CN113300960A - 一种基于路由调度与联合优化的时延确定性传输方法 - Google Patents

一种基于路由调度与联合优化的时延确定性传输方法 Download PDF

Info

Publication number
CN113300960A
CN113300960A CN202110848871.9A CN202110848871A CN113300960A CN 113300960 A CN113300960 A CN 113300960A CN 202110848871 A CN202110848871 A CN 202110848871A CN 113300960 A CN113300960 A CN 113300960A
Authority
CN
China
Prior art keywords
time
triggered
network
service flow
scheduling
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.)
Granted
Application number
CN202110848871.9A
Other languages
English (en)
Other versions
CN113300960B (zh
Inventor
孙荣庆
朱晓荣
郑学东
李玮
刘涛
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.)
NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
Original Assignee
NANJING CHINA-SPACENET SATELLITE TELECOM 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 NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD filed Critical NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
Priority to CN202110848871.9A priority Critical patent/CN113300960B/zh
Priority to PCT/CN2021/113671 priority patent/WO2023004898A1/zh
Publication of CN113300960A publication Critical patent/CN113300960A/zh
Application granted granted Critical
Publication of CN113300960B publication Critical patent/CN113300960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L45/121—Shortest path evaluation by minimising delays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0852—Delays

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于路由调度与联合优化的时延确定性传输方法，将时间敏感网络技术引入移动边缘计算网络，确保时延确定性传输，基于图论进行建模，根据链路的剩余带宽以及路由的长度，为时间触发业务流选择最合适的路由。通过分析时间敏感网络交换机和时间触发业务流的时隙独立约束、路径依赖约束、队列独立约束条件以及时延约束四个方面的特点，推导出约束公式，以最小化移动边缘计算网络中时间触发业务流不可调度率作为最优化目标，并分别使用粒子群算法和遗传算法对时间触发业务流的不可调度率进行优化。

Description

一种基于路由调度与联合优化的时延确定性传输方法
技术领域
该发明涉及通信网络技术领域，具体涉及一种基于路由调度与联合优化的时延确定性传输方法。
背景技术
传统以太网的服务模式是“尽力而为”，这种服务模式会导致网络传输业务流时出现分组丢失等相关问题，所以它不能满足当前网络中业务的性能要求，因此IEEE802.1任务组2005年根据原有的传统以太网的架构，制定了音视频桥接，它主要用于实时传输音视频。在音视频桥接技术中，首先提出三个方面的关键技术来保证音视频业务传输的实时性：时钟同步、资源预留机制以及流量整形。之后网络中产生了更多具有确定性服务质量要求的业务，所以在2012年音视频桥接任务组改名为时间敏感网络任务组，致力于扩展和补充了上述的技术以及已有的相关协议，扩大其应用范围和为业务提供确定性服务质量的能力。
现有的时间敏感网络的研究成果主要集中在这两个方面：对时间敏感网络中交换机本身队列进行创新设计；研究时间敏感网络中业务的路由与调度问题。在队列设计方面，主要通过对单队列的改进来提高时间敏感网络交换机的性能以及降低后续应用在业务路由与调度的计算复杂度。而在路由与调度方面，针对网络的动态性、业务流的调度性以及时延等多个方面对时间敏感网络中的路由以及调度展开探索。
还有一些科研工作者更加关注时间敏感网络中时延的最小化问题，如文献的研究不仅满足于时间敏感网络中的可调度性，进一步提出着眼于降低其中业务数据时延的路由与调度方案，确定性的时间传输表的提出，减少了因为背景流而导致业务数据传输时时延抖动不确定的业务数目，还有一些科研工作者关注的是时间敏感网络与其他通信技术相结合的效应，如与波束成型相结合、与无人机相结合。
上述研究中，很多都运用启发式算法作为计算路由与调度的有力工具，但是大多数因为计算复杂度较高的问题，选择在计算时间与性能方面做平衡。
发明内容
在于解决移动边缘计算网络中实现时延确定性传输问题，本发明将时间敏感网络技术应用于移动边缘计算网络，根据时间敏感网络中相关特征作为约束条件，以不可调度率作为最优化目标，提出综合考虑时间触发业务流路径长度以及链路剩余带宽条件，使用粒子群算法和遗传算法对移动边缘计算网络中的时间触发业务流的不可调度率进行优化。
本发明提出一种基于路由调度与联合优化的时延确定性传输方法，包括如下步骤：
步骤1）：使用全集中式时间敏感网络配置模型对引入时间敏感网络技术的移动边缘计算网络中时间触发业务流的路由以及调度进行模型配置；
步骤2）：使用图论对引入时间敏感网络技术的移动边缘计算网络配置的模型进行表示和对时间触发业务流建立数据模型；
步骤3）：结合网络以及时间触发业务流的特性，确定时间敏感网络交换机四个方面的约束，得出其约束表达式，确定最优化目标函数；
步骤4）：为时间触发业务流选择最合适的路由；
步骤5）：使用粒子群算法和遗传算法对时间触发业务流的不可调度率进行优化。
优选的，所述步骤1)中全集中式时间敏感网络配置模型包括：终端设备，时间敏感网络桥、集中网络配置以及集中用户配置四个部分；
（1）终端设备：网络拓扑中产生数据的源目的节点；
（2）时间敏感网络桥：负责接收来自集中网络配置为某个业务数据生成的调度并执行这个调度，在网络拓扑中担任中间节点转发传输业务数据的角色；
（3）集中网络配置：负责维护网络中相关设备的信息，检测网络中相关设备的访问与删除并且需要实时更新网络的拓扑结构以及对应的相关信息，同时还需要为业务流计算路由以及调度，并将这些信息配置到相应的终端设备和时间敏感网络桥上；
（4）集中用户配置：用于发现终端设备，检索其功能，接收请求，并在终端设备中配置时间敏感网络特性，是终端设备与集中网络配置之间的通信桥梁。
优选的，所述步骤2）中的使用图论确定的网络模型和数据模型分别为：
网络模型：可由
Figure 100002_DEST_PATH_IMAGE001
元组表示，其中
Figure 287565DEST_PATH_IMAGE002
表示节点集合，它包 含了终端设备集合D和时间敏感网络交换机集合B，即
Figure 100002_DEST_PATH_IMAGE003
，E是由移动边缘计算网络 中的链路所构成的集合，
Figure 94896DEST_PATH_IMAGE004
表示节点
Figure 100002_DEST_PATH_IMAGE005
与节点
Figure 15448DEST_PATH_IMAGE006
之间存在链路连接，定义参数
Figure 100002_DEST_PATH_IMAGE007
表示 该条链路上的剩余带宽大小；
数据模型：时间触发业务流的集合使用符号
Figure 830957DEST_PATH_IMAGE008
表示，使用符号
Figure 100002_DEST_PATH_IMAGE009
表示时间触发业务 流的数量，对于某个设备
Figure 86227DEST_PATH_IMAGE010
产生的时间触发业务流
Figure 100002_DEST_PATH_IMAGE011
，由一个包含7个元素的元组组 成
Figure 786330DEST_PATH_IMAGE012
，分别表示时间触发业务流的源节点、目的节点、分组大 小、分组周期、产生分组的时间以及该分组的截止时间，截止时间与分组周期之间存在
Figure 100002_DEST_PATH_IMAGE013
的关系，并且时间触发业务流
Figure 623704DEST_PATH_IMAGE014
产生的第W个分组，它的发送时间以及截止时间 分别为
Figure 100002_DEST_PATH_IMAGE015
以及
Figure 734749DEST_PATH_IMAGE016
。
优选的，所述步骤4）中，选择合适路由的方案为，
线下计算存储所有终端设备与终端设备之间满足跳数不超过K的候选路径，存放 在集合R，使用符号
Figure 100002_DEST_PATH_IMAGE017
表示终端设备m与n之间所有满足条件的候选路径集合，
Figure 41096DEST_PATH_IMAGE018
， 同时集合
Figure 59737DEST_PATH_IMAGE017
中第q条路径用符号使用
Figure 100002_DEST_PATH_IMAGE019
表示，
Figure 11338DEST_PATH_IMAGE020
，首先根据时间触发业务流的源 节点m以及目的节点n，搜索候选路径集
Figure 100002_DEST_PATH_IMAGE021
，使用公式
Figure 44016DEST_PATH_IMAGE022
计算这条时间触发业务流的 带宽要求，并对集合
Figure 100002_DEST_PATH_IMAGE023
中的路由进行筛选，将筛选之后的路径放置在集合
Figure 821348DEST_PATH_IMAGE024
中；然后 遍历集合
Figure 100002_DEST_PATH_IMAGE025
中的元素，即时间触发业务流的候选路径，根据公式
Figure 112521DEST_PATH_IMAGE026
来为时间触发业务流选择最合 适的路径，其中a和b是自由参数。
优选的，所述步骤3）中的时间敏感网络交换机具有以下四个方面的约束：
（1）时隙独立约束：两条时间触发业务流不能同时在同一条链路的相同时隙进行传输，此约束用公式表示为：
Figure 100002_DEST_PATH_IMAGE027
参数
Figure 409641DEST_PATH_IMAGE028
表示链路
Figure 100002_DEST_PATH_IMAGE029
的第q个时隙是否已经被占用了，参数
Figure 128067DEST_PATH_IMAGE030
表示时 间触发业务流
Figure 100002_DEST_PATH_IMAGE031
是不是使用链路
Figure 392695DEST_PATH_IMAGE032
的第q个时隙；
（2）路径依赖约束：只有当时间触发业务流到达某个节点之后，这个时间触发业务流在该节点上才是可以传输的，用公式表示为：
Figure 100002_DEST_PATH_IMAGE033
Figure 690822DEST_PATH_IMAGE034
整型参数
Figure 100002_DEST_PATH_IMAGE035
，用于表示时间触发业务流
Figure 357295DEST_PATH_IMAGE036
在链路
Figure 100002_DEST_PATH_IMAGE037
上的发送时间，它的 取值范围为
Figure 731776DEST_PATH_IMAGE038
；
（3）队列独立约束： 时间敏感网络交换机中的队列在同一时间只能被一条时间触发业务流使用，此约束用公式表示为：
Figure 100002_DEST_PATH_IMAGE039
Figure 483700DEST_PATH_IMAGE040
（4）时延约束：当时间敏感业务流完成传输时，它的时延并没有超过它所设置的截止时间，这时称这个时间触发业务流是可调度的，此约束用公式表示为：
Figure 100002_DEST_PATH_IMAGE041
形成的最优化目标函数，即最小化移动边缘计算网络中时间触发业务流的不可调度率：
Figure 122535DEST_PATH_IMAGE042
。
优选的，所述步骤5）中基于粒子群算法进行优化调度，群体中的个体相互之间共享它们所获得的信息，所以群体在优化问题的求解空间中的运动是从无序向有序转变的，进而获得优化问题的答案。
优选的，所述使用粒子群对时间触发业务流的不可调度率进行优化步骤为：第一 步先是初始化数量为M的粒子，用于表示时间触发业务流的调度顺序，时间触发业务流的数 目可以使用粒子群中的未读参数表示，这也是粒子群的搜索空间，使用符号“N”来表示；第i 个粒子在t时刻时，它的位置可以表示为：
Figure 100002_DEST_PATH_IMAGE043
， 同时这个粒子它的速度参数可以表示为：
Figure 394247DEST_PATH_IMAGE044
；它的最优位置使用
Figure 100002_DEST_PATH_IMAGE045
来表示，整个粒子群的最优位置使用符号
Figure 188897DEST_PATH_IMAGE046
表示；粒子在
Figure 100002_DEST_PATH_IMAGE047
时刻的速度公式为
Figure 693697DEST_PATH_IMAGE048
，其中
Figure 100002_DEST_PATH_IMAGE049
表示粒子在前面一个时刻它的速度当前这个时刻它的速度产生的影响，
Figure 599205DEST_PATH_IMAGE050
和
Figure 100002_DEST_PATH_IMAGE051
表示粒子当前的位置与它的最优 位置之间的距离，
Figure 991003DEST_PATH_IMAGE052
，
Figure 100002_DEST_PATH_IMAGE053
是权重因子，分别表示个体以及社会；当两个参数取常数时，粒子 群的性能会比较好，所以将这两个值均设置为0.5；粒子在t+1时刻的位置更新公式为：
Figure 222133DEST_PATH_IMAGE054
；选用时间触发业务流的不可调度率作为粒子群的适应度方程，当粒子 的位置更新之后，去计算时间触发业务流的不可调度率，使用粒子群求解时，根据相关分 析，粒子群算法的复杂度与粒子数目、时间触发业务流的数目以及设置的迭代的次数呈现 线性关系，即
Figure 100002_DEST_PATH_IMAGE055
。
优选的，所述步骤5）中基于遗传算法进行优化调度，遗传算法使用数学方式和计算机仿真运算，将最优化问题的求解过程转化成染色体的变异交叉和选择过程；
采用的遗传算法的流程如下：首先进行编码：用于将本文的时间触发业务流的调度顺序抽象为连续的特定符号，从而模拟染色体中的基因排列，然后基于编码首先生成初始种群，就是通过随机的方式产生若干个体的集合，之后评估适应度函数数值，遗传算法的解的优劣，需要根据适应度函数的值来判断，然后迭代次数进行自增操作，输出时间触发业务流的最小不可调度率，以及对应的时间触发业务流的调度顺序。
本发明相比现有技术,具有以下有益效果：本发明提出的引入时间敏感网络技术，可以进一步保障移动边缘计算网络中许重要业务能够实现时延确定性传输。时间敏感网络作用在L2链路层，为了保证其灵活性，时间敏感网络工作组并未规定时间敏感网络的路由与调度算法，因此本发明把时间敏感网络技术与移动边缘计算网络相结合，从路由与调度两个方面对移动边缘计算网络中时间触发业务流的可调度率进行优化。本发明的性能分析方法考虑影响因素更为全面，分析结果更加符合网络特性。
附图说明
图1是时间敏感网络配置模型图；
图2是时间敏感网络交换机队列架构图；
图3是时间敏感网络交换机队中分组时延分析图；
图4是遗传算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解这些实例仅用于说明本发明而不用于限制本发明的范围。在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明引入时间敏感网络技术的时间敏感网络中业务流的路由以及调度进行配置，提出一种基于路由调度与联合优化的时延确定性传输分析方法，所述方法包含以下步骤：
步骤1：确定配置模型，如图1所示，本发明使用全集中式时间敏感网络配置模型，该模型包含以几个部分：终端设备，时间敏感网络桥（TSN桥）、集中式网络配置（CNC）以及集中式用户配置（CUC）四个部分，其中：
终端设备：网络拓扑中产生数据的源目的节点；
时间敏感网络桥：负责接收来自集中网络配置为某个业务数据生成的调度并执行这个调度，在网络拓扑中担任中间节点转发传输业务数据的角色；
集中网络配置：负责维护网络中相关设备的信息，检测网络中相关设备的访问与删除并且需要实时更新网络的拓扑结构以及对应的相关信息，同时还需要为业务流计算路由以及调度，并将这些信息配置到相应的终端设备和时间敏感网络桥上；
集中用户配置：用于发现终端设备，检索其功能，接收请求，并在终端设备中配置时间敏感网络特性，是终端设备与集中网络配置之间的通信桥梁。
步骤2：分析队列模型，时间敏感网络中数据类型分为以下三类，具有严格服务质量要求，周期性产生且优先级最高的控制信息，即时间触发流时间敏感网络，具有严格服务质量要求优先级较低的音视频桥接数据，以及没有严格服务质量要求的尽力而为数据。时间敏感网络交换机内部有8个具有编号的队列，每个队列都有相应的优先级，如图2所示，队列的编号与优先级之间存在以下关系，队列编号越小，那么这个队列它的优先级就越低。在时间敏感网络中的业务流，它的分组头部有优先级代码数值，用于供时间敏感网络交换机识别从而将业务流放置在对应的队列中。在时间敏感网络交换机的8个队列中，时间敏感网络业务流放置在队列7中，连接时间感知整型整形机制；音视频桥接业务流放置在队列6与队列5中，这两个队列连接基于信用整型机制；剩余的5个队列都用于放置尽力而为业务流。在时间敏感网络中，业务流之间相互隔离是时间敏感网络实现其确定性传输的关键之处，所以在时间敏感网络交换机中一个队列同一时间只能被一条业务流所占据。
步骤3：确定网络模型，使用图论对引入时间敏感网络技术的移动边缘计算网络配 置的模型进行表示，引入时间敏感网络技术的时间敏感网络可由
Figure 152629DEST_PATH_IMAGE056
元组表示，其中
Figure DEST_PATH_IMAGE057
表示节点集合，它包含了终端设备集合
Figure 612560DEST_PATH_IMAGE058
和时间敏感网络交换机集 合
Figure DEST_PATH_IMAGE059
，即
Figure 373712DEST_PATH_IMAGE060
，E是由移动边缘计算网络中的链路所构成的集合，
Figure DEST_PATH_IMAGE061
表示节点
Figure 510164DEST_PATH_IMAGE062
与节点
Figure DEST_PATH_IMAGE063
之间存在链路连接，定义参数
Figure 458397DEST_PATH_IMAGE064
表示该条链路上的剩余带宽大小。
步骤4：确定数据模型，使用图论建立时间触发业务流模型，时间触发业务流的集 合使用符号S表示，使用符号
Figure DEST_PATH_IMAGE065
表示时间触发业务流的数量，对于某个设备
Figure 987598DEST_PATH_IMAGE066
产生的时间触 发业务流
Figure DEST_PATH_IMAGE067
，由一个包含7个元素的元组组成
Figure 337677DEST_PATH_IMAGE068
，分别 表示时间触发业务流的源节点、目的节点、分组大小、分组周期、产生分组的时间以及该分 组的截止时间，截止时间与分组周期之间存在
Figure DEST_PATH_IMAGE069
的关系，并且时间触发业务流
Figure 910610DEST_PATH_IMAGE070
产生的第W个分组，它的发送时间以及截止时间分别为
Figure DEST_PATH_IMAGE071
以及
Figure 362451DEST_PATH_IMAGE072
。分组在交换机中的时延如图3所示，接收时延是指从业务流进入时 间敏感网络交换机开始，到业务流完全被时间敏感网络交换接收为止的时间，在本发明使 用参数
Figure DEST_PATH_IMAGE073
表示；处理时延是指时间敏感网络业务流被时间敏感网络交换机的引擎处理的 时间，这个时延一般小于1us，在本发明中将其忽略，不作考虑；排队时延表示时间敏感网络 业务流在队列中的时间，这个时延由路由以及调度方案决定；最后是传输时延，它指的时间 敏感网络业务流在信道中传输时消耗的时间，因为目前在时间敏感网络中，传输速率已经 非常大，甚至可以达到1Gbit/s，而本发明研究对象时间敏感网络业务流，一般为控制信息， 所以它的分组长度基本相同，因此各个业务流时间的传输时延差别不大，可以将这个时延 当做一个固定值，使用符号
Figure 679032DEST_PATH_IMAGE074
表示。
步骤5：提出综合考虑链路的剩余带宽以及路由的长度为时间敏感网络业务流选择最合适的路由，选择时间敏感网络业务流的不可调度率作为优化目标，通过分析时间敏感网络交换机和时间敏感网络业务流的时隙独立约束、路径依赖约束、队列独立约束条件以及时延约束四个方面的特点，推导出约束公式。
（1）时隙独立约束：两条时间触发业务流不能同时在同一条链路的相同时隙进行传输，此约束用公式表示为：
Figure DEST_PATH_IMAGE075
参数
Figure 883617DEST_PATH_IMAGE076
表示链路
Figure DEST_PATH_IMAGE077
的第q个时隙是否已经被占用了，参数
Figure 643762DEST_PATH_IMAGE078
表示时 间触发业务流
Figure DEST_PATH_IMAGE079
是不是使用链路
Figure 572447DEST_PATH_IMAGE080
的第q个时隙；
（2）路径依赖约束：只有当时间触发业务流到达某个节点之后，这个时间触发业务流在该节点上才是可以传输的，用公式表示为：
Figure DEST_PATH_IMAGE081
Figure 427140DEST_PATH_IMAGE082
整型参数
Figure DEST_PATH_IMAGE083
，用于表示时间触发业务流
Figure 486232DEST_PATH_IMAGE084
在链路
Figure DEST_PATH_IMAGE085
上的发送时间，它的 取值范围为
Figure 417278DEST_PATH_IMAGE086
；
（3）队列独立约束： 时间敏感网络交换机中的队列在同一时间只能被一条时间触发业务流使用，此约束用公式表示为：
Figure DEST_PATH_IMAGE087
Figure 827400DEST_PATH_IMAGE088
（4）时延约束：当时间敏感业务流完成传输时，它的时延并没有超过它所设置的截止时间，这时称这个时间触发业务流是可调度的，此约束用公式表示为：
Figure DEST_PATH_IMAGE089
最优化目标函数，即最小化时间敏感网络中时间敏感网络业务流的不可调度率：
Figure 485783DEST_PATH_IMAGE090
。
本次的优化问题非常复杂，它是一个NP难问题，所以将上述的优化问题分为路由优化以及调度优化两个部分来解决，来提高时间敏感网络业务流的可调度率。
步骤6：考虑网络资源的利用率和在线路由以及计算复杂度进行路由优化，本发明 提出的路由方案：为了减少路由生成的复杂度，提出线下计算存储所有终端设备与终端设 备之间满足跳数不超过K的候选路径，存放在集合R，使用符号
Figure DEST_PATH_IMAGE091
表示终端设备m与n之间 所有满足条件的候选路径集合，
Figure 415693DEST_PATH_IMAGE092
，同时集合
Figure DEST_PATH_IMAGE093
中第q条路径用符号使用
Figure 501330DEST_PATH_IMAGE094
表示，
Figure DEST_PATH_IMAGE095
，首先根据时间敏感网络业务流的源节点m以及目的节点n，搜索候选 路径集
Figure 398748DEST_PATH_IMAGE096
，使用公式
Figure DEST_PATH_IMAGE097
计算这条时间敏感网络业务流的带宽要求，并对集合
Figure 345975DEST_PATH_IMAGE098
中 的路由进行筛选，将筛选之后的路径放置在集合
Figure DEST_PATH_IMAGE099
中；然后我们遍历集合
Figure 645238DEST_PATH_IMAGE100
中的元 素，也就是时间敏感网络业务流的候选路径，根据公式
Figure DEST_PATH_IMAGE101
来为时间敏感网络业务 流选择最合适的路径，在这个公式中a和b是自由参数。
步骤7：基于粒子群算法进行优化调度，表1中为PSO伪代码，其中
Figure 895917DEST_PATH_IMAGE102
和
Figure DEST_PATH_IMAGE103
分别表示不可调度率在全局状态下以及粒子自己的最优值，而
Figure 280630DEST_PATH_IMAGE104
和
Figure DEST_PATH_IMAGE105
则表示此时 相对应的粒子所处的位置，
Figure 765970DEST_PATH_IMAGE106
表示PSO算法最后输出的最优解。
首先是初始化数量为M的粒子，用于表示时间敏感网络业务流的调度顺序，时间触 发业务流的数目可以使用粒子群中的未读参数表示，这也是粒子群的搜索空间，时间敏感 网络业务流的数目“N”来表示，第i个粒子在t时刻时，它的位置可以表示为：
Figure DEST_PATH_IMAGE107
，速度表示为：
Figure 919739DEST_PATH_IMAGE108
，同时这个粒子它的 速度参数可以表示为：
Figure DEST_PATH_IMAGE109
；最优位置使用
Figure 81599DEST_PATH_IMAGE110
来表示，整个粒子群的最优位置使用符号
Figure DEST_PATH_IMAGE111
表示。粒子在
Figure 281505DEST_PATH_IMAGE112
时刻的速度公式为
Figure DEST_PATH_IMAGE113
，其 中
Figure 554224DEST_PATH_IMAGE114
表示粒子在前面一个时刻它的速度当前这个时刻它的速度产生的影响，
Figure DEST_PATH_IMAGE115
和
Figure 562500DEST_PATH_IMAGE116
表示粒子当前的位置与它的 最优位置之间的距离，
Figure DEST_PATH_IMAGE117
，
Figure 369962DEST_PATH_IMAGE118
则是权重因子，分别表示个体以及社会。当两个参数取常数 时，粒子群的性能会比较好，所以将这两个值均设置为0.5；粒子在t+1时刻的位置更新公式 为：
Figure DEST_PATH_IMAGE119
，选用时间敏感网络业务流的不可调度率作为PSO的适应度方程，当 粒子的位置更新之后，计算时间敏感网络业务流的不可调度率，使用粒子群求解时，根据相 关分析，粒子群算法的复杂度与粒子数目、时间触发业务流的数目以及设置的迭代的次数 呈现线性关系，即
Figure 135793DEST_PATH_IMAGE120
。
表1 粒子群算法伪代码
Figure DEST_PATH_IMAGE121
Figure 149885DEST_PATH_IMAGE122
基于粒子群算法进行优化调度，群体中的个体相互之间共享它们所获得的信息，所以群体在优化问题的求解空间中的运动是从无序向有序转变的，进而获得优化问题的答案。
如表2，首先顺序遍历时间触发业务流集合S，获取路由阶段为时间触发业务流选择的路由，遍历这条路由上的链路，根据约束条件来搜索在时间触发业务流在链路上的最早发送时间，并更新链路的使用状态，链路对应的参数值设置为“1”，并记录使用的链路和时隙的编号，分别加入集合LinkId与SlotId中，当完成调度之后，比较时间触发业务流在最后一条链路上的发送时间与截止时间减去传输时延与接收时延的值的大小，如果前一个结果值小于以及等于后一个结果值，那么表示这条时间触发业务流被成功调度，如果前者大于后者，表示调度不成功，则重置当前时间触发业务流所使用的链路时隙状态为0，计数变量加1。
表2 时间触发业务流调度方法
Figure DEST_PATH_IMAGE123
步骤8：基于遗传算法进行优化调度，流程图如图4所示，m表示当前已经迭代了多 少次，初始值设置为0，
Figure 543826DEST_PATH_IMAGE124
则用于表示GA算法设置的迭代数目；采用的GA算法的流程如下： 首先进行编码：用于将本文的时间触发业务流的调度顺序抽象为连续的特定符号，从而模 拟染色体中的基因排列，然后基于编码首先生成初始种群，就是通过随机的方式产生若干 个体的集合，之后评估适应度函数数值，遗传算法的解的优劣，需要根据适应度函数的值来 判断，然后迭代次数进行自增操作，输出时间触发业务流的最小不可调度率，以及对应的时 间触发业务流的调度顺序；具体步骤如下：
步骤8.1：编码：使用二进制编码，根据时间敏感网络业务流的数量取值范围，分别进行4位编码、5位编码、6位编码以及7位编码；
步骤8.2：基于编码首先生成初始种群，在本发明中，就是通过随机的方式产生若干个体的集合；
步骤8.3：评估适应度函数数值遗传算法的解是好是坏，需要根据适应度函数的值来判断，在本发明中就是时间触发业务流的不可调度率，然后计算时间触发业务流的不可调度率；
步骤8.4：遗传算子，包含选择、交叉以及变异三种操作，选择算子主要用于对个体也就是解进行优胜劣汰，也就是解被遗传到下一次迭代的概率与适应度函数的计算值有关，它们之间的关系呈现反比状态，本步骤就是根据上述的概率大小，在父代中进行个体选择，选出来的个体用于遗传。交叉算子指的是，从两个配对的个体上按照一定的概率选择一部分基因进行交换，这个基因就是第一步编码时生成的特定符号串，交叉算子是遗传算法最为重要的特点，也是新个体的主要来源；变异算子指的通过修改一些个体的基因，也就是字符串中的某些符号，从而生成新的个体；
步骤8.5：迭代次数m进行自增操作；
步骤8.6：判断迭代是否已经结束，如果没有结束，就重复执行步骤8.3和步骤8.4操作，否则就执行步骤8.7；
步骤8.7：输出时间敏感网络业务流的最小不可调度率，以及对应的时间敏感网络业务流的调度顺序。
结合参数设置，可以得到遗传算法的复杂度为
Figure DEST_PATH_IMAGE125
，其中
Figure 47489DEST_PATH_IMAGE126
表 示向上对
Figure DEST_PATH_IMAGE127
取整。

Claims (8)

1.一种基于路由调度与联合优化的时延确定性传输方法，其特征在于，包括如下步骤：
步骤1）：使用全集中式时间敏感网络配置模型对引入时间敏感网络技术的移动边缘计算网络中时间触发业务流的路由以及调度进行模型配置；
步骤2）：使用图论对引入时间敏感网络技术的移动边缘计算网络配置的模型进行表示和对时间触发业务流建立数据模型；
步骤3）：结合网络以及时间触发业务流的特性，确定时间敏感网络交换机四个方面的约束，得出其约束表达式，确定最优化目标函数；
步骤4）：为时间触发业务流选择最合适的路由；
步骤5）：使用粒子群算法和遗传算法对时间触发业务流的不可调度率进行优化。
2.如权利要求1所述的一种基于路由调度与联合优化的时延确定性传输方法，其特征在于：所述步骤1)中全集中式时间敏感网络配置模型包括：终端设备，时间敏感网络桥、集中网络配置以及集中用户配置四个部分；
（1）终端设备：网络拓扑中产生数据的源目的节点；
（2）时间敏感网络桥：负责接收来自集中网络配置为某个业务数据生成的调度并执行这个调度，在网络拓扑中担任中间节点转发传输业务数据的角色；
（3）集中网络配置：负责维护网络中相关设备的信息，检测网络中相关设备的访问与删除并且需要实时更新网络的拓扑结构以及对应的相关信息，同时还需要为业务流计算路由以及调度，并将这些信息配置到相应的终端设备和时间敏感网络桥上；
（4）集中用户配置：用于发现终端设备，检索其功能，接收请求，并在终端设备中配置时间敏感网络特性，是终端设备与集中网络配置之间的通信桥梁。
3.如权利要求1所述的一种基于路由调度与联合优化的时延确定性传输方法，其特征在于，所述步骤2）中的使用图论确定的网络模型和数据模型分别为：
网络模型：可由
Figure DEST_PATH_IMAGE001
元组表示，其中
Figure 310951DEST_PATH_IMAGE002
表示节点集合，它包含 了终端设备集合D和时间敏感网络交换机集合B，即
Figure DEST_PATH_IMAGE003
，E是由移动边缘计算网络 中的链路所构成的集合，
Figure 543218DEST_PATH_IMAGE004
表示节点
Figure DEST_PATH_IMAGE005
与节点
Figure 876110DEST_PATH_IMAGE006
之间存在链路连接，定义参数
Figure DEST_PATH_IMAGE007
表 示该条链路上的剩余带宽大小；
数据模型：时间触发业务流的集合使用符号
Figure 80696DEST_PATH_IMAGE008
表示，使用符号
Figure DEST_PATH_IMAGE009
表示时间触发业务流的 数量，对于某个设备
Figure 106420DEST_PATH_IMAGE010
产生的时间触发业务流
Figure DEST_PATH_IMAGE011
，由一个包含7个元素的元组组成
Figure 763667DEST_PATH_IMAGE012
，分别表示时间触发业务流的源节点、目的节点、分组大 小、分组周期、产生分组的时间以及该分组的截止时间，截止时间与分组周期之间存在
Figure DEST_PATH_IMAGE013
的关系，并且时间触发业务流
Figure 149518DEST_PATH_IMAGE014
产生的第W个分组，它的发送时间以及截止时间 分别为
Figure DEST_PATH_IMAGE015
以及
Figure 490500DEST_PATH_IMAGE016
。
4.如权利要求3所述的一种基于路由调度与联合优化的时延确定性传输方法，其特征在于，所述步骤4）中，选择合适路由的方案为，
线下计算存储所有终端设备与终端设备之间满足跳数不超过K的候选路径，存放在集 合R，使用符号
Figure DEST_PATH_IMAGE017
表示终端设备m与n之间所有满足条件的候选路径集合，
Figure 688393DEST_PATH_IMAGE018
，同时 集合
Figure 911564DEST_PATH_IMAGE017
中第q条路径用符号使用
Figure DEST_PATH_IMAGE019
表示，
Figure 38789DEST_PATH_IMAGE020
，首先根据时间触发业务流的源节 点m以及目的节点n，搜索候选路径集
Figure DEST_PATH_IMAGE021
，使用公式
Figure 765436DEST_PATH_IMAGE022
计算这条时间触发业务流的 带宽要求，并对集合
Figure DEST_PATH_IMAGE023
中的路由进行筛选，将筛选之后的路径放置在集合
Figure 585493DEST_PATH_IMAGE024
中；然 后遍历集合
Figure DEST_PATH_IMAGE025
中的元素，即时间触发业务流的候选路径，根据公式
Figure 279649DEST_PATH_IMAGE026
来为时间触发业务流选择最合适 的路径，其中a和b是自由参数。
5.如权利要求4所述的一种基于路由调度与联合优化的时延确定性传输方法，其特征在于：所述步骤3）中的时间敏感网络交换机具有以下四个方面的约束：
（1）时隙独立约束：两条时间触发业务流不能同时在同一条链路的相同时隙进行传输，此约束用公式表示为：
Figure DEST_PATH_IMAGE027
参数
Figure 961297DEST_PATH_IMAGE028
表示链路
Figure DEST_PATH_IMAGE029
的第q个时隙是否已经被占用了，参数
Figure 994981DEST_PATH_IMAGE030
表示时间触 发业务流
Figure DEST_PATH_IMAGE031
是不是使用链路
Figure 782677DEST_PATH_IMAGE032
的第q个时隙；
（2）路径依赖约束：只有当时间触发业务流到达某个节点之后，这个时间触发业务流在该节点上才是可以传输的，用公式表示为：
Figure DEST_PATH_IMAGE033
Figure 918124DEST_PATH_IMAGE034
整型参数
Figure DEST_PATH_IMAGE035
，用于表示时间触发业务流
Figure 183889DEST_PATH_IMAGE036
在链路
Figure DEST_PATH_IMAGE037
上的发送时间，它的取值 范围为
Figure 72079DEST_PATH_IMAGE038
；
（3）队列独立约束： 时间敏感网络交换机中的队列在同一时间只能被一条时间触发业务流使用，此约束用公式表示为：
Figure DEST_PATH_IMAGE039
Figure 46988DEST_PATH_IMAGE040
（4）时延约束：当时间敏感业务流完成传输时，它的时延并没有超过它所设置的截止时间，这时称这个时间触发业务流是可调度的，此约束用公式表示为：
Figure DEST_PATH_IMAGE041
形成的最优化目标函数，即最小化移动边缘计算网络中时间触发业务流的不可调度率：
Figure 128120DEST_PATH_IMAGE042
。
6.如权利要求1所述的一种基于路由调度与联合优化的时延确定性传输方法，其特征在于：所述步骤5）中基于粒子群算法进行优化调度，群体中的个体相互之间共享它们所获得的信息，所以群体在优化问题的求解空间中的运动是从无序向有序转变的，进而获得优化问题的答案。
7.如权利要求6所述的一种基于路由调度与联合优化的时延确定性传输方法，其特征 在于：所述使用粒子群对时间触发业务流的不可调度率进行优化步骤为：第一步先是初始 化数量为M的粒子，用于表示时间触发业务流的调度顺序，时间触发业务流的数目可以使用 粒子群中的未读参数表示，这也是粒子群的搜索空间，使用符号“N”来表示；第i个粒子在t 时刻时，它的位置可以表示为：
Figure DEST_PATH_IMAGE043
，同时这 个粒子它的速度参数可以表示为：
Figure 400838DEST_PATH_IMAGE044
；它的最优位置使用
Figure DEST_PATH_IMAGE045
来表示，整个粒子群的最优位置使用符号
Figure 691005DEST_PATH_IMAGE046
表示；粒子在
Figure DEST_PATH_IMAGE047
时刻的速度公式为
Figure 86084DEST_PATH_IMAGE048
，其中
Figure DEST_PATH_IMAGE049
表示粒子在前面一个时刻它的速度当前这个时刻它的速度产生的影响，
Figure 461701DEST_PATH_IMAGE050
和
Figure DEST_PATH_IMAGE051
表示粒子当前的位置 与它的最优位置之间的距离，
Figure 272531DEST_PATH_IMAGE052
，
Figure DEST_PATH_IMAGE053
是权重因子，分别表示个体以及社会；当两个参数取 常数时，粒子群的性能会比较好，所以将这两个值均设置为0.5；粒子在t+1时刻的位置更新 公式为：
Figure 932052DEST_PATH_IMAGE054
；选用时间触发业务流的不可调度率作为粒子群的适应度方 程，当粒子的位置更新之后，去计算时间触发业务流的不可调度率，使用粒子群求解时，根 据相关分析，粒子群算法的复杂度与粒子数目、时间触发业务流的数目以及设置的迭代的 次数呈现线性关系，即
Figure DEST_PATH_IMAGE055
。
8.如权利要求1所述的一种基于路由调度与联合优化的时延确定性传输方法，其特征在于：所述步骤5）中基于遗传算法进行优化调度，遗传算法使用数学方式和计算机仿真运算，将最优化问题的求解过程转化成染色体的变异交叉和选择过程；
采用的遗传算法的流程如下：首先进行编码：用于将本文的时间触发业务流的调度顺序抽象为连续的特定符号，从而模拟染色体中的基因排列，然后基于编码首先生成初始种群，就是通过随机的方式产生若干个体的集合，之后评估适应度函数数值，遗传算法的解的优劣，需要根据适应度函数的值来判断，然后迭代次数进行自增操作，输出时间触发业务流的最小不可调度率，以及对应的时间触发业务流的调度顺序。
CN202110848871.9A 2021-07-27 2021-07-27 一种基于路由调度与联合优化的时延确定性传输方法 Active CN113300960B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110848871.9A CN113300960B (zh) 2021-07-27 2021-07-27 一种基于路由调度与联合优化的时延确定性传输方法
PCT/CN2021/113671 WO2023004898A1 (zh) 2021-07-27 2021-08-20 一种基于路由调度与联合优化的时延确定性传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110848871.9A CN113300960B (zh) 2021-07-27 2021-07-27 一种基于路由调度与联合优化的时延确定性传输方法

Publications (2)

Publication Number Publication Date
CN113300960A true CN113300960A (zh) 2021-08-24
CN113300960B CN113300960B (zh) 2021-11-23

Family

ID=77331152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110848871.9A Active CN113300960B (zh) 2021-07-27 2021-07-27 一种基于路由调度与联合优化的时延确定性传输方法

Country Status (2)

Country Link
CN (1) CN113300960B (zh)
WO (1) WO2023004898A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114172843A (zh) * 2022-01-17 2022-03-11 重庆邮电大学 一种时间敏感网络中路径选择和门控调度的联合优化方法
CN114221912A (zh) * 2022-02-22 2022-03-22 北京科技大学 一种针对非周期时间触发业务流的时间敏感网络接入方法
CN114553782A (zh) * 2022-01-28 2022-05-27 北京邮电大学 一种大规模确定性网络中基于网络边缘流量整形调度方法
CN114978927A (zh) * 2022-05-30 2022-08-30 机械工业仪器仪表综合技术经济研究所 边缘计算节点通信资源建模方法、设备和介质
CN115460130A (zh) * 2022-09-20 2022-12-09 重庆邮电大学 一种时间敏感网络中的多路径联合调度方法
CN116232984A (zh) * 2023-05-09 2023-06-06 武汉中科通达高新技术股份有限公司 一种以网络端到端延时最小化为目标的路由方法及系统
CN117596200A (zh) * 2024-01-15 2024-02-23 之江实验室 一种时间敏感网络路由调度方法、电子设备、介质
CN117857423A (zh) * 2023-11-29 2024-04-09 慧之安信息技术股份有限公司 一种基于电力的低时延通信路由方法和系统

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116319526B (zh) * 2023-02-13 2024-06-11 华南理工大学 一种不相容度感知的联合路由分区调度方法、装置及介质
CN116720638B (zh) * 2023-04-13 2024-03-26 广东工业大学 一种基于改进进化算法的逆最短路权重调整方法及系统
CN116155728B (zh) * 2023-04-23 2023-06-30 华东交通大学 超密集网络中计算卸载与资源优化方法
CN116896436B (zh) * 2023-09-11 2024-02-09 之江实验室 基于改进差分进化算法的灵活以太网时隙分配方法及装置
CN116915689B (zh) * 2023-09-13 2024-01-23 北京智芯微电子科技有限公司 确定性网络的时间触发调度方法及装置和终端设备
CN116996198B (zh) * 2023-09-25 2023-12-19 之江实验室 一种灵活以太网双向时延对称小颗粒时隙分配方法及装置
CN116996518B (zh) * 2023-09-26 2023-12-26 北京邮电大学 一种多级异构算力网络调度方法、装置、系统及存储介质
CN117499960B (zh) * 2023-12-29 2024-03-22 奥鼎智通(北京)科技有限公司 一种通信网络中资源调度方法、系统、设备及介质
CN117596159B (zh) * 2024-01-18 2024-03-26 南京绛门信息科技有限公司 一种基于边缘计算的数据处理系统及方法
CN117729567B (zh) * 2024-02-07 2024-04-23 深圳市物联微电子有限公司 无线自组网的优化方法及系统
CN118282920B (zh) * 2024-06-03 2024-08-16 浙江大华技术股份有限公司 路由路径优化方法、路由路径优化系统及电子设备
CN118740527A (zh) * 2024-09-04 2024-10-01 湖南大学 基于指针网络与遗传算法的安全测试路由节点网络边选择方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101155131A (zh) * 2006-09-29 2008-04-02 中国电信股份有限公司 最小化路径抢占代价的标签交换路径建立方法
CN103312606A (zh) * 2013-05-23 2013-09-18 杭州卓沃电子商务有限公司 一种基于多路径并发的无线Mesh网络路由及其方法
US8824274B1 (en) * 2011-12-29 2014-09-02 Juniper Networks, Inc. Scheduled network layer programming within a multi-topology computer network
CN104244356A (zh) * 2014-09-02 2014-12-24 北京空间飞行器总体设计部 一种基于演化图全路由预测的定向蚁群路由优化方法
CN109039897A (zh) * 2018-07-20 2018-12-18 南京邮电大学 一种基于业务感知的软件定义回程网络路由方法
US20190036810A1 (en) * 2017-01-31 2019-01-31 The Mode Group Method and apparatus for data network traffic control optimization
US20190146477A1 (en) * 2016-05-09 2019-05-16 Strong Force Iot Portfolio 2016, Llc Method and system for adjusting an operating parameter in a marginal network
CN109818866A (zh) * 2019-03-22 2019-05-28 武汉大学 一种能量意识和多维参数感知的服务质量保障路由方法
CN110891093A (zh) * 2019-12-09 2020-03-17 中国科学院计算机网络信息中心 一种时延敏感网络中边缘计算节点选择方法及系统
US20200136978A1 (en) * 2018-10-30 2020-04-30 Verizon Patent And Licensing Inc. Method and system for predictive edge resources
CN111935033A (zh) * 2020-08-05 2020-11-13 上海映驰科技有限公司 用于时间敏感流的终端流预留方法、系统及计算机设备
CN112671656A (zh) * 2019-10-16 2021-04-16 华为技术有限公司 一种对网络进行配置的方法和设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112039965B (zh) * 2020-08-24 2022-07-12 重庆邮电大学 一种时间敏感网络中的多任务卸载方法及系统
CN112866103B (zh) * 2021-01-12 2022-07-08 重庆大学 一种面向边缘计算的时间敏感移动前传网络保护方法
CN113032938B (zh) * 2021-03-26 2022-07-08 北京邮电大学 时间敏感流的路由调度方法、装置、电子设备及介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101155131A (zh) * 2006-09-29 2008-04-02 中国电信股份有限公司 最小化路径抢占代价的标签交换路径建立方法
US8824274B1 (en) * 2011-12-29 2014-09-02 Juniper Networks, Inc. Scheduled network layer programming within a multi-topology computer network
CN103312606A (zh) * 2013-05-23 2013-09-18 杭州卓沃电子商务有限公司 一种基于多路径并发的无线Mesh网络路由及其方法
CN104244356A (zh) * 2014-09-02 2014-12-24 北京空间飞行器总体设计部 一种基于演化图全路由预测的定向蚁群路由优化方法
US20190146477A1 (en) * 2016-05-09 2019-05-16 Strong Force Iot Portfolio 2016, Llc Method and system for adjusting an operating parameter in a marginal network
US20190036810A1 (en) * 2017-01-31 2019-01-31 The Mode Group Method and apparatus for data network traffic control optimization
CN109039897A (zh) * 2018-07-20 2018-12-18 南京邮电大学 一种基于业务感知的软件定义回程网络路由方法
US20200136978A1 (en) * 2018-10-30 2020-04-30 Verizon Patent And Licensing Inc. Method and system for predictive edge resources
CN109818866A (zh) * 2019-03-22 2019-05-28 武汉大学 一种能量意识和多维参数感知的服务质量保障路由方法
CN112671656A (zh) * 2019-10-16 2021-04-16 华为技术有限公司 一种对网络进行配置的方法和设备
CN110891093A (zh) * 2019-12-09 2020-03-17 中国科学院计算机网络信息中心 一种时延敏感网络中边缘计算节点选择方法及系统
CN111935033A (zh) * 2020-08-05 2020-11-13 上海映驰科技有限公司 用于时间敏感流的终端流预留方法、系统及计算机设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WENHUI ZHU，ETC: "Joint Optimization of Heterogeneous Cellular and Backhaul Networks for Services Awareness in SDN", 《IEEE》 *
朱晓荣等: "面向多业务需求的NFV和SDN融合的资源优化算法", 《通信学报》 *
李红艳等: "基于时变图的天地一体化网络时间确定性路由算法与协议", 《通信学报》 *
蔡岳平等: "时间敏感网络标准与研究综述", 《计算机学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114172843A (zh) * 2022-01-17 2022-03-11 重庆邮电大学 一种时间敏感网络中路径选择和门控调度的联合优化方法
CN114553782A (zh) * 2022-01-28 2022-05-27 北京邮电大学 一种大规模确定性网络中基于网络边缘流量整形调度方法
CN114221912A (zh) * 2022-02-22 2022-03-22 北京科技大学 一种针对非周期时间触发业务流的时间敏感网络接入方法
CN114221912B (zh) * 2022-02-22 2022-05-03 北京科技大学 一种针对非周期时间触发业务流的时间敏感网络接入方法
CN114978927B (zh) * 2022-05-30 2023-09-26 机械工业仪器仪表综合技术经济研究所 边缘计算节点通信资源建模方法、设备和介质
CN114978927A (zh) * 2022-05-30 2022-08-30 机械工业仪器仪表综合技术经济研究所 边缘计算节点通信资源建模方法、设备和介质
CN115460130B (zh) * 2022-09-20 2023-10-13 重庆邮电大学 一种时间敏感网络中的多路径联合调度方法
CN115460130A (zh) * 2022-09-20 2022-12-09 重庆邮电大学 一种时间敏感网络中的多路径联合调度方法
CN116232984B (zh) * 2023-05-09 2023-08-08 武汉中科通达高新技术股份有限公司 一种以网络端到端延时最小化为目标的路由方法及系统
CN116232984A (zh) * 2023-05-09 2023-06-06 武汉中科通达高新技术股份有限公司 一种以网络端到端延时最小化为目标的路由方法及系统
CN117857423A (zh) * 2023-11-29 2024-04-09 慧之安信息技术股份有限公司 一种基于电力的低时延通信路由方法和系统
CN117596200A (zh) * 2024-01-15 2024-02-23 之江实验室 一种时间敏感网络路由调度方法、电子设备、介质
CN117596200B (zh) * 2024-01-15 2024-05-07 之江实验室 一种时间敏感网络路由调度方法、电子设备、介质

Also Published As

Publication number Publication date
CN113300960B (zh) 2021-11-23
WO2023004898A1 (zh) 2023-02-02

Similar Documents

Publication Publication Date Title
CN113300960B (zh) 一种基于路由调度与联合优化的时延确定性传输方法
Yates The age of information in networks: Moments, distributions, and sampling
CN115460130B (zh) 一种时间敏感网络中的多路径联合调度方法
Eryilmaz et al. Polynomial complexity algorithms for full utilization of multi-hop wireless networks
CN115086202B (zh) 一种基于网络数字孪生体的时延分析方法及系统
Sarasvathi et al. QoS guaranteed intelligent routing using hybrid PSO-GA in wireless mesh networks
Huang et al. Flexible cyclic queuing and forwarding for time-sensitive software-defined networks
CN116455824A (zh) 基于强化学习的网络流量负载均衡方法
CN114500561A (zh) 电力物联网网络资源分配决策方法、系统、设备及介质
Quang et al. Multi-objective multi-constrained QoS Routing in large-scale networks: A genetic algorithm approach
Min et al. Reinforcement learning based routing for time-aware shaper scheduling in time-sensitive networks
Eyobu et al. A Deep Learning-Based Routing Approach for Wireless Mesh Backbone Networks
CN117596158A (zh) 一种基于pmoa算法的列车通信网络流量调度优化方法
Hu et al. Multi-User Delay-Constrained Scheduling With Deep Recurrent Reinforcement Learning
CN117880177A (zh) 一种基于sdn的物联网服务质量保障方法与系统
Meng et al. Intelligent routing orchestration for ultra-low latency transport networks
Li et al. A data forwarding mechanism based on deep reinforcement learning for deterministic networks
CN114745322B (zh) Sdn环境下基于遗传算法的视频流路由方法
Roy et al. Optimizing QoS-based multicast routing in wireless networks: A multi-objective genetic algorithmic approach
Wei et al. G-Routing: Graph Neural Networks-Based Flexible Online Routing
Sun et al. QPSO-based QoS multicast routing algorithm
Satyananda et al. A multi-objective QoS optimization with fuzzy based parameter setting for real-time multicasting
CN115695280A (zh) 基于边缘节点的路由方法及装置、电子设备、存储介质
CN114884818A (zh) 确定性网络中基于时隙细粒度的三层软切片系统与方法
Liu et al. Joint Optimization Algorithm of Traffic Scheduling and Routing of Latency Sensitive Services for Time-Sensitive Networking

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