CN112118190A - 一种中药材种植监测网络多路径拥塞控制方法 - Google Patents

一种中药材种植监测网络多路径拥塞控制方法 Download PDF

Info

Publication number
CN112118190A
CN112118190A CN202010878930.2A CN202010878930A CN112118190A CN 112118190 A CN112118190 A CN 112118190A CN 202010878930 A CN202010878930 A CN 202010878930A CN 112118190 A CN112118190 A CN 112118190A
Authority
CN
China
Prior art keywords
network
congestion window
function
congestion
state
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.)
Pending
Application number
CN202010878930.2A
Other languages
English (en)
Inventor
刘艳
康志英
李晶
吴建
黄丁朋
王斌
彭如习
朱军龙
王琳
张明川
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.)
GUANGZHOU XIANGXUE PHARMACEUTICAL CO Ltd
Original Assignee
GUANGZHOU XIANGXUE PHARMACEUTICAL CO Ltd
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 GUANGZHOU XIANGXUE PHARMACEUTICAL CO Ltd filed Critical GUANGZHOU XIANGXUE PHARMACEUTICAL CO Ltd
Priority to CN202010878930.2A priority Critical patent/CN112118190A/zh
Publication of CN112118190A publication Critical patent/CN112118190A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/12—Avoiding congestion; Recovering from congestion
    • 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
    • H04L45/24—Multipath
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/22—Traffic shaping
    • H04L47/225—Determination of shaping rate, e.g. using a moving window

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

一种中药材种植监测网络多路径拥塞控制方法，涉及多路径拥塞控制技术领域，利用有效吞吐量、平均延迟以及最小往返时间(RTT)等网络实时状态信息学习调整策略，调整拥塞窗口的大小，进而实现多路径网络通信中的拥塞控制，使得数据控制中心能够及时接收中草药种植环境的实时状态，从而对其湿度、温度、光照等因素进行调整，提高种植收益。本发明有益效果：有效提升传感器传输信息效率，具有实际意义；利用元强化学习实现多路径的拥塞控制，不同于其他机器学习算法形式，其在更少的训练样本数据下，达到相似的性能效果，同时其训练速度更快，在实际网络的拥塞控制过程中效率更高，对中药材生长环境进行更为精确的控制。

Description

一种中药材种植监测网络多路径拥塞控制方法
技术领域
本发明属于多路径拥塞控制技术领域，具体涉及一种中药材种植监测网络多路径拥塞控制方法。
背景技术
中医是我国独有卫生资源，在此次新冠病毒抗疫工作中发挥巨大作用，中药汤剂作为中医诊治的主要手段，传统的种植模式已经无法满足高产量、高质量的要求。“互联网+”式的新型精准控制方式是中药材种植的未来发展方向，中药材种植监测网络是利用各类传感器(如土壤水分传感器、温度传感器)和先进无线数据传输技术获得实时种植数据情况，用户可以利用电脑、手机等终端设备对于种植环境光照、水分、温度等因素进行精确控制，提升中药材种植效益。
在实际应用过程中，传感器通过网络发送实时环境监测数据到数据控制中心，在信息传输到终端的过程中利用多路径网络进行传输，多路径网络传输提出的即是一种在两个主机之间建立连接的方式，用户数据可以在多条子连接中选择任意一条进行传输，尽可能地利用网络中的链路资源进行数据传输，有效提升网络性能并提高用户体验。
多路径网络传输的拥塞控制是从全局角度出发，考虑整个网络环境的链路使用及拥塞状态。在多路径传输中，可能出现某几条流量过载的路径，而其他路径出现链路资源过剩的情况，导致局部拥塞甚至全局拥塞的发生。如何实现多路径传输的全局拥塞控制是网络技术的研究热点问题，这对于有效提升网络利用率有着重要的影响作用，现今移动终端设备的不断更新，因此利用有效的拥塞控制方法实现其稳定传输就显得尤为重要。
发明内容
本发明所要解决的技术问题是提供一种中药材种植监测网络多路径拥塞控制方法，解决在中药材种植应用中，传感器监测的环境信息在发送过程中使用多路径传输可能存在的“流量过载”、“链路资源过剩”等拥塞控制的问题。
本发明为解决上述技术问题所采用的技术方案是：一种中药材种植监测网络多路径拥塞控制方法，包括以下步骤：
步骤一、传感器发送记录中药材种植实时环境信息的数据流到中药材种植监测网络中。
步骤二、建立数学模型，将中药材种植监测网络中信息传输过程中的多路径拥塞控制转化为求解中药材种植监测网络实际有效吞吐量最大化的方法中。
步骤三、学习得到最优拥塞窗口调整策略函数，根据拥塞窗口调整策略函数与动作值函数之间的映射关系生成调节拥塞窗口大小的动作值函数。
步骤四、根据动作值函数调整中药材种植监测网络中拥塞窗口的大小，实现实际有效吞吐量最大化，进而实现多路径网络的拥塞控制。
本发明所述步骤二中建立数学模型的具体方法为：
(1)获取中药材种植监测网络中任一条数据流i的状态
Figure RE-GDA0002774915510000021
Figure RE-GDA0002774915510000022
其中
Figure RE-GDA0002774915510000023
表示在时间区间t内任一数据流i的子流m的状态，包括平均发送速率
Figure RE-GDA0002774915510000024
有效吞吐量
Figure RE-GDA0002774915510000025
拥塞窗口大小
Figure RE-GDA0002774915510000026
平均延迟和平均最小往返时间
Figure RE-GDA0002774915510000027
M表示数据流i的子流的数量。
(2)定义时间区间t内调整多路径网络拥塞窗口的动作值函数为
Figure RE-GDA0002774915510000028
其中
Figure RE-GDA0002774915510000029
表示在时间区间t内调整拥塞窗口的大小，N表示监测网络中数据流的数量。
(3)将实际有效吞吐量作为效用函数，定义回报函数R(t)为
Figure RE-GDA00027749155100000210
其中
Figure RE-GDA00027749155100000211
本发明所述步骤三中学习得到最优拥塞窗口调整策略函数fθ调节拥塞窗口大小的动作值函数的具体方法为：
(1)收集时间区间T内中药材种植监测网络中任一数据流i的网络数据状态，用任务集合
Figure RE-GDA00027749155100000212
表示：
Figure RE-GDA00027749155100000213
其中，1≤i≤N，
Figure RE-GDA00027749155100000214
表示时间T内数据流i的子流M的状态，
Figure RE-GDA00027749155100000215
表示时间T内数据流i的子流M的动作值函数，
Figure RE-GDA00027749155100000216
为多路径传输数据流i的初始状态分布，
Figure RE-GDA00027749155100000217
为数据流i的过渡分布，该状态分布包括这一时间区间内的链路平均发送速率、链路实际有效吞吐量、当前拥塞窗口的大小以及最小往返时间，T表示数据流传输的总时间。
(2)基于收集到的网络状态数据，定义数据流i的任务集合
Figure RE-GDA0002774915510000031
的损失函数，得到此时网络状态下的实际有效吞吐量，损失函数
Figure RE-GDA0002774915510000032
的形式为：
Figure RE-GDA0002774915510000033
其中，
Figure RE-GDA0002774915510000034
是损失函数
Figure RE-GDA0002774915510000035
的变量，
Figure RE-GDA0002774915510000036
表示期望，Ri(st,at)表示链路i在时间t内取得的回报。
(3)根据此时的网络状态，找到一个使得函数
Figure RE-GDA0002774915510000037
最小的θ值：
Figure RE-GDA0002774915510000038
利用
Figure RE-GDA0002774915510000039
对θ进行梯度下降，得到拥塞窗口大小调整策略fθ：
Figure RE-GDA00027749155100000310
其中β是一个步长，表示一个常数。
(4)根据训练得到的fθ和其与动作函数之间的映射关系at＝fθ(st)确定一个调整拥塞窗口值大小的动作值函数at，进而调整拥塞窗口，调整后查看此时的网络拥塞状态：如果此时网络状态良好，则直接将网络的实时状态反馈给数据流接收方，如果此时网络仍有拥塞情况，则跳转到步骤(3)，继续调整该网络的拥塞窗口大小。
本发明的有益效果是：
1.有效提升传感器传输信息效率，具有实际意义。对拥塞窗口进行实时控制，实现拥塞控制的同时，提升了信息在多路径网络中的传输效率，使得数据控制中心能够及时接收中草药种植环境的实时状态，从而对其湿度、温度、光照等因素进行调整，提高种植收益，对中药材种植监测具有实际的意义。
2.计算效率高。利用元强化学习实现多路径的拥塞控制，不同于其他机器学习算法形式，其在更少的训练样本数据下，达到相似的性能效果，同时其训练速度更快，在实际网络的拥塞控制过程中效率更高，对中药材生长环境进行更为精确的控制。
附图说明
图1为本发明整体控制方法流程示意图；
图2为本发明最优拥塞窗口调整策略函数的生成步骤流程图；
图3为本发明利用拥塞窗口拥塞窗口调整策略函数具体调整的方法流程图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式(实施例)进行描述，使本领域的技术人员能够更好地理解本发明。
一种中药材种植监测网络多路径拥塞控制方法，主要针对在中药材种植应用中，传感器监测的环境信息在发送过程中使用多路径传输可能存在的“流量过载”、“链路资源过剩”等拥塞控制问题，提出一种基于元强化学习的中药材种植监测网络多路径拥塞控制方法，利用有效吞吐量、平均延迟以及最小往返时间 (RTT)等网络实时状态信息学习策略，用于调整拥塞窗口的大小，进而实现多路径网络通信中的拥塞控制。使得数据控制中心能够及时接收中草药种植环境的实时状态，从而对其湿度、温度、光照等因素进行调整，提高种植收益。其不同于其他机器学习算法形式，其在更少的训练样本数据下，达到相似的性能效果，同时其训练速度更快，在实际网络的拥塞控制过程中效率更高。结合说明书附图对本发明进行具体说明，首先将信息传输过程中的多路径的拥塞控制转化为求解多路径链路实际有效吞吐量最大化的问题，在实际有效吞吐量最大化的基础上，多路径网络传输状态达到最佳。然后引入多路径传输网络的实时状态信息，构建数学模型，最后根据状态信息确定最优的网络拥塞窗口调节策略fθ，在时间区间t内将状态
Figure RE-GDA0002774915510000041
映射到动作分布at上的，得出在时间区间t内调整拥塞窗口的大小。具体的包括以下步骤：
步骤一、传感器发送记录中药材种植实时环境信息的数据流到中药材种植监测网络中。
步骤二、建立数学模型，将中药材种植监测网络中信息传输过程中的多路径拥塞控制转化为求解中药材种植监测网络实际有效吞吐量最大化的方法中。
步骤三、学习得到最优拥塞窗口调整策略函数，根据拥塞窗口调整策略函数与动作值函数之间的映射关系生成调节拥塞窗口大小的动作值函数。
步骤四、根据动作值函数调整中药材种植监测网络中拥塞窗口的大小，实现实际有效吞吐量最大化，进而实现多路径网络的拥塞控制。
所述步骤二中建立数学模型的具体方法为：
(1)获取中药材种植监测网络中任一条数据流i的状态
Figure RE-GDA0002774915510000051
Figure RE-GDA0002774915510000052
其中
Figure RE-GDA0002774915510000053
表示在时间区间t内任一数据流i的子流m的状态，包括平均发送速率
Figure RE-GDA0002774915510000054
有效吞吐量
Figure RE-GDA0002774915510000055
拥塞窗口大小
Figure RE-GDA0002774915510000056
平均延迟和平均最小往返时间
Figure RE-GDA0002774915510000057
M表示数据流i的子流的数量。
(2)定义时间区间t内调整多路径网络拥塞窗口的动作值函数为
Figure RE-GDA0002774915510000058
其中
Figure RE-GDA0002774915510000059
表示在时间区间t内调整拥塞窗口的大小，N表示监测网络中数据流的数量。
(3)将实际有效吞吐量作为效用函数，定义回报函数R(t)为
Figure RE-GDA00027749155100000510
其中
Figure RE-GDA00027749155100000511
所述步骤三中学习得到最优拥塞窗口调整策略函数fθ主要是通过两次策略梯度来确定调节策略中θ的具体数值以得到调节拥塞窗口大小的动作值函数，具体方法为：
第一步：输入中药材种植监测网络实时状态数据，抽取部分任务(task) 分布:
Figure RE-GDA00027749155100000512
训练集，该任务分布中包括这一时间区间内的网络的链路平均发送速率、链路实际有效吞吐量、当前拥塞窗口的大小以及最小往返时间(RTT)。
第二步：确定训练集。在抽样数据中，选取范围为H的数据量
Figure RE-GDA00027749155100000513
第三步：通过网络数据集合τ和网络实际有效吞吐量的损失函数
Figure RE-GDA00027749155100000514
利用公式
Figure RE-GDA0002774915510000061
计算出
Figure RE-GDA0002774915510000062
第四步：利用
Figure RE-GDA0002774915510000063
进行第一次梯度更新得出此时θ的数值θ'i。
第五步：确定测试集。在抽样数据中，选取范围为H的数据量
Figure RE-GDA0002774915510000064
第六步：利用公式
Figure RE-GDA0002774915510000065
进行第二次梯度更新计算出θ，将二次更新的θ代入到fθ中，通过状态
Figure RE-GDA0002774915510000066
映射到动作分布at，得出调整拥塞窗口的大小。
第七步：调节拥塞窗口后，查看此时的网络拥塞状态。如果此时网络状态良好，则直接将网络的实时状态反馈给接收方，如果此时网络仍有拥塞情况，则跳转到第三步，继续调整该网络的拥塞窗口大小。
利用调整后的拥塞窗口大小实现实际有效吞吐量最大化，进而实现多路径链路的拥塞控制。在此状态下，数据控制中心接收传感器监测的中药材生产环境信息，根据需要发送调节其温度、湿度、光照等因素的指令信息，创造中药材生长的最佳条件，为盛产高品质的中药材提供保障。

Claims (3)

1.一种中药材种植监测网络多路径拥塞控制方法，其特征在于：包括以下步骤：
步骤一、传感器发送记录中药材种植实时环境信息的数据流到中药材种植监测网络中；
步骤二、建立数学模型，将中药材种植监测网络中信息传输过程中的多路径拥塞控制转化为求解中药材种植监测网络实际有效吞吐量最大化的方法中；
步骤三、学习得到最优拥塞窗口调整策略函数，根据拥塞窗口调整策略函数与动作值函数之间的映射关系生成调节拥塞窗口大小的动作值函数；
步骤四、根据动作值函数调整中药材种植监测网络中拥塞窗口的大小，实现实际有效吞吐量最大化，进而实现多路径网络的拥塞控制。
2.根据权利要求1所述的一种中药材种植监测网络多路径拥塞控制方法，其特征在于：所述步骤二中建立数学模型的具体方法为：
(1)获取中药材种植监测网络中任一条数据流i的状态
Figure FDA0002653510450000011
其中
Figure FDA0002653510450000012
表示在时间区间t内任一数据流i的子流m的状态，包括平均发送速率
Figure FDA0002653510450000013
有效吞吐量
Figure FDA0002653510450000014
拥塞窗口大小
Figure FDA0002653510450000015
平均延迟和平均最小往返时间
Figure FDA0002653510450000016
M表示数据流i的子流的数量；
(2)定义时间区间t内调整多路径网络拥塞窗口的动作值函数为
Figure FDA0002653510450000017
其中
Figure FDA0002653510450000018
表示在时间区间t内调整拥塞窗口的大小，N表示监测网络中数据流的数量；
(3)将实际有效吞吐量作为效用函数，定义回报函数R(t)为
Figure FDA0002653510450000019
其中
Figure FDA00026535104500000110
3.根据权利要求1所述的一种中药材种植监测网络多路径拥塞控制方法，其特征在于：所述步骤三中学习得到最优拥塞窗口调整策略函数fθ调节拥塞窗口大小的动作值函数的具体方法为：
(1)收集时间区间T内中药材种植监测网络中任一数据流i的网络数据状态，用任务集合
Figure FDA00026535104500000111
表示：
Figure FDA00026535104500000112
其中，1≤i≤N，
Figure FDA00026535104500000113
表示时间T内数据流i的子流M的状态，
Figure FDA00026535104500000114
表示时间T内数据流i的子流M的动作值函数，
Figure FDA00026535104500000115
为多路径传输数据流i的初始状态分布，qi(si t+1|si t)为数据流i的过渡分布，该状态分布包括这一时间区间内的链路平均发送速率、链路实际有效吞吐量、当前拥塞窗口的大小以及最小往返时间，T表示数据流传输的总时间；
(2)基于收集到的网络状态数据，定义数据流i的任务集合
Figure FDA0002653510450000021
的损失函数，得到此时网络状态下的实际有效吞吐量，损失函数
Figure FDA0002653510450000022
的形式为：
Figure FDA0002653510450000023
其中，
Figure FDA0002653510450000024
是损失函数
Figure FDA0002653510450000025
的变量，
Figure FDA0002653510450000026
表示期望，Ri(st,at)表示链路i在时间t内取得的回报；
(3)根据此时的网络状态，找到一个使得函数
Figure FDA0002653510450000027
最小的θ值：
Figure FDA0002653510450000028
利用
Figure FDA0002653510450000029
对θ进行梯度下降，得到拥塞窗口大小调整策略fθ：
Figure FDA00026535104500000210
其中β是一个步长，表示一个常数；
(4)根据训练得到的fθ和其与动作函数之间的映射关系at＝fθ(st)确定一个调整拥塞窗口值大小的动作值函数at，进而调整拥塞窗口，调整后查看此时的网络拥塞状态：如果此时网络状态良好，则直接将网络的实时状态反馈给数据流接收方，如果此时网络仍有拥塞情况，则跳转到步骤(3)，继续调整该网络的拥塞窗口大小。
CN202010878930.2A 2020-08-27 2020-08-27 一种中药材种植监测网络多路径拥塞控制方法 Pending CN112118190A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010878930.2A CN112118190A (zh) 2020-08-27 2020-08-27 一种中药材种植监测网络多路径拥塞控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010878930.2A CN112118190A (zh) 2020-08-27 2020-08-27 一种中药材种植监测网络多路径拥塞控制方法

Publications (1)

Publication Number Publication Date
CN112118190A true CN112118190A (zh) 2020-12-22

Family

ID=73805596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010878930.2A Pending CN112118190A (zh) 2020-08-27 2020-08-27 一种中药材种植监测网络多路径拥塞控制方法

Country Status (1)

Country Link
CN (1) CN112118190A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107171842A (zh) * 2017-05-22 2017-09-15 南京大学 基于强化学习的多路径传输协议拥塞控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107171842A (zh) * 2017-05-22 2017-09-15 南京大学 基于强化学习的多路径传输协议拥塞控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PANG, SHANCHEN等: "Transmission Control of MPTCP Incast Based on Buffer Balance Factor Allocation in Data Center Networks", IEEE ACCESS *
张晗: "基于强化学习的多路径传输控制协议优化", 自然科学与工程技术类专辑-信息科技辑, pages 18 - 22 *

Similar Documents

Publication Publication Date Title
US10999175B2 (en) Network data flow classification method and system
CN105227488B (zh) 一种用于分布式计算机平台的网络流组调度方法
CN102882803B (zh) 一种基于丢包和时延的混合拥塞控制方法
CN102811465B (zh) 异构网络下基于反馈信息的业务分流系统及方法
CN102055613B (zh) 一种网络质量评价方法
Liang et al. Greenhouse Environment dynamic Monitoring system based on WIFI
CN101808016B (zh) IPv6下DiffServ区域端到端网络性能的快速测量方法及系统
CN111431588B (zh) 一种光通信星座网络拓扑生成方法及存储介质
CN106780086A (zh) 一种基于农田水分监测的灌溉用水管理系统及管理方法
CN206214122U (zh) 一种可实现远程诊断和远程控制的手持式超声诊断系统
CN108600371A (zh) 一种基于云端的物联网农业浇灌系统
CN109714795A (zh) 一种基于sdn网络切片的资源管理方法、资源管理系统以及装置
CN108416067A (zh) 工业过程中海量数据处理和存储过程的优化执行估算方法
CN106685757A (zh) 一种评估网络性能的方法及装置
CN112118190A (zh) 一种中药材种植监测网络多路径拥塞控制方法
CN107820227A (zh) 一种车路无线通信网络服务质量参数测试装置
CN1581848A (zh) 一种保障“确保转发业务”汇聚流公平性的流量调节方法
CN113114739B (zh) 一种基于云存储系统实现文件传输协议动态选择的方法
CN109547263A (zh) 基于近似计算的片上网络优化方法
CN110169134A (zh) 无线质量支持视频体验的检测方法及装置
CN113904948A (zh) 基于跨层的多维参数的5g网络带宽预测系统及方法
CN109451522A (zh) 一种面向蓝牙网关的流量预测方法及装置
CN101997776A (zh) 基于拥塞辨识的路由器队列控制系统及其控制方法
CN106789429B (zh) 一种自适应低代价sdn网络链路利用率测量方法及系统
CN102739508B (zh) 一种高速网络数据传输的方法及系统

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