CN112422455A - 一种集中式的多路径效用公平带宽分配方法 - Google Patents

Abstract

本发明公开了一种集中式的多路径效用公平带宽分配方法，包括：为每个用户/应用指定分段线性效用函数；结合分段线性效用函数，采用预设的分段最大最小规划算法计算得到一个部分分配方案；计算得到初始划分，将该初始划分作为输入，不断迭代执行预设的效用迭代填水算法，每轮迭代产生一个新的分配方案，直至连续两轮产生的分配方案的差别小于既定阈值时，停止迭代，返回当前轮的分配结果作为最终的分配方案。本发明能够在保证部分最大最小公平性的同时，有效地降低带宽分配方案计算时间，并且可以在公平性和计算时间两者之间做灵活取舍。

Description

一种集中式的多路径效用公平带宽分配方法

技术领域

本发明涉及通信网络资源分配技术领域，具体而言涉及一种集中式的多路径效用公平带宽分配方法。

背景技术

带宽分配研究如何将有限的网络带宽资源分配给多个网络用户。随着网络基础设施的发展，越来越多的网络能够提供多条路径供单个用户使用。现如今一个越来越常见的需求是把多个不同源点和汇点的流看作一个整体进行资源的分配与调度。因此，一个成熟的带宽分配方案需要将多路径考虑在内。除此之外，共享网络的用户/应用多种多样，文件备份软件、视频播放软件等常常共享同样的通信网络，不同类型的应用对带宽的需求、对带宽变化的敏感程度存在显著差异。因此，将网络资源进行绝对平等的分配是不可取的，在分配带宽时，应该综合考虑不同应用对带宽的需求。

带宽分配需要兼顾效率与公平性，一方面，我们需要最大化某个全局指标，一方面，我们不希望因此牺牲部分用户。为了平衡这两者，网络领域的研究者们提出了许多实用的公平性概念。被广泛实用的公平性概念包括，比例公平性、阿尔法公平性和最大最小公平性，其中最大最小公平性被普遍认为是最公平的标准。然而，当涉及到多路径带宽分配时，传统的最大最小公平的分配方案的计算需要迭代地求解大量线性规划，因而需要的计算时间极长。在用户需求或是拓扑不断变化的网络当中，难以根据实时的信息及时调整带宽分配方案，从而得到次优的表现。

为了降低多路径最大最小公平性带宽分配方案的计算复杂度，一些研究者主张放松对最大最小公平性的要求，得到“局部”最大最小公平的结果，一些研究者提出了在特定拓扑下快速求解的方案。然而，前者缺乏放松后的解与最优解之间差距的保证，后者不适用于一般的网络拓扑。在向多路径最大最小公平带宽分配问题中引入对效用函数的考虑之后，带宽分配问题变得更加复杂，计算复杂度进一步上升，如何减少多路径效用公平带宽分配方案的计算时间是一个迫在眉睫的问题。一般的效用函数的数学性质可能不好，难以甚至不可能求解，一些研究者使用分段线性函数来拟合一般的效用函数，这也是本发明对一般的效用函数的处理方法，一些研究者利用二分搜索获取对最优分配方案的近似，这类方法算法复杂度更高，而且缺乏灵活性。

发明内容

本发明针对现有技术中的多路径效用公平带宽分配方案计算复杂度高的问题，提供一种集中式的多路径效用公平带宽分配方法，能够在保证部分最大最小公平性的同时，有效地降低带宽分配方案计算时间，并且可以在公平性和计算时间两者之间做灵活取舍。

为实现上述目的，本发明采用以下技术方案：

一种集中式的多路径效用公平带宽分配方法，所述分配方法包括以下步骤：

S1，为每个用户/应用指定分段线性效用函数；

S2，结合分段线性效用函数，采用预设的分段最大最小规划算法计算得到一个部分分配方案，在所述部分分配方案中，分到带宽最少的k％的用户获得的带宽是最大最小公平的，其余的用户获得的带宽不少于这k％用户中单个用户分到的最大带宽，其中，k大于等于0小于等于100，且动态可调；

S3，结合步骤S2得到的部分分配方案，计算得到初始划分，划分是指同一用户使用的多条路径中，各条路径上分配到的带宽占总带宽的比例；将该初始划分作为输入，不断迭代执行预设的效用迭代填水算法，每轮迭代产生一个新的分配方案，直至连续两轮产生的分配方案的差别小于既定阈值时，停止迭代，返回当前轮的分配结果作为最终的分配方案。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤S1中，所述为每个用户/应用指定分段线性效用函数包括以下两种方式：

(1)根据实际需求选取对应的效用函数，结合选取的效用函数直接为每个用户/应用指定分段线性效用函数，(2)采用分段线性函数拟合一般的效用函数得到分段线性效用函数。

进一步地，步骤S1中，所述根据实际需求选取对应的效用函数包括：对服务质量建模的数学函数、从以往历史数据中获取的各类用户的需求概率累积分布函数，以及根据用户优先级自主设置的线性分段函数。

进一步地，所述分段线性效用函数的斜率与计算设备的允许精度范围相关。

进一步地，步骤S2中，所述结合分段线性效用函数，采用预设的分段最大最小规划算法计算得到一个部分分配方案的过程包括以下步骤：

S21，将输入的线性分段函数中的各个断点对应的效用值排序，得到一个效用值向量

在[u_i,u_i+1]这个效用值区间内，每个用户获得的效用值与分配得到的带宽呈线性关系，i＝1,2,…,n-1；

S22，自效用值区间[u₁,u₂]开始，以最大化获得效用值最少的用户获得的效用值为目标，列出线性规划，并交由线性规划求解器求解；

如果求得的最优值等于u_i+1，将效用值区间转为[u_i+1,u_i+2]，否则判断网络中出现了饱和链路，将使用了饱和链路的用户移出待分配带宽的用户集合，并将其效用值固定为求解出的最优值；

S23，重复在效用值区间内求解线性规划，直到求解出的最优值等于u_n，或是已有不少于k％的用户被移出待分配带宽的用户集合。

进一步地，步骤S3中，所述效用迭代填水算法的迭代过程包括：

S31，将输入的线性分段函数中的各个断点对应的效用值排序，得到一个效用值向量

S32，计算得到最大的效用值区间[u_i,u_i+1]，满足所有活跃用户在不违反链路容量约束的前提下取得至少u_i的效用值，在该效用值区间内，每个用户效用值的增加与带宽的增加成比例，这一比例即用户的权值，i＝1,2,…,n-1；；

S33，根据用户的权值，进行带权填水：按权增加每个用户分配得的带宽，用户新增的带宽按划分分配到其各个路径上，直到出现链路饱和，使用了饱和链路的路径被称为饱和路径，调整未饱和路径的划分，继续按权增加带宽，直到所有路径饱和为止。

进一步地，步骤S32中，采用二分搜索法，从当前效用值区间出发，计算得到最大的可行效用值区间[u_i,u_i+1]，计算过程包括以下步骤：

S211，指数搜索一个不可行的下标，即若当前下标可行，则将当前下标乘以二得到新的下标，直到不可行为止；

S212，在可行下标即当前区间的左端点与指数搜索得到的不可行下标之间做二分搜索，找到目标下标。

本发明的有益效果是：

(1)本发明首次提出效用Upward最大最小公平性的概念，求解效用Upward最大最小公平带宽分配方案的方法以及结合了效用Upward最大最小公平性和传统最大最小公平性的混合方法。

(2)本发明能够有效地降低多路径效用公平分配的计算复杂度，允许在计算时间和公平性之间做灵活取舍，适应各式各样网络环境的需求，从而进一步提升网络性能。

(3)本发明支持通过对效用函数的构造，达到分阶段分配带宽的效果。

(4)在不考虑效用函数的网络场景下，本发明依然适用，即本发明的应用范围极广泛。

附图说明

图1是本发明的集中式的多路径效用公平带宽分配方法的流程图。

图2是本发明的其中一种效用函数选取方式示意图。

图3是本发明的UMMP算法描述图。

图4是本发明的U-IEWF算法描述图。

图5是本发明的二分搜索提速算法描述图。

图6是本发明的混合分配算法描述图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。此外还需注意，下文中出现的‘商品’等价于前文中的‘活跃用户’，两者可互换地使用。

结合图1，本发明提及一种集中式的多路径效用公平带宽分配方法，所述分配方法包括以下步骤：

S1，为每个用户/应用指定分段线性效用函数。

S2，结合分段线性效用函数，采用预设的分段最大最小规划算法计算得到一个部分分配方案，在所述部分分配方案中，分到带宽最少的k％的用户获得的带宽是最大最小公平的，其余的用户获得的带宽不少于这k％用户中单个用户分到的最大带宽，其中，k大于0小于100，且动态可调。

S3，结合步骤S2得到的部分分配方案，计算得到初始划分，划分是指同一用户使用的多条路径中，各条路径上分配到的带宽占总带宽的比例；将该初始划分作为输入，不断迭代执行预设的效用迭代填水算法，每轮迭代产生一个新的分配方案，直至连续两轮产生的分配方案的差别小于既定阈值时，停止迭代，返回当前轮的分配结果作为最终的分配方案。

在第一步中，可以按需要灵活选取效用函数，比如对服务质量建模的数学函数，从以往历史数据中获取的各类用户的需求概率累积分布函数，或是根据用户优先级自主设置的线性分段函数等，但需要做合适的处理以保证最终作为算法输入的效用函数是分段线性的，其中每一段的斜率不能过于大也不能过于小，以免超出计算机可处理的精度范围。

在第二步中，将输入的线性分段函数中的各个断点对应的效用值排序，得到一个效用值向量

那么在[u_i,u_i+1]这个效用值区间内，每个用户获得的效用值与分配得到的带宽呈线性关系，以最大化获得效用值最少的用户获得的效用值为目标，列出线性规划，并交由线性规划求解器求解。如果求得的最优值等于u_i+1，那么将效用值区间转为[u_i+1,u_i+2]，否则网络中出现了饱和链路，将使用了饱和链路的用户移出待分配带宽的用户集合，并将其效用值固定为求解出的最优值。重复在效用区间内求解线性规划，直到求解出的最优值等于u_n，或是已有不少于k％的用户被移出待分配带宽的用户集合。

在第三步中，从第二步获得的分配方案当中计算出一个“初始划分”，划分指的是同一用户使用的多条路径中，各条路径上分配到的带宽占总带宽的比例。将该划分作为“初始划分”，根据效用函数，进行“效用迭代填水”，每一轮迭代结束得到一个分配方案，从该分配方案中得到下一轮迭代使用的划分，开始下一轮迭代。不断迭代直到收敛，即连续两轮迭代得到的分配方案的差值小于某个既定阈值为止。此时的分配方案即为最终的效用公平带宽分配方案。具体每轮迭代进行的操作如下：根据用第二步中同样方式得出的效用值向量，选定效用值区间，在该效用值区间内，每个用户效用值的增加与带宽的增加成比例，这一比例即用户的权值。根据用户的权值，进行“带权填水”：按权增加每个用户分配得的带宽，用户新增的带宽按划分分配到其各个路径上，直到出现链路饱和，使用了饱和链路的路径被称为饱和路径，调整未饱和路径的划分，继续按权增加带宽，直到所有路径饱和为止。为了在效用值向量维度很高的情况下提速，本发明引入二分搜索寻找合适的效用值区间，从而降低运算时间。

图2是效用函数选取的示例。图2(a)显示了本发明如何将一般的对服务质量建模得到数学函数转换为线性分段函数。图2(b)显示了本发明如何通过策略性地构造用户相应的线性分段效用函数，达到分阶段分配带宽的效果。

图3是上文提及的改造过的“分段最大最小规划”算法的详细描述。首先初始化效用值向量u，这是通过取效用函数的断点的效用值排序并进行去重操作得到的。将活跃的商品集合A初始化为商品集M。通过令j＝0设置初始的效用值区间。不断求解规划P^′且固定住那些应当被固定的商品，直到固定的商品数目超过k为止。返回此时的分配方案。现对规划P^′做必要说明：优化目标连同第一个约束确保了获得效用最小的商品获得的效用被最大化。第二个约束确保了被固定住的商品获得的效用值与带宽不变。第三个约束是链路容量约束。第四个约束是流量非负约束。

图4是计算Upward效用最大最小公平性分配方案的算法U-IEWF的详细描述：首先，初始化效用值向量。通过令j＝0设置初始的效用值区间。算法描述中的waterlevel意为水平面，即当前所有活跃商品都能至少获得的效用值。每轮迭代开始时将水平面置0。未饱和路径集合UP置为全体路径集合。计算每个商品在当前效用值区间的权值。路径的权值即为其所属商品的权值。算法描述中，Δ代表了根据当前的权值，在不违背链路容量约束的前提下，所有活跃的商品都能够获得的最大的效用值增量。如果加上该增量后的新的水平面超过了当前区间的右端点，则将新的水平面置为当前区间的右端点。更新网络中各链路容量。容量减为零的链路即新饱和的链路，将使用饱和链路的路径从未饱和路径集合UP中移除，调整剩余路径的划分。现对划分的调整做详细说明：对于每一个商品，将其饱和路径的划分置为0。若其未饱和路径的划分全为0，则将其所有未饱和路径的新的划分置为：1/其未饱和路径的数目。否则，其未饱和路径i的新的划分为：路径i原来的划分/该商品未饱和路径原来的划分之和。重复上述过程，直到所有路径饱和或是水平面达到最大效用值。此时一轮迭代结束。根据此时的网络流设置新的初始划分，重复迭代，直到收敛。

图5是使用二分搜索对U-IEWF进行提速的算法。该算法的目的是从当前效用值区间出发，找到最大的效用值区间[u_i,u_i+1]，满足所有的活跃商品均可以在不违反链路容量约束的前提下取得至少u_i的效用值。算法的步骤是：首先，指数搜索一个不可行的下标，即若当前下标可行，则将当前下标乘以二得到新的下标，直到不可行为止。其次，在可行下标即当前区间的左端点与指数搜索得到的不可行下标之间做二分搜索，找到目标下标。

图6是结合效用最大最小公平性和Upward效用最大最小公平性并灵活地在公平性和算法运行时间上做出折中以获取混合带宽分配方案的算法Hybrid的详细描述。首先，根据k，运行图3描述的UMMP算法以获取一个部分分配方案，然后从该分配方案中获取初始划分，最后将该初始划分作为输入运行图4描述的U-IEWF算法，将其解作为最终的分配方案。

本发明创造性地提出Upward效用最大最小公平性的概念以及计算Upward效用最大最小公平性的高效方法，利用二分搜索为上述方法进一步提速，并且另外提出一个方法结合传统的效用最大最小公平性和本发明提出的Upward效用最大最小公平性的优点，通过设置折中参数灵活地在公平性和运行时间做取舍，能够在有一定公平性理论保障的前提下，有效地降低多路径效用公平带宽分配方案的计算时间。同时，本发明也适用于不考虑效用函数的一般的通信网络场景，具有极强适应能力。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (7)

1.一种集中式的多路径效用公平带宽分配方法，其特征在于，所述分配方法包括以下步骤：

S1，为每个用户/应用指定分段线性效用函数；

S2，结合分段线性效用函数，采用预设的分段最大最小规划算法计算得到一个部分分配方案，在所述部分分配方案中，分到带宽最少的k％的用户获得的带宽是最大最小公平的，其余的用户获得的带宽不少于这k％用户中单个用户分到的最大带宽，其中，k大于等于0小于等于100，且动态可调；

S3，根据步骤S2得到的部分分配方案，计算得到初始划分，划分是指同一用户使用的多条路径中，各条路径上分配到的带宽占总带宽的比例；将该初始划分作为输入，不断迭代执行预设的效用迭代填水算法，每轮迭代产生一个新的分配方案，直至连续两轮产生的分配方案的差别小于既定阈值时，停止迭代，返回当前轮的分配结果作为最终的分配方案。

2.根据权利要求1所述的集中式的多路径效用公平带宽分配方法，其特征在于，步骤S1中，所述为每个用户/应用指定分段线性效用函数包括以下两种方式：

(1)根据实际需求选取对应的效用函数，结合选取的效用函数直接为每个用户/应用指定分段线性效用函数，(2)采用分段线性函数拟合一般的效用函数得到分段线性效用函数。

3.根据权利要求2所述的集中式的多路径效用公平带宽分配方法，其特征在于，步骤S1中，所述根据实际需求选取对应的效用函数包括：对服务质量建模的数学函数、从以往历史数据中获取的各类用户的需求概率累积分布函数，以及根据用户优先级自主设置的线性分段函数。

4.根据权利要求1-3任意一项中所述的集中式的多路径效用公平带宽分配方法，其特征在于，所述分段线性效用函数的斜率与计算设备的允许精度范围相关。

5.根据权利要求1所述的集中式的多路径效用公平带宽分配方法，其特征在于，步骤S2中，所述结合分段线性效用函数，采用预设的分段最大最小规划算法计算得到一个部分分配方案的过程包括以下步骤：

S21，将输入的线性分段函数中的各个断点对应的效用值排序，得到一个效用值向量

在[u_i,u_i+1]这个效用值区间内，每个用户获得的效用值与分配得到的带宽呈线性关系，i＝1,2,…,n-1；

S22，自效用值区间[u₁,u₂]开始，以最大化获得效用值最少的用户获得的效用值为目标，列出线性规划，并交由线性规划求解器求解；

如果求得的最优值等于u_i+1，将效用值区间转为[u_i+1,u_i+2]，否则判断网络中出现了饱和链路，将使用了饱和链路的用户移出待分配带宽的用户集合，并将其效用值固定为求解出的最优值；

S23，重复在效用值区间内求解线性规划，直到求解出的最优值等于u_n，或是已有不少于k％的用户被移出待分配带宽的用户集合。

6.根据权利要求1所述的集中式的多路径效用公平带宽分配方法，其特征在于，步骤S3中，所述效用迭代填水算法的迭代过程包括：

S31，将输入的线性分段函数中的各个断点对应的效用值排序，得到一个效用值向量

S32，计算得到最大的效用值区间[u_i,u_i+1]，满足所有活跃用户在不违反链路容量约束的前提下取得至少u_i的效用值，在该效用值区间内，每个用户效用值的增加与带宽的增加成比例，这一比例即用户的权值，i＝1,2,…,n-1；；

S33，根据用户的权值，进行带权填水：按权增加每个用户分配得的带宽，用户新增的带宽按划分分配到其各个路径上，直到出现链路饱和，使用了饱和链路的路径被称为饱和路径，调整未饱和路径的划分，继续按权增加带宽，直到所有路径饱和为止。

7.根据权利要求1所述的集中式的多路径效用公平带宽分配方法，其特征在于，步骤S32中，采用二分搜索法，从当前效用值区间出发，计算得到最大的可行效用值区间[u_i,u_i+1]，计算过程包括以下步骤：

S211，指数搜索一个不可行的下标，即若当前下标可行，则将当前下标乘以二得到新的下标，直到不可行为止；

S212，在可行下标即当前区间的左端点与指数搜索得到的不可行下标之间做二分搜索，找到目标下标。

Images