控制路径集、数据业务路径集和网络连接拓扑中得到全局解和每个粒子的个体解。
可选的,步骤S303的具体实现流程包括:
根据所述控制路径集、数据业务路径集和网络连接拓扑分别计算对应粒子的第一平均延迟、第二平均延迟以及激活链路数量。
若所述激活链路数量优于所述全局解或所述个体解,则更新对应的全局解或个体解为当前粒子解。
若所述激活链路数量与所述全局解或所述个体解相等,所述第一平均延迟低于所述初始化粒子解,则更新对应的全局解或个体解为当前粒子解。
若所述激活链路数量和所述第一平均延迟均与所述全局解或所述个体解相等,所述第二平均延迟低于所述全局解或所述个体解,则更新对应的全局解或个体解为当前粒子解。
具体的,先根据粒子解对应的网络拓扑、控制报文传输路径和数据业务的传输路径,计算其对应拓扑中激活链路数量link_cost、控制报文传输路径的平均延迟Latency_control以及数据业务的传输路径的平均延迟Latency_data;如果link_cost优于初始化粒子解中的个体解或全局解,则更新相应的基于贪婪算法得到的个体解或全局解为当前粒子解;如果link_cost与初始化粒子解中的个体解或全局解相等,但Latency_control比初始化粒子解中的个体解或全局解低,更新相应的基于贪婪算法得到的个体解或全局解为当前粒子解;如果link_cost和Latency_control与初始化粒子解中的个体解或全局解相等,但Latency_data比初始化粒子解中的个体解或全局解低,更新相应的基于贪婪算法得到的个体解或全局解为当前粒子解。
步骤S202,基于粒子群算法的优化规则进行循环迭代,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑。
可选的,参见图7,步骤S202的具体实现流程包括:
步骤S701,初始化最大迭代次数,开始迭代。
步骤S702,计算此轮迭代的惯性权重。
可选的,计算惯性权重的具体实现流程包括:
首先计算
其中,t为当前迭代次数,T为最大迭代次数,Xmax=max{m1,m2,...,mm},mi为高轨卫星i可连接的低轨卫星节点的数量,N为粒子的数量,D为所有高轨卫星可连接的低轨卫星节点的总数量,为第t轮迭代之后第i个粒子Pi的第j维的速度。
wt+1=max{wt-Δw,wmin}
其中,wt+1为第t+1轮迭代之后的惯性权重,wt为第t轮迭代之后的惯性权重,wmin为最小惯性权重,Δw为惯性权重的更新步长。
wt+1=min{wt+Δw,wmax}
其中wmax为最大惯性权重。
步骤S703,根据所述惯性权重、全局解和个体解,依次更新每个粒子的速度和位置。
可选的,通过
更新第t+1轮迭代之后第i个粒子Pi的速度其中,为第t轮迭代之后Pi的速度,而且每个粒子的初始速度为区间[-4,4]内的随机数,为Pi在第t轮迭代之后的值,为Pi在第t轮迭代之后的个体解,gbestt为所有粒子在第t轮迭代之后的全局解;wt为第t轮迭代之后的惯性权重,φ1和φ2均为加速常数,β1和β2均为区间[0,1]上均匀分布的随机数。
可选的,通过
更新第t+1轮迭代之后第i个粒子Pi的第j维的位置其中,为第t轮迭代之后第i个粒子Pi的第j维的速度,σ为固定参数,β为区间[0,1]的随机数,Zij为第i个粒子Pi的第j维的值,即Zij的确定方法为:假设的第j维代表控制器γ的某根天线,则Zij=mγ。
步骤S704,基于贪婪算法计算每个粒子的个体解,并判断每个粒子是否属于解空间,若不属于,根据服务请求量重新初始化不满足解空间的粒子,并基于贪婪算法计算初始化后的所述不满足解空间的粒子的个体解。
具体应用中,对于所有的粒子,根据粒子的速度和位置更新公式,更新各个粒子解,本实施例还可以根据湮灭重生机制选出坏粒子,按需求重新随机化粒子解,按照步骤S103,更新各个粒子对应的控制报文传输路径、数据业务传输路径、网络连接拓扑、全局最优解和各个粒子的初始个体最优解,即湮灭重生机制为:对于不再属于解空间的粒子,即无法满足为某些低轨卫星节点的控制报文传输需求或者无法满足某些数据业务的传输需求,采用基于服务请求量的粒子群初始化方法重新初始化这些粒子。
步骤S705,基于粒子适应度评价规则,更新全局解和每个粒子的个体解。
步骤S706,在迭代次数到达最大迭代次数时,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑。
如图8,对本实施例的软件定义卫星网络的链路规划方法进行具体描述:
步骤S01:控制器根据收集的网络节点信息和业务详情(卫星网络信息),初始化控制器数量m、控制器i对应的天线数量为ci、低轨卫星节点的数量n和网络带宽等信息,计算下一时间段内GEO-LEO和LEO-LEO连接拓扑信息gGEO和gLEO,并利用预测机制生成下一时间段内各个节点服务请求量和业务量,最后确定粒子群的粒子数N、迭代次数T以及速度与位置更新公式所需参数,并将相应信息输入到控制链路与数据链路联合规划的PSO-Grd算法中。
步骤S02:PSO-Grd算法按照服务请求量从大到小的顺序对低轨卫星节点进行排序,假设排序结果为SLEO,然后计算SLEO中各个节点被选择概率,即低轨卫星节点i被选择的概率Probi。
步骤S03:根据业务QoS需求和业务量,对所有数据业务进行排序,假设排序结果为Straffic。
步骤S04:根据gGEO,计算每个控制器可以连接的低轨卫星节点,构建相应的索引集S1,…,Sm,得到每个粒子的初始锚点集。
步骤S06:依次计算粒子对应的局部拓扑、控制路径集和业务路径集。从第一个粒子开始。
步骤S07:初始化该粒子对应的网络拓扑g为(n+m)×(n+m)的零矩阵,然后根据该粒子对应的锚点集Sanchor将相应的GEO-LEO链路加入到g中。
步骤S08:根据服务请求量排序结果,依次计算SLEO中每个低轨卫星节点的控制路径。
步骤S09:在局部拓扑g下,计算该低轨卫星节点到锚点集Sanchor中所有锚点的最短路径。
步骤S10:选择最短的一条路径,假设为PATH_control。
步骤S11:如果PATH_control满足控制报文的传输需求,则跳到S14;否则,跳到S12。
步骤S12:在全局拓扑gLEO下,计算该低轨卫星节点到Sanchor中所有锚点的最短路径。
步骤S13:选择最短的一条路径,假设为PATH_control。
步骤S14:将PATH_control加入到控制路径集,并将PATH_control中的新链路加入到局部拓扑g中。
步骤S15:如果已计算所有低轨卫星节点的控制报文传输路径,则跳到S16;否则,跳到S09,计算SLEO中下一个低轨卫星节点的控制报文传输路径。
步骤S16:依次计算Straffic中的每条业务的传输路径。开始计算Straffic中的第一条业务。
步骤S17:在局部拓扑g下,计算可以承载该业务的最短路径PATH_data。
步骤S18:如果PATH_data满足该业务的QoS需求,则跳到S20;否则,跳到S19。
步骤S19:在全局拓扑gLEO下,计算可承载该业务的最短路径PATH_data。
步骤S20:将PATH_data加入到数据业务路径集,并将PATH_data中的新链路加入到g中。
步骤S21:如果Straffic中的所有业务路径已规划,则跳到S22;否则,跳到S17,继续为Straffic中的下一条业务规划路径。
步骤S22:计算其对应的拓扑g中激活的链路数量link_cost、控制报文传输的平均延迟Latency_control以及数据业务传输的平均延迟Latency_data。
步骤S23:如果link_cost优于个体最优解或全局最优解,则更新相应的个体最优解或全局最优解为当前粒子解;如果link_cost相等,但Latency_control较低,更新相应最优解;如果link_cost和Latency_control相等,但Latency_data较低,更新相应最优解。
步骤S24:如果已计算所有粒子的适应值,则跳到S25;否则,跳到S07,计算下一个粒子的适应值。
步骤S25:开始迭代,对初始解进行优化。开始T轮迭代的第一轮。
步骤S26:计算该轮迭代的惯性权重,然后开始更新第一个粒子的解。
步骤S27:根据公式计算粒子的速度和位置。
步骤S28:按照步骤S07-S22计算粒子对应的局部拓扑、控制路径集和数据业务路径集,并计算粒子的适应值。
步骤S29:如果存在某些低轨卫星节点的控制报文或者某些数据业务的传输需求无法满足,则该粒子为坏粒子,跳到S30;否则,跳到S31。
步骤S30:采用S05的基于服务请求量的粒子群初始方法,初始化该粒子的位置,并按照S07-S22所述步骤,重新计算计算粒子对应的局部拓扑、控制路径集和数据业务路径集,以及粒子的适应值。
步骤S31:根据粒子的适应值,按照S23的规则,更新个体最优解和全局最优解。
步骤S32:如果所有粒子都已循环,则跳到S33;否则,跳到S27,更新下一个粒子的解。
步骤S33:如果达到迭代次数上限,则跳到S34;否则,跳到S26,开始下一轮迭代。
步骤S34:PSO-Grid算法输出全局最优解对应的网络拓扑、控制报文传输路径和数据业务传输路径。
由此,PSO-Grd算法利用粒子群算法的思想不断优化锚点的选择,再利用贪婪算法根据业务需求逐步扩充链路集,能够在减少星间冗余链路数目的同时,保障控制报文和数据业务的传输需求,有效降低网络能源消耗,实现网络资源的优化。
示例性的,参见图9,为本实施例提供的基于GEO/LEO的软件定义卫星网络控制链路和数据链路规划场景图。其中,控制平面包括两个高轨卫星,分别具有两个指向低轨卫星的天线,因此每个高轨卫星节点可以选择两个低轨卫星节点相连。数据平面包含数量众多的低轨卫星节点,每个节点的业务请求量不同,比如最深灰色表示业务请求量高,浅色表示业务请求量少或者无;节点之间的方向箭头表示此时间片段内可以建立的链路。可知,卫星网络的控制链路和数据链路联合规划方法可部署在任意一个控制节点(高轨卫星节点)上,如图9所示,GEO1或者GEO2。
进一步地,高轨卫星节点在每个时间片段之前,根据需求运行控制链路与数据链路联合规划的PSO-Grd算法,得到GEO-LEO和LEO-LEO的连接拓扑矩阵、控制报文传输路径与数据业务的传输路径,并在此时间片段开始前,将相应配置信息下发到数据平面。如图1所示,根据规划结果,GEO1与锚点1和锚点2连接,控制器GEO2只与锚点3相连,数据平面的每个节点可以通过相应锚点与控制器交互,同时数据平面的低轨卫星节点也根据规划结果建立相应星间链路,可以看出本实施例的规划方法未建立的冗余链路。
上述软件定义卫星网络的链路规划方法,先建立控制链路与数据链路联合优化问题的约束;建立基于粒子群算法和贪婪算法的锚点集选择模型,采用基于服务请求量的粒子群初始化方法初始化粒子解变量;然后对于每个粒子对应的锚点集,采用基于贪婪算法的控制链路、数据链路选择算法,根据控制报文和数据业务传输需求逐步扩充启用的星间链路;进一步根据粒子对应的网络拓扑、控制报文与数据业务的传输路径,计算粒子的适应值,再采用标准粒子群算法的迭代优化方法进行粒子解的优化,在保障控制报文和数据业务传输需求的同时,降低星间链路启用数量,减少卫星网络的能源消耗和资源浪费,实现网络资源的高效利用。
本领域技术人员可以理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的软件定义卫星网络的链路规划方法,本实施例提供了一种软件定义卫星网络的链路规划装置,如图10,为本实施例中装置的结构示意图。为了便于说明,仅示出了与本实施例相关的部分。
所述软件定义卫星网络的链路规划装置包括:建立约束模块110、排序模块120和链路规划模块130。
建立约束模块110用于获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束。
排序模块120用于对低轨卫星节点和数据业务进行排序。
链路规划模块130用于基于粒子群算法和贪婪算法,根据联合规划的约束、排序后的低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略。
上述软件定义卫星网络的链路规划装置,基于粒子群和贪婪算法,根据控制报文和数据业务传输需求逐步扩充启用的星间链路,再采用标准粒子群算法的迭代优化方法进行粒子解的优化,在保障控制报文和数据业务传输需求的同时,降低星间链路启用数量,减少卫星网络的能源消耗和资源浪费,实现网络资源的高效利用。
本实施例还提供了一种终端设备100的示意图。如图11所示,该实施例的终端设备100包括:处理器140、存储器150以及存储在所述存储器150中并可在所述处理器140上运行的计算机程序151,例如软件定义卫星网络的链路规划方法的程序。所述处理器140在执行所述计算机程序151时实现上述软件定义卫星网络的链路规划方法实施例中的步骤,例如图1所示的步骤101至103。或者,所述处理器140执行所述计算机程序151时实现上述各装置实施例中各模块/单元的功能,例如图10所示模块110至130的功能。
示例性的,所述计算机程序151可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器150中,并由所述处理器140执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序151在所述终端设备100中的执行过程。例如,计算机程序151可以被分割成建立约束模块110、排序模块120和链路规划模块130,各模块具体功能如下:
建立约束模块110用于获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束。
排序模块120用于对低轨卫星节点和数据业务进行排序。
链路规划模块130用于基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略。
所述终端设备100可以是计算机、笔记本及云端服务器等计算设备。所述终端设备100可包括,但不仅限于处理器140、存储器150。本领域技术人员可以理解,图11仅仅是终端设备100的示例,并不构成对终端设备100的限定,终端设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备100还可以包括输入输出设备、网络接入设备、总线等。
所称处理器140可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器150可以是所述终端设备100的内部存储单元,例如终端设备100的硬盘或内存。所述存储器150也可以是所述终端设备100的外部存储设备,例如所述终端设备100上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器150还可以既包括所述终端设备100的内部存储单元也包括外部存储设备。所述存储器150用于存储所述计算机程序以及所述终端设备100所需的其他程序和数据。所述存储器150还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模型的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (12)
1.一种软件定义卫星网络的链路规划方法,其特征在于,包括:
获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束;
对低轨卫星节点和数据业务进行排序;
基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略;
其中,所述基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略,包括:
基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解;
基于粒子群算法的优化规则进行循环迭代,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑;
其中,所述基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解,包括:
根据服务请求量初始化粒子解,得到每个粒子的初始锚点集,所述初始锚点集为对应的高轨卫星可连接的低轨卫星节点的集合;
基于贪婪算法和所述联合规划的约束,计算排序后的所述低轨卫星节点到所述初始锚点集的控制报文传输路径得到控制路径集,计算排序后的所述数据业务的传输路径得到数据业务路径集,同时得到网络连接拓扑;
基于粒子适应度评价规则,在所述控制路径集、数据业务路径集和网络连接拓扑中得到全局解和每个粒子的个体解;
其中,所述基于粒子群算法的优化规则进行循环迭代,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑,包括:
初始化最大迭代次数,开始迭代;
计算此轮迭代的惯性权重;
根据所述惯性权重、全局解和个体解,依次更新每个粒子的速度和位置;
基于贪婪算法计算每个粒子的个体解,并判断每个粒子是否属于解空间,若不属于,根据服务请求量重新初始化不满足解空间的粒子,并基于贪婪算法计算初始化后的所述不满足解空间的粒子的个体解;
基于粒子适应度评价规则,更新全局解和每个粒子的个体解;
在迭代次数到达最大迭代次数时,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑。
2.如权利要求1所述的软件定义卫星网络的链路规划方法,其特征在于,所述控制链路与数据链路联合规划的约束包括:
高轨卫星可连接的低轨卫星节点的数量约束、每条数据链路的承载业务量约束、每个低轨卫星节点的承载业务能力约束、控制报文传输路径的服务质量约束和数据业务的传输路径的服务质量约束。
3.如权利要求1所述的软件定义卫星网络的链路规划方法,其特征在于,对低轨卫星节点和数据业务进行排序,包括:
根据服务请求量对所述低轨卫星节点进行排序,根据业务服务质量和业务量对所述数据业务进行排序。
4.如权利要求1所述的软件定义卫星网络的链路规划方法,其特征在于,根据服务请求量初始化粒子解,得到每个粒子的初始锚点集,包括:
计算每个所述低轨卫星节点的被选择概率;
根据所述被选择概率确定每个高轨卫星上每个天线可连接的低轨卫星节点,得到每个粒子的初始锚点集。
5.如权利要求1所述的软件定义卫星网络的链路规划方法,其特征在于,基于贪婪算法和所述联合规划的约束,计算排序后的所述低轨卫星节点到所述初始锚点集的控制报文传输路径得到控制路径集,包括:
初始化粒子P的局部拓扑为空,并将粒子P的锚点集中高轨卫星与低轨卫星节点的链路加入到所述粒子P的局部拓扑中;
根据所述低轨卫星节点的排序结果,在所述粒子P的局部拓扑下依次计算每个低轨卫星节点的控制路径,所述低轨卫星节点的控制路径为所述低轨卫星节点到对应的初始锚点集中所有锚点的最短路径中,满足所述联合规划约束且最短的那一条;
若在所述粒子P的局部拓扑下,不存在满足所述联合规划约束的所述低轨卫星节点的控制路径,则在全局拓扑下计算所述低轨卫星节点的控制路径,并更新所述粒子P的局部拓扑,所有低轨卫星节点的控制路径集合为所述粒子P的控制路径集。
6.如权利要求5所述的软件定义卫星网络的链路规划方法,其特征在于,基于贪婪算法和所述联合规划的约束,计算排序后的所述数据业务的传输路径得到数据业务路径集,包括:
根据所述数据业务的排序结果,在更新后的所述粒子P的局部拓扑下依次计算每条数据业务的传输路径,所述数据业务的传输路径为可以承载所述数据业务且满足联合规划约束的最短路径;
若在所述粒子P的局部拓扑下,不存在满足所述联合规划约束的所述数据业务的传输路径,则在全局拓扑下计算所述数据业务的传输路径,并更新所述粒子P的局部拓扑,所有数据业务的传输路径集合为粒子P的数据业务路径集,此时的局部拓扑为所述粒子P的网络连接拓扑。
7.如权利要求1所述的软件定义卫星网络的链路规划方法,其特征在于,基于粒子适应度评价规则,在所述控制路径集、数据业务路径集和网络连接拓扑中得到全局解和每个粒子的个体解,包括:
根据所述控制路径集、数据业务路径集和网络连接拓扑分别计算对应粒子的第一平均延迟、第二平均延迟以及激活链路数量;
若所述激活链路数量优于所述全局解或所述个体解,则更新对应的全局解或个体解为当前粒子解;
若所述激活链路数量与所述全局解或所述个体解相等,所述第一平均延迟低于所述初始化粒子解,则更新对应的全局解或个体解为当前粒子解;
若所述激活链路数量和所述第一平均延迟均与所述全局解或所述个体解相等,所述第二平均延迟低于所述全局解或所述个体解,则更新对应的全局解或个体解为当前粒子解。
11.一种软件定义卫星网络的链路规划装置,其特征在于,包括:
建立约束模块,用于获取卫星网络信息,根据所述卫星网络信息建立控制链路与数据链路联合规划的约束;
排序模块,用于对低轨卫星节点和数据业务进行排序;
链路规划模块,用于基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略;
其中,所述基于粒子群算法和贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务确定卫星网络的链路规划策略,包括:
基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解;
基于粒子群算法的优化规则进行循环迭代,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑;
其中,所述基于贪婪算法,根据所述联合规划的约束、排序后的所述低轨卫星节点和排序后的所述数据业务,初始化全局解和每个粒子的个体解,包括:
根据服务请求量初始化粒子解,得到每个粒子的初始锚点集,所述初始锚点集为对应的高轨卫星可连接的低轨卫星节点的集合;
基于贪婪算法和所述联合规划的约束,计算排序后的所述低轨卫星节点到所述初始锚点集的控制报文传输路径得到控制路径集,计算排序后的所述数据业务的传输路径得到数据业务路径集,同时得到网络连接拓扑;
基于粒子适应度评价规则,在所述控制路径集、数据业务路径集和网络连接拓扑中得到全局解和每个粒子的个体解;
其中,所述基于粒子群算法的优化规则进行循环迭代,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑,包括:
初始化最大迭代次数,开始迭代;
计算此轮迭代的惯性权重;
根据所述惯性权重、全局解和个体解,依次更新每个粒子的速度和位置;
基于贪婪算法计算每个粒子的个体解,并判断每个粒子是否属于解空间,若不属于,根据服务请求量重新初始化不满足解空间的粒子,并基于贪婪算法计算初始化后的所述不满足解空间的粒子的个体解;
基于粒子适应度评价规则,更新全局解和每个粒子的个体解;
在迭代次数到达最大迭代次数时,输出全局解对应的控制路径集、数据业务路径集和网络连接拓扑。
12.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至10任一项所述软件定义卫星网络的链路规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010222655.9A CN111447005B (zh) | 2020-03-26 | 2020-03-26 | 软件定义卫星网络的链路规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010222655.9A CN111447005B (zh) | 2020-03-26 | 2020-03-26 | 软件定义卫星网络的链路规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111447005A CN111447005A (zh) | 2020-07-24 |
CN111447005B true CN111447005B (zh) | 2022-03-04 |
Family
ID=71654333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010222655.9A Active CN111447005B (zh) | 2020-03-26 | 2020-03-26 | 软件定义卫星网络的链路规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111447005B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469047B (zh) * | 2020-11-24 | 2022-07-12 | 大连大学 | 一种天地一体化智能网络卫星节点部署方法 |
CN112867085B (zh) * | 2021-01-08 | 2022-08-05 | 北京邮电大学 | 卫星通信网络的拓扑信息收敛方法、装置及系统 |
CN113543261B (zh) * | 2021-05-31 | 2024-04-19 | 北京邮电大学 | 一种卫星网络多径传输方法及装置 |
CN113891417B (zh) * | 2021-10-25 | 2023-11-03 | 中国联合网络通信集团有限公司 | 路径选择方法、装置及设备 |
CN114374427A (zh) * | 2022-01-19 | 2022-04-19 | 苏州全时空信息技术有限公司 | 软件定义的中低轨卫星网络中控制器动态部署方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835011A (zh) * | 2015-05-13 | 2015-08-12 | 中国西安卫星测控中心 | 基于地面站布局约束的导航星座缓变星间链路规划方法 |
CN105471730A (zh) * | 2015-11-16 | 2016-04-06 | 国家电网公司 | 电力通信分层路由路径确定方法 |
CN108282217A (zh) * | 2017-12-05 | 2018-07-13 | 中国电子科技集团公司电子科学研究院 | 基于网络拓扑结构分析的卫星组网方法与存储介质 |
CN108664022A (zh) * | 2018-04-27 | 2018-10-16 | 湘潭大学 | 一种基于拓扑地图的机器人路径规划方法及系统 |
CN110881198A (zh) * | 2019-12-06 | 2020-03-13 | 上海交通大学 | 深空网络中基于竞争决策思想的链路分配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3175647B1 (en) * | 2014-08-03 | 2018-12-12 | Hughes Network Systems, LLC | Centralized ground-based route determination and traffic engineering for software defined satellite communications networks |
CN106603147B (zh) * | 2017-01-18 | 2019-06-21 | 中国人民解放军国防科学技术大学 | 基于软件定义网络的空天信息网络业务转发方法 |
CN108768504B (zh) * | 2018-06-07 | 2019-03-12 | 中国人民解放军国防科技大学 | 基于leo/meo的软件定义卫星网络的控制报文快照路由方法 |
-
2020
- 2020-03-26 CN CN202010222655.9A patent/CN111447005B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835011A (zh) * | 2015-05-13 | 2015-08-12 | 中国西安卫星测控中心 | 基于地面站布局约束的导航星座缓变星间链路规划方法 |
CN105471730A (zh) * | 2015-11-16 | 2016-04-06 | 国家电网公司 | 电力通信分层路由路径确定方法 |
CN108282217A (zh) * | 2017-12-05 | 2018-07-13 | 中国电子科技集团公司电子科学研究院 | 基于网络拓扑结构分析的卫星组网方法与存储介质 |
CN108664022A (zh) * | 2018-04-27 | 2018-10-16 | 湘潭大学 | 一种基于拓扑地图的机器人路径规划方法及系统 |
CN110881198A (zh) * | 2019-12-06 | 2020-03-13 | 上海交通大学 | 深空网络中基于竞争决策思想的链路分配方法 |
Non-Patent Citations (2)
Title |
---|
An optimized SGL routing algorithm design in satellite communication;Li Haoping 等;《2010 2nd International Conference on Industrial and Information Systems》;20100907;全文 * |
通信卫星星座优化设计综述;莫宇 等;《电讯技术》;20161130(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111447005A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111447005B (zh) | 软件定义卫星网络的链路规划方法和装置 | |
CN109714219B (zh) | 一种基于卫星网络的虚拟网络功能快速映射方法 | |
CN111586696B (zh) | 一种基于多智能体架构强化学习的资源分配及卸载决策方法 | |
US20180092020A1 (en) | Mobile network node routing | |
CN112272381B (zh) | 一种卫星网络任务部署方法和系统 | |
CN113543074A (zh) | 一种基于车路云协同的联合计算迁移和资源分配方法 | |
CN113258982B (zh) | 卫星信息传输方法、装置、设备、介质及产品 | |
CN113346938A (zh) | 一种面向空天地一体化网络的边缘计算资源融合管理方法 | |
CN116547648A (zh) | 用于在多址边缘计算平台架构中支持应用移动性的方法和装置 | |
Wang et al. | Radio resource allocation for bidirectional offloading in space-air-ground integrated vehicular network | |
CN117041330B (zh) | 一种基于强化学习的边缘微服务细粒度部署方法及系统 | |
CN111539534B (zh) | 一种基于强化学习的通用分布式图处理方法及系统 | |
Huang et al. | A vehicle-assisted data offloading in mobile edge computing enabled vehicular networks | |
Wang et al. | A load balanced routing algorithm based on congestion prediction for LEO satellite networks | |
Dudukovich et al. | A distributed approach to high-rate delay tolerant networking within a virtualized environment | |
Yuan et al. | Joint network function placement and routing optimization in dynamic software-defined satellite-terrestrial integrated networks | |
Gao et al. | Dynamic resource management for neighbor-based VNF placement in decentralized satellite networks | |
CN116582173B (zh) | 基于卫星的分布式网络处理数据的方法、装置及存储介质 | |
Han et al. | Space edge cloud enabling service migration for on-orbit service | |
CN116916272A (zh) | 基于自动驾驶汽车网络的资源分配和任务卸载方法及系统 | |
CN112181665A (zh) | 一种低轨卫星的任务优化方法和装置 | |
CN114024894B (zh) | 软件定义天地一体化网络中的动态传算方法及系统 | |
CN115459828A (zh) | 一种面向低轨星座边缘微云的服务自主迁移方法 | |
Wei et al. | Dynamic controller placement for software-defined LEO network using deep reinforcement learning | |
Hlophe et al. | Prospect-theoretic DRL Approach for Container Provisioning in Energy-constrained Edge Platforms |
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 |