CN112671558B - 基于博弈的软件定义网络控制器收益优化方法及系统 - Google Patents

基于博弈的软件定义网络控制器收益优化方法及系统 Download PDF

Info

Publication number
CN112671558B
CN112671558B CN202011422011.0A CN202011422011A CN112671558B CN 112671558 B CN112671558 B CN 112671558B CN 202011422011 A CN202011422011 A CN 202011422011A CN 112671558 B CN112671558 B CN 112671558B
Authority
CN
China
Prior art keywords
controllers
controller
defined network
running
software
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
Application number
CN202011422011.0A
Other languages
English (en)
Other versions
CN112671558A (zh
Inventor
刘磊
弭娜
郭伟
崔立真
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202011422011.0A priority Critical patent/CN112671558B/zh
Publication of CN112671558A publication Critical patent/CN112671558A/zh
Application granted granted Critical
Publication of CN112671558B publication Critical patent/CN112671558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于软件定义网络技术领域，提供了基于博弈的软件定义网络控制器收益优化方法及系统。其中，该优化方法包括获取软件定义网络域中当前运行控制器数量Na、流量到达率、服务价值函数及控制器运行能耗成本；通过博弈论的方法来确定所有运行控制器的收益总和最大时对应的运行控制器数量Nb，根据Na和Nb的比较结果来确定优化方案，以调整控制器的运行状态：当Na＝Nb时，无需制定优化方案；若Na<Nb，优化方案为唤醒(Nb‑Na)个控制器；若Na>Nb，则优化方案为休眠(Na‑Nb)个控制器；任一运行控制器的收益为：相应运行控制器得到奖励的比率、流量到达率与服务价值函数三者的乘积减去对应运行能耗成本；运行控制器得到奖励的比率由竞赛成功函数得到。

Description

基于博弈的软件定义网络控制器收益优化方法及系统
技术领域
本发明属于软件定义网络技术领域，尤其涉及一种基于博弈的软件定义网络控制器收益优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着网络技术的迅速发展和新型应用的不断出现，传统网络已经很难满足企业或用户日益增加的复杂网络需求，网络管理也变得愈发困难。在该背景下，软件定义网络(SDN)这种新型的网络架构应运而生。SDN是一种分离网络控制与报文转发功能的、动态的、可适配的体系结构，它可以通过软件编程的形式定义和控制网络，降低了网络复杂性、简化了网络管理。
随着软件定义网络相关技术的发展和大规模应用，用户对软件定义网络的需求快速增长。为了给用户提供高质量的服务，网络运营商通过部署大量的软件定义网络控制器来提升网络管理配置能力，进而保障用户服务质量。
然而，大量控制器的部署和长时间运行将带来高额的基础设施支出以及大量的能源消耗，节约控制器的能源消耗变得至关重要。直接削减运行控制器的数量能够降低能耗，但是该方式会引起网络服务质量的下降，进而导致网络运营商收益的减少。发明人发现，如何在服务质量、能耗和收益三者之间进行平衡为软件定义网络控制器的管理带来了新的问题和挑战。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于博弈的软件定义网络控制器收益优化方法及系统，其能够平衡服务质量、能耗和收益三者之间的关系，进而提高软件定义网络运营商的收益。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种基于博弈的软件定义网络控制器收益优化方法。
一种基于博弈的软件定义网络控制器收益优化方法，包括：
获取软件定义网络域中当前运行控制器数量Na、流量到达率、服务价值函数及控制器运行能耗成本；
通过博弈论的方法来确定所有运行控制器的收益总和最大时对应的运行控制器数量Nb，根据Na和Nb的比较结果来确定优化方案，以调整控制器的运行状态：当Na＝Nb时，无需制定优化方案；若Na<Nb，优化方案为唤醒(Nb-Na)个控制器；若Na>Nb，则优化方案为休眠(Na-Nb)个控制器；
其中，任一运行控制器的收益为：相应运行控制器得到奖励的比率、流量到达率与服务价值函数三者的乘积减去对应运行能耗成本；运行控制器得到奖励的比率由竞赛成功函数得到。
进一步地，依照优化方案，在软件定义网络域中选择相应数量的需休眠或需唤醒的控制器进行运行状态变更。
上述技术方案的优点在于，利用优化方案对软件定义网络域中控制器进行相应状态控制，以实现软件定义网络域服务质量、能耗和收益三者平衡。
进一步地，若控制器状态变更成功则记录方案执行结果，否则记录失败原因并重试。
上述技术方案的优点在于，用来保障优化方案的顺利实施。
进一步地，任一运行控制器i得到奖励的比率pi为：
Figure BDA0002822798790000031
其中，
Figure BDA0002822798790000032
代表控制器的状态，1表示控制器处于运行状态，0代表控制器处于休眠状态；n表示软件定义网络域中至少运行的控制器数量，N为软件定义网络域内控制器总数。
上述技术方案的优点在于，根据图洛克竞赛模型，引入竞赛成功函数，由于在图洛克竞赛模型中存在一个唯一的纯策略纳什均衡，据此可以进一步得出该收益最优状态下的运行控制器数量。
进一步地，n的取值为λ/μ，其中，λ为流量到达率，μ为控制器服务速率。
进一步地，利用M/M/C排队论模型来评估服务质量及预测平均服务时间t，为不同的平均服务时间来制定不同的服务价值来确定服务价值函数V(t)。
其中，根据利特尔定律(Little’s law)，每个任务的平均服务时间计算公式如下：
Figure BDA0002822798790000033
其中，Πw为根据泊松到达特性(PASTA)得到的任务延迟概率，ρ为系统占用率。
进一步地，统计软件定义网络域中的控制器运行能耗和能源价格，确定出控制器运行能耗成本。
本发明的第二个方面提供一种基于博弈的软件定义网络控制器收益优化系统。
一种基于博弈的软件定义网络控制器收益优化系统，包括：
信息获取模块，其用于获取软件定义网络域中当前运行控制器数量Na、流量到达率、服务价值函数及控制器运行能耗成本；
方案决策模块，其用于通过博弈论的方法来确定所有运行控制器的收益总和最大时对应的运行控制器数量Nb，根据Na和Nb的比较结果来确定优化方案，以调整控制器的运行状态：当Na＝Nb时，无需制定优化方案；若Na<Nb，优化方案为唤醒(Nb-Na)个控制器；若Na>Nb，则优化方案为休眠(Na-Nb)个控制器；
其中，任一运行控制器的收益为：相应运行控制器得到奖励的比率、流量到达率与服务价值函数三者的乘积减去对应运行能耗成本；运行控制器得到奖励的比率由竞赛成功函数得到。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于博弈的软件定义网络控制器收益优化方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于博弈的软件定义网络控制器收益优化方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明的基于博弈的软件定义网络控制器收益优化方法，通过博弈论的方法来平衡服务质量、能耗和收益三者之间的关系，确定收益最优的方案并执行，提高了软件定义网络运营商的收益。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的基于博弈的软件定义网络控制器收益优化方法流程图；
图2是本发明实施例的基于博弈的软件定义网络控制器收益优化系统结构示意；
图3是本发明实施例的服务质量分析流程图；
图4是本发明实施例的服务定价流程图；
图5是本发明实施例的能耗定价流程图；
图6是本发明实施例的收益优化方案决策流程图；
图7是本发明实施例的收益优化方案执行流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
参照图1，本实施例的基于博弈的软件定义网络控制器收益优化方法，包括：
步骤1：获取软件定义网络域中当前运行控制器数量Na、流量到达率、服务价值函数及控制器运行能耗成本。
在具体实施中，步骤1具体包括服务质量分析步骤、服务定价步骤和能耗定价步骤。
参照图3，服务质量分析的具体过程包含如下步骤：
步骤111,获取软件定义网络域中的控制器状态信息；
步骤112,统计控制器总数N和服务速率μ；
步骤113,获取网络流量数据；
步骤114,统计流量到达率λ；
步骤115,基于排队论预测平均服务时间t。
通过对软件定义网络域中的软件定义控制器信息进行收集和分析，统计出域内控制器总数N和控制器服务速率μ；另外通过收集网络流量数据，统计流量到达率λ；再结合上述信息，利用M/M/C排队论模型来评估服务质量，预测平均服务时间t。根据利特尔定律(Little’s law)，每个任务的平均服务时间计算公式如下：
Figure BDA0002822798790000061
其中，Πw为根据泊松到达特性(PASTA)得到的任务延迟概率，ρ为系统占用率。
参照图4，服务定价模块包含如下步骤：
步骤121,为不同的服务时间制定不同的服务价值；
步骤122,确定服务价值函数V(·)。
运营商根据任务的平均服务时间进行梯度定价，单个任务的平均服务时间越短，即任务完成速度越快，则该服务的价值越高，据此得到价值函数V(t)。
参照图5，能耗定价的具体过程包含如下步骤：
步骤131,统计软件定义网络域中的控制器运行能耗和能源价格；
步骤132,确定控制器运行能耗成本c。
步骤2：通过博弈论的方法来确定所有运行控制器的收益总和最大时对应的运行控制器数量Nb，根据Na和Nb的比较结果来确定优化方案，以调整控制器的运行状态：当Na＝Nb时，无需制定优化方案；若Na<Nb，优化方案为唤醒(Nb-Na)个控制器；若Na>Nb，则优化方案为休眠(Na-Nb)个控制器；
其中，任一运行控制器的收益为：相应运行控制器得到奖励的比率、流量到达率与服务价值函数三者的乘积减去对应运行能耗成本；运行控制器得到奖励的比率由竞赛成功函数得到。
参照图6，步骤2具体为收益优化方案决策，首先确定软件定义网络域中当前运行控制器数量Na，然后通过博弈论的方法确定最大收益时运行控制器数量Nb，具体方法是根据图洛克竞赛模型，引入竞赛成功函数(Contest Success Function,CSF)：
Figure BDA0002822798790000071
其中，
Figure BDA0002822798790000072
代表控制器的状态，1表示控制器处于运行状态，0代表控制器处于休眠状态；n表示软件定义网络域中至少运行的控制器数量，N为软件定义网络域内控制器总数。n的取值为λ/μ，其中，λ为流量到达率，μ为控制器服务速率。
可计算每个控制器的收益ri，其中
Figure BDA0002822798790000081
因此，软件定义网络域中的总收益为：
Figure BDA0002822798790000082
在图洛克竞赛模型中存在一个唯一的纯策略纳什均衡，据此可以进一步得出该收益最优状态下的运行控制器数量Nb。
在确定Na和Nb之后，对两者进行比较，当Na＝Nb时，说明当前状态即收益最优状态，无需制定优化方案；若Na<Nb，说明当前运行控制器数量不足，优化方案为唤醒k个控制器，其中k＝Nb-Na；若Na>Nb，说明可以休眠部分控制器以降低能耗成本，优化方案为休眠k个控制器，其中k＝Na-Nb。制定优化方案后，执行收益优化方案。
其具体过程包含如下步骤：
步骤141,确定当前运行控制器数量Na；
步骤142,通过博弈论的方法确定最大收益时需运行控制器的数量Nb；
步骤143,如果Na＝Nb，则维持当前状态，无需制定优化方案；
步骤144,如果Na<Nb，则k＝Nb-Na，制定唤醒k个控制器的优化方案；
步骤145,如果Na>Nb，则k＝Na-Nb，制定休眠k个控制器的优化方案；
步骤146,执行收益优化方案。
参照图7，收益优化方案执行的具体过程包含如下步骤：
步骤151,确认优化方案；
步骤152,如果采用休眠方案，则选择k个运行中的控制器进行休眠；
步骤153,如果采用唤醒方案，则选择k个休眠中的控制器进行唤醒；
步骤154,确认控制器状态变更是否成功；
步骤155，如果控制器变更状态不成功，则记录失败原因并重试；
步骤156，如果控制器变更状态成功，则记录执行结果。
在具体实施中，依照优化方案，在软件定义网络域中选择相应数量的需休眠或需唤醒的控制器进行运行状态变更。本实施例利用优化方案对软件定义网络域中控制器进行相应状态控制，以实现软件定义网络域服务质量、能耗和收益三者平衡。
若控制器状态变更成功则记录方案执行结果，否则记录失败原因并重试。这样能够用来保障优化方案的顺利实施。
本实施例通过博弈论的方法来平衡服务质量、能耗和收益三者之间的关系，确定收益最优的方案并执行，提高了软件定义网络运营商的收益。
实施例二
如图2所示，本实施例提供了一种基于博弈的软件定义网络控制器收益优化系统，其包括：
(1)信息获取模块，其用于获取软件定义网络域中当前运行控制器数量Na、流量到达率、服务价值函数及控制器运行能耗成本。
在具体实施中，信息获取模块包括服务质量分析模块11、服务定价模块12和能耗定价模块13。
服务质量分析模块11，通过对软件定义网络域中的软件定义控制器信息进行收集和分析，统计出域内控制器总数N和控制器服务速率μ；另外通过收集网络流量数据，统计流量到达率λ；再结合上述信息，利用M/M/C排队论模型来评估服务质量，预测平均服务时间t。根据利特尔定律(Little’s law)，每个任务的平均服务时间计算公式如下：
Figure BDA0002822798790000101
其中Πw为根据泊松到达特性(PASTA)得到的任务延迟概率，ρ为系统占用率。
服务定价模块12，运营商根据任务的服务时间进行梯度定价，单个任务的服务时间越短，即任务完成速度越快，则该服务的价值越高，据此得到价值函数V(t)。
能耗定价模块13，统计软件定义网络域中的控制器运行能耗和能源价格，确定控制器运行能耗成本c。
(2)方案决策模块，其用于通过博弈论的方法来确定所有运行控制器的收益总和最大时对应的运行控制器数量Nb，根据Na和Nb的比较结果来确定优化方案，以调整控制器的运行状态：当Na＝Nb时，无需制定优化方案；若Na<Nb，优化方案为唤醒(Nb-Na)个控制器；若Na>Nb，则优化方案为休眠(Na-Nb)个控制器；
其中，任一运行控制器的收益为：相应运行控制器得到奖励的比率、流量到达率与服务价值函数三者的乘积减去对应运行能耗成本；运行控制器得到奖励的比率由竞赛成功函数得到。
首先确定软件定义网络域中当前运行控制器数量Na，然后通过博弈论的方法确定最大收益时运行控制器数量Nb，具体方法是根据图洛克竞赛模型，引入竞赛成功函数(Contest Success Function,CSF)：
Figure BDA0002822798790000111
其中，
Figure BDA0002822798790000112
代表控制器的状态，1表示控制器处于运行状态，0代表控制器处于休眠状态；n表示软件定义网络域中至少运行的控制器数量，N为软件定义网络域内控制器总数。n的取值为λ/μ，其中，λ为流量到达率，μ为控制器服务速率。
可计算每个控制器的收益ri，其中
Figure BDA0002822798790000113
因此，软件定义网络域中的总收益为：
Figure BDA0002822798790000114
在图洛克竞赛模型中存在一个唯一的纯策略纳什均衡，据此可以进一步得出该收益最优状态下的运行控制器数量Nb。
在确定Na和Nb之后，对两者进行比较，当Na＝Nb时，说明当前状态即收益最优状态，无需制定优化方案；若Na<Nb，说明当前运行控制器数量不足，优化方案为唤醒k个控制器，其中k＝Nb-Na；若Na>Nb，说明可以休眠部分控制器以降低能耗成本，优化方案为休眠k个控制器，其中k＝Na-Nb。制定优化方案后，执行收益优化方案。
在一些实施例中，该基于博弈的软件定义网络控制器收益优化系统，还包括：方案执行模块15，在收到优化方案决策模块的通知后依照优化方案，在软件定义网络域中选择k个需休眠或需唤醒的控制器进行运行状态变更。若控制器状态变更成功则记录方案执行结果，否则记录失败原因并重试。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的基于博弈的软件定义网络控制器收益优化方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的基于博弈的软件定义网络控制器收益优化方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于博弈的软件定义网络控制器收益优化方法，其特征在于，包括：
获取软件定义网络域中当前运行控制器数量Na、流量到达率、服务价值函数及控制器运行能耗成本；
通过博弈论的方法来确定所有运行控制器的收益总和最大时对应的运行控制器数量Nb，根据Na和Nb的比较结果来确定优化方案，以调整控制器的运行状态：当Na＝Nb时，无需制定优化方案；若Na<Nb，优化方案为唤醒(Nb-Na)个控制器；若Na>Nb，则优化方案为休眠(Na-Nb)个控制器；
其中，任一运行控制器的收益为：相应运行控制器得到奖励的比率、流量到达率与服务价值函数三者的乘积减去对应运行能耗成本；运行控制器得到奖励的比率由竞赛成功函数得到；
通过博弈论的方法确定最大收益时运行控制器数量Nb，具体方法是根据图洛克竞赛模型，引入竞赛成功函数(Contest Success Function,CSF)：
Figure FDA0003715227260000011
其中，i为运行控制器，
Figure FDA0003715227260000012
代表控制器的状态，1表示控制器处于运行状态，0代表控制器处于休眠状态；n表示软件定义网络域中至少运行的控制器数量，N为软件定义网络域内控制器总数；n的取值为λ/μ，其中，λ为流量到达率，μ为控制器服务速率；
可计算每个控制器的收益ri，其中
Figure FDA0003715227260000013
因此，软件定义网络域中的总收益为：
Figure FDA0003715227260000014
在图洛克竞赛模型中存在一个唯一的纯策略纳什均衡，据此可以进一步得出该收益最优状态下的运行控制器数量Nb。
2.如权利要求1所述的基于博弈的软件定义网络控制器收益优化方法，其特征在于，依照优化方案，在软件定义网络域中选择相应数量的需休眠或需唤醒的控制器进行运行状态变更。
3.如权利要求2所述的基于博弈的软件定义网络控制器收益优化方法，其特征在于，若控制器状态变更成功则记录方案执行结果，否则记录失败原因并重试。
4.如权利要求1所述的基于博弈的软件定义网络控制器收益优化方法，其特征在于，利用M/M/C排队论模型来评估服务质量及预测平均服务时间t，为不同的平均服务时间来制定不同的服务价值来确定服务价值函数V(t)。
5.如权利要求1所述的基于博弈的软件定义网络控制器收益优化方法，其特征在于，统计软件定义网络域中的控制器运行能耗和能源价格，确定出控制器运行能耗成本。
6.一种基于博弈的软件定义网络控制器收益优化系统，其特征在于，包括：
信息获取模块，其用于获取软件定义网络域中当前运行控制器数量Na、流量到达率、服务价值函数及控制器运行能耗成本；
方案决策模块，其用于通过博弈论的方法来确定所有运行控制器的收益总和最大时对应的运行控制器数量Nb，根据Na和Nb的比较结果来确定优化方案，以调整控制器的运行状态：当Na＝Nb时，无需制定优化方案；若Na<Nb，优化方案为唤醒(Nb-Na)个控制器；若Na>Nb，则优化方案为休眠(Na-Nb)个控制器；
其中，任一运行控制器的收益为：相应运行控制器得到奖励的比率、流量到达率与服务价值函数三者的乘积减去对应运行能耗成本；运行控制器得到奖励的比率由竞赛成功函数得到；
通过博弈论的方法确定最大收益时运行控制器数量Nb，具体方法是根据图洛克竞赛模型，引入竞赛成功函数(Contest Success Function,CSF)：
Figure FDA0003715227260000031
其中，i为运行控制器，
Figure FDA0003715227260000032
代表控制器的状态，1表示控制器处于运行状态，0代表控制器处于休眠状态；n表示软件定义网络域中至少运行的控制器数量，N为软件定义网络域内控制器总数；n的取值为λ/μ，其中，λ为流量到达率，μ为控制器服务速率；
可计算每个控制器的收益ri，其中
Figure FDA0003715227260000033
因此，软件定义网络域中的总收益为：
Figure FDA0003715227260000034
在图洛克竞赛模型中存在一个唯一的纯策略纳什均衡，据此可以进一步得出该收益最优状态下的运行控制器数量Nb。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的基于博弈的软件定义网络控制器收益优化方法中的步骤。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-5中任一项所述的基于博弈的软件定义网络控制器收益优化方法中的步骤。
CN202011422011.0A 2020-12-08 2020-12-08 基于博弈的软件定义网络控制器收益优化方法及系统 Active CN112671558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011422011.0A CN112671558B (zh) 2020-12-08 2020-12-08 基于博弈的软件定义网络控制器收益优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011422011.0A CN112671558B (zh) 2020-12-08 2020-12-08 基于博弈的软件定义网络控制器收益优化方法及系统

Publications (2)

Publication Number Publication Date
CN112671558A CN112671558A (zh) 2021-04-16
CN112671558B true CN112671558B (zh) 2022-08-30

Family

ID=75401393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011422011.0A Active CN112671558B (zh) 2020-12-08 2020-12-08 基于博弈的软件定义网络控制器收益优化方法及系统

Country Status (1)

Country Link
CN (1) CN112671558B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110677352A (zh) * 2019-10-09 2020-01-10 北京电子科技学院 一种软件定义网络中单交换机单控制器传输控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103298076B (zh) * 2013-06-21 2017-06-20 西安邮电大学 一种异构网络中的接入网络选择的方法
US9531633B2 (en) * 2014-03-20 2016-12-27 Tata Consultancy Services Limited Control plane optimization of communication networks
CN109756371B (zh) * 2018-12-27 2022-04-29 上海无线通信研究中心 一种基于博弈的网络节点资源感知激励方法及系统
CN109802998B (zh) * 2018-12-28 2021-09-17 上海无线通信研究中心 一种基于博弈的雾网络协同调度激励方法及系统
CN110677301B (zh) * 2019-10-09 2022-02-08 北京电子科技学院 一种5g网络中多交换机单控制器软件定义传输控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110677352A (zh) * 2019-10-09 2020-01-10 北京电子科技学院 一种软件定义网络中单交换机单控制器传输控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于博弈的异构控制器云安全策略研究;胡军台等;《网络与信息安全学报》;20180915(第09期);全文 *
基于流量工程的软件定义网络控制资源优化机制;胡宇翔等;《电子与信息学报》;20200315(第03期);全文 *
基于贝叶斯-斯坦科尔伯格博弈的SDN安全控制平面模型;卢振平等;《网络与信息安全学报》;20171115(第11期);全文 *

Also Published As

Publication number Publication date
CN112671558A (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN110096349B (zh) 一种基于集群节点负载状态预测的作业调度方法
CN109271015B (zh) 一种降低大规模分布式机器学习系统能耗的方法
CN109324875B (zh) 一种基于强化学习的数据中心服务器功耗管理与优化方法
CN108762921B (zh) 一种Spark集群系统的在线优化分区的任务调度方法及装置
CN111274036B (zh) 一种基于速度预测的深度学习任务的调度方法
CN105184367B (zh) 深度神经网络的模型参数训练方法及系统
CN109284871A (zh) 资源调整方法、装置和云平台
CN103765342B (zh) 用于连接待机的进程的挂起和/或节制
CN113810954B (zh) 基于流量预测与深度强化学习的虚拟资源动态扩缩容方法
CN108958916A (zh) 一种移动边缘环境下工作流卸载优化算法
CN109492774A (zh) 一种基于深度学习的云资源调度方法
CN109960573B (zh) 一种基于智能感知的跨域计算任务调度方法及系统
CN113094159B (zh) 一种数据中心作业调度方法、系统、存储介质及计算设备
CN109117269A (zh) 一种分布式系统虚拟机调度方法、装置和可读存储介质
CN111258735A (zh) 一种支持用户QoS感知的深度学习任务调度方法
KR101770736B1 (ko) 응용프로그램의 질의 스케쥴링을 이용한 시스템의 소모전력 절감 방법 및 그 방법을 이용하여 소모전력을 절감하는 휴대단말기
CN106959895A (zh) 快速释放线程的资源调度方法和系统
CN107533479A (zh) 功率知晓调度和功率管理器
CN105740059B (zh) 一种面向可分割任务的粒子群调度方法
CN117076882A (zh) 一种云服务资源动态预测管理方法
CN112671558B (zh) 基于博弈的软件定义网络控制器收益优化方法及系统
CN115002126A (zh) 一种基于边缘服务器集群的服务调度方法及装置
CN108574600A (zh) 云计算服务器的功耗和资源竞争协同控制的服务质量保障方法
CN109978172A (zh) 一种基于极限学习机的资源池利用率预测方法及装置
CN117251044A (zh) 一种基于arima技术的云服务器动态能耗管理方法和系统

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
GR01 Patent grant
GR01 Patent grant