CN113328941A - 一种面向动态不确定网络的时延最小路由算法 - Google Patents

一种面向动态不确定网络的时延最小路由算法 Download PDF

Info

Publication number
CN113328941A
CN113328941A CN202110576952.8A CN202110576952A CN113328941A CN 113328941 A CN113328941 A CN 113328941A CN 202110576952 A CN202110576952 A CN 202110576952A CN 113328941 A CN113328941 A CN 113328941A
Authority
CN
China
Prior art keywords
delay
network
uncertain
node
minimum
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
CN202110576952.8A
Other languages
English (en)
Other versions
CN113328941B (zh
Inventor
李瑞莹
马骥
康锐
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202110576952.8A priority Critical patent/CN113328941B/zh
Publication of CN113328941A publication Critical patent/CN113328941A/zh
Application granted granted Critical
Publication of CN113328941B publication Critical patent/CN113328941B/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
    • H04L45/02—Topology update or discovery
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic

Landscapes

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

Abstract

本发明公开了一种面向动态不确定网络的时延最小路由算法，包括建立动态拓扑，建立动态不确定网络，按周期性特征转化为静态不确定网络，计算静态不确定网络中最小时延的不确定分布，根据时延阈值找出最大信度时延最小路径。本发明的方法考虑了处理时延的认知不确定性，提出了基于不确定理论的动态不确定网络建模方法，为受认知不确定性影响的移动通信网络建模提供了一种新的建模思路。同时，能够对动态不确定网络实现最大信度时延最小路径的计算，能够为受认知不确定性影响的移动通信网络的路由决策提供支持。

Description

一种面向动态不确定网络的时延最小路由算法
技术领域
本发明属于通信技术领域，尤其涉及一种面向动态不确定网络的时延最小路由算法。
背景技术
随着互联网规模的增加和技术的提高，人们对信息获取需求的不断增加，移动通信技术在通信领域中起到至关重要的作用，移动通信网络的应用越来越广泛。在移动通信网中，时延是网络服务质量的重要指标之一，描述了数据从源节点出发经过多个通信链路到达目的节点所需的时间，可以分为传输时延、传播时延、处理时延和排队时延。其中处理时延是指主机或路由器对数据进行处理所需的时间；传播时延是指信号在传输通道上传播一定距离需要花费的时间，主要取决于链路的长度；传输时延是指主机或路由器以一定速率发送数据所需要的时间，主要取决于信道的带宽；排队时延是数据发送前在发送队列中排队的时间，取决于网络的拥塞状况。
以卫星通信网络为例，这类网络在设计中为了保证低时延，带宽设计裕量充足，因而通常可以忽略传输时延和排队时延。这样，网络端到端时延就主要取决于传播时延和处理时延。由于卫星通信网络呈现动态周期性变化，网络的链路长度也呈周期性变化，因而其传播时延可以视作随时间变化的确定性变量。考虑到卫星通信网络部署前难以真实模拟在轨状态，其处理时延具有不确定性特征，属于不确定性变量。为了保证服务质量，时延最小是重要的路由目标。确定时延最小路由时，通常把网络节点和链路抽象成拓扑，并将处理时延和传播时延相加赋权到链路上，此时链路时延是一个动态不确定性变量。为了对这类含动态不确定性变量的网络计算时延最小路由，俞峰[1]将其描述为动态随机网络，并使用概率论来研究这些动态不确定性问题。然而由于缺乏观测数据，卫星通信系统中的处理时延主要受认知不确定性影响，进而导致基于概率论的时延最小路由算法并不适用。为了能够处理和量化认知不确定性，刘保锭教授提出了不确定理论[2]，该理论为处理不确定因素提供了一种新的研究方法。本专利将卫星通信系统这样的移动通信系统描述成动态不确定网络，并基于不确定理论给出动态不确定网络的时延最小路由算法。
下面介绍一些相关的不确定理论的知识。
不确定测度：设Γ是一个非空集合，
Figure BDA0003084746170000021
是Γ上的一个σ-代数，则
Figure BDA0003084746170000022
中的元素被称Λ为事件。将三元组
Figure BDA0003084746170000023
称作一个不确定空间。不确定测度
Figure BDA0003084746170000024
是从
Figure BDA0003084746170000025
到[0,1]的一个满足以下4条公理的集函数：
公理1(规范性)对于全集Γ，有
Figure BDA0003084746170000026
公理2(对偶性)对于任意事件Λ，有
Figure BDA0003084746170000027
公理3(次可加性)对于一列可数的事件序列Λ1，Λ2，…，有
Figure BDA0003084746170000028
公理4(乘积公理)令
Figure BDA0003084746170000029
为一列不确定空间，乘积σ-代数上的乘积不确定测度
Figure BDA00030847461700000210
满足
Figure BDA00030847461700000211
不确定变量：设ξ是从不确定空间
Figure BDA00030847461700000212
到实数集R的一个函数，如果对于任意的Borel集合B，集合{ξ∈B}＝{γ∈Γ|ξ(γ)∈β}是一个事件，则称ξ是一个不确定变量。
不确定分布：一个不确定变量ξ的不确定分布Φ被定义为Φ(x)＝{ξ≤x}，其中x为任意实数。
不确定运算法则：假设ξ1，ξ2，…，ξn是相互独立的不确定变量，且分别严格服从正则的不确定分布Φ1，Φ2，…，Φn。如果f是一个严格递增的函数，则ξ＝f(ξ1，ξ2，…，ξn)存在逆不确定分布为
Figure BDA00030847461700000213
本发明假设所有给定的不确定分布都是正则的。否则，可以给不确定分布一个小的扰动，使得它变成正则的。
发明内容
为了解决上述已有技术存在的不足，本发明提出一种面向动态不确定网络的时延最小路由算法，本发明的具体技术方案如下：
一种面向动态不确定网络的时延最小路由算法，设定所有给定的不确定分布都是正则的，所述算法包括以下步骤：
S1：建立动态拓扑G(V，E(t))；
根据移动通信网络中各个节点之间的实时连接关系，建立动态拓扑G(V，E(t))，并将其用邻接矩阵C(t)表示：
Figure BDA0003084746170000031
其中，V为节点集合，E(t)为链路集合，X表示网络中节点的个数，cm，n(t)表示节点m到节点n是否有通信链路，1表示有，0表示没有，m＝1,…,X，n＝1,…,X；
S2：建立动态不确定网络G(V，E(t)，D(t))；
在构建动态不确定网络时，不考虑目的节点的处理时延，对于从节点m到节点n的通信链路em，n，把其输入节点即节点m的处理时延叠加到此链路上，数据经过该通信链路所需的时延dm，n(t)为：
dm，n(t)＝lm，n(t)/υ+pdm (2)
其中，lm，n(t)表示节点m到节点n之间链路的长度，是一个随时间变化的确定性变量；υ表示链路传输速度；pdm表示节点m的处理时延，是一个不确定变量，服从不确定分布Φm(x)，x表示任意实数；
根据步骤S1的动态拓扑，联合链路时延，建立动态不确定网络G(V，E(t)，D(t))，其中，D(t)为链路上时延集合，并将其表示为邻接矩阵Cd(t)：
Figure BDA0003084746170000032
其中，dm，n(t)表示动态不确定网络中边em，n上的时延，当dm，n(t)＝0时，表示节点m与节点n之间没有链路；
S3：按周期性特征转化为静态不确定网络G(V，E，D)；
将动态不确定网络G(V，E(t)，D(t))转化为多个时间间隔为Δt的静态不确定网络G(V，E(t0+iΔt)，D(t0+iΔt))，其中，t0为初始时间，i＝0，1，2，3，…；当Δt足够小时，则认为在每个时间片内网络拓扑结构和链路长度是固定的，将设计目标转化为对静态不确定网络G(V，E，D)的时延最小路由求解；
S4：建立时延最小路由数学模型；
在静态不确定网络G(V，E，D)中，用P表示从源节点SN到目的节点DN的所有路径集合P＝{p1，p2，…，pJ}，数据的端到端时延为：
Figure BDA0003084746170000041
其中，pj表示路径集合P中的第j条路径；D(pj)表示数据经过路径pj的时延，不包括目的节点的处理时延；dm，n表示静态不确定网络边em，n上的时延；
数据以最大的可能性在时延阈值Dth内从源节点SN到达到目的节点DN，即数据的路由路径-最大信度时延最小路径p′应满足
Figure BDA0003084746170000042
其中，p为任意从源节点SN到目的节点DN的路径，则静态不确定网络G(V，E，D)的时延最小路由模型表示为：
Figure BDA0003084746170000043
其中，α表示信度，Dth表示时延失效阈值，j表示路径编号；
S5：计算静态不确定网络中最小时延Dmin的不确定分布Ψ(x)；
在静态不确定网络G(V，E，D)中，源节点SN到目的节点DN之间的最小时延为Dmin，表示为：
Dmin＝fSD(d1，d2，…，dK) (6)
其中，d1，d2，…，dK表示网络中所有K条链路的时延，分别服从正则不确定分布Φ1，Φ2，…，ΦK，fSD(d1，d2，…，dK)是d1，d2，…，dK的函数，fSD(d1，d2，…，dK)关于d1，d2，…，dK严格单调递增，Dmin是一个不确定变量，令其不确定分布为Ψ(x)，x表示任意实数；
S6：根据时延阈值Dth找出最大信度时延最小路径p′；
基于N-1个三元组，对比Ψ-1(α1)，Ψ-1(α2)，…，Ψ-1(αN-1)和时延阈值Dth，当Dth＝Ψ-1(αo)时，选取Ψ-1(αo)所在三元组中的时延最小路径为最大信度时延最小路径p′，其中，o＝1,…,N-1，N-1为观测点数；当Dth≠Ψ-1(αo)时，选取距离Dth最近的三元组中的时延最小路径为最大信度时延最小路径p′。
进一步地，所述步骤S5的具体过程为：
S5-1：最小时延Dmin的不确定分布Ψ(x)的逆分布表示为：
Figure BDA0003084746170000051
S5-2：取
Figure BDA0003084746170000052
其中，N-1为观测点数，计算各个链路时延不确定分布中的逆分布，并将α1代入，求出
Figure BDA0003084746170000053
S5-3：令静态不确定网络G(V，E，D)上各链路上的时延为
Figure BDA0003084746170000054
此时静态不确定网络转化为静态确定性网络；采用Dijkstra算法对静态确定性网络的时延进行计算，得到一个三元组{α1，p1，Ψ-1(α1)}，其中，p1表示在信度α1情况下的时延最小路径，Ψ-1(α1)表示在信度α1情况下的最小时延；
S5-4：依次令
Figure BDA0003084746170000055
并重复计算步骤S5-2和S5-3，得到N-1个三元组。
本发明的有益效果在于：
1.本发明考虑了处理时延的认知不确定性，提出了基于不确定理论的动态不确定网络建模方法，为受认知不确定性影响的移动通信网络建模提供了一种新的建模思路。
2.本发明提出了一种面向动态不确定网络的时延最小路由算法，可以对动态不确定网络实现最大信度时延最小路径的计算，能够为受认知不确定性影响的移动通信网络的路由决策提供支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。其中：
图1是本发明一种面向动态不确定网络的时延最小路由算法流程图；
图2是卫星通信网络示意图；
图3是卫星通信网络拓扑结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，一种面向动态不确定网络的时延最小路由算法，对于非正则的不确定分布，给其一个扰动，使其变成正则的，设定所有给定的不确定分布都是正则的，所述算法包括以下步骤：
S1：建立动态拓扑G(V，E(t))；
根据移动通信网络中各个节点之间的实时连接关系，建立动态拓扑G(V，E(t))，并将其用邻接矩阵C(t)表示：
Figure BDA0003084746170000061
其中，V为节点集合，E(t)为链路集合，X表示网络中节点的个数，cm，n(t)表示节点m到节点n是否有通信链路，1表示有，0表示没有，m＝1,…,X，n＝1,…,X；
S2：建立动态不确定网络G(V，E(t)，D(t))；
由于目的节点和源节点的处理时延并不影响路由计算，为了方便建模，在构建动态不确定网络时，不考虑目的节点的处理时延，对于从节点m到节点n的通信链路em，n，把其输入节点即节点m的处理时延叠加到此链路上，数据经过该通信链路所需的时延dm，n(t)为：
dm，n(t)＝lm，n(t)/v+pdm (2)
其中，lm，n(t)表示节点m到节点n之间链路的长度，是一个随时间变化的确定性变量；v表示链路传输速度；pdm表示节点m的处理时延，是一个不确定变量，服从不确定分布Φm(x)，x表示任意实数；
根据步骤S1的动态拓扑，联合链路时延，建立动态不确定网络G(V，E(t)，D(t))，
其中，D(t)为链路上时延集合，并将其表示为邻接矩阵Cd(t)：
Figure BDA0003084746170000071
其中，dm，n(t)表示动态不确定网络中边em，n上的时延，当dm，n(t)＝0时，表示节点m与节点n之间没有链路；
S3：按周期性特征转化为静态不确定网络G(V，E，D)；
由于这类网络呈现周期性特征，为了便于计算，将动态不确定网络G(V，E(t)，D(t))转化为多个时间间隔为Δt的静态不确定网络G(V，E(t0+iΔt)，D(t0+iΔt))，其中，t0为初始时间，i＝0，1，2，3，…；当Δt足够小时，则认为在每个时间片内网络拓扑结构和链路长度是固定的，将设计目标转化为对静态不确定网络G(V，E，D)的时延最小路由求解；
S4：建立时延最小路由数学模型；
在静态不确定网络G(V，E，D)中，用P表示从源节点SN到目的节点DN的所有路径集合P＝{p1，p2，…，pJ}，数据的端到端时延为：
Figure BDA0003084746170000072
其中，pj表示路径集合P中的第j条路径；D(pj)表示数据经过路径pj的时延，不包括目的节点的处理时延；dm，n表示静态不确定网络边em，n上的时延；
为了减少端到端时延，数据以最大的可能性在时延阈值Dth内从源节点SN到达到目的节点DN，即数据的路由路径-最大信度时延最小路径p′应满足
Figure BDA0003084746170000073
其中，p为任意从源节点SN到目的节点DN的路径，则静态不确定网络G(V，E，D)的时延最小路由模型表示为：
Figure BDA0003084746170000074
其中，α表示信度，Dth表示时延失效阈值，j表示路径编号；
S5：计算静态不确定网络中最小时延Dmin的不确定分布Ψ(x)；
在静态不确定网络G(V，E，D)中，源节点SN到目的节点DN之间的最小时延为Dmin，表示为：
Dmin＝fSD(d1，d2，…，dK) (6)
其中，d1，d2，…，dK表示网络中所有K条链路的时延，分别服从正则不确定分布Φ1，Φ2，…，ΦK，fSD(d1，d2，…，dK)是d1，d2，…，dK的函数，fSD(d1，d2，…，dK)关于d1，d2，…，dK严格单调递增，Dmin是一个不确定变量，令其不确定分布为Ψ(x)，x表示任意实数；
S6：根据时延阈值Dth找出最大信度时延最小路径p′；
基于N-1个三元组，对比Ψ-1(α1)，Ψ-1(α2)，…，Ψ-1(αN-1)和时延阈值Dth，当Dth＝Ψ-1(αo)时，选取Ψ-1(αo)所在三元组中的时延最小路径为最大信度时延最小路径p′，其中，o＝1,…,N-1，N-1为观测点数；当Dth≠Ψ-1(αo)时，选取距离Dth最近的三元组中的时延最小路径为最大信度时延最小路径p′。
进一步地，所述步骤S5的具体过程为：
S5-1：根据不确定运算法则，最小时延Dmin的不确定分布Ψ(x)的逆分布表示为：
Figure BDA0003084746170000081
S5-2：取
Figure BDA0003084746170000082
其中，N-1为观测点数，N越大，计算结果越精确，计算各个链路时延不确定分布中的逆分布，并将α1代入，求出
Figure BDA0003084746170000083
S5-3：令静态不确定网络G(V，E，D)上各链路上的时延为
Figure BDA0003084746170000084
此时静态不确定网络转化为静态确定性网络；采用Dijkstra算法对静态确定性网络的时延进行计算，得到一个三元组{α1，p1，Ψ-1(α1)}，其中，p1表示在信度α1情况下的时延最小路径，Ψ-1(α1)表示在信度α1情况下的最小时延；
S5-4：依次令
Figure BDA0003084746170000085
并重复计算步骤S5-2和S5-3，得到N-1个三元组。
为了方便理解本发明的上述技术方案，以下通过具体实施例对本发明的上述技术方案进行详细说明。
实施例1
如图2所示，以某卫星通信网络为例说明本发明的应用过程。已知该卫星通信网络为Walker型卫星星座，共有8个轨道面，轨道倾角为70°，每个轨道面均匀分布着6颗卫星，每颗卫星距地面1300km，有四个相邻卫星，其中两个为同轨道相邻卫星，两个为相邻轨道相邻卫星，相邻卫星之间建有星间链路。该低轨卫星通信系统的拓扑结构为花环网拓扑结构，如图3所示。在卫星通信系统中，卫星采用激光通信，v＝3×105km/h；所有卫星节点的处理时延
Figure BDA0003084746170000091
其分布函数为：
Figure BDA0003084746170000092
时延失效阈值Dth＝100ms，下面以1号卫星为源节点，32号卫星为目的节点确定该动态不确定网络中的时延最小路由。
首先根据卫星通信网络中各个卫星节点之间的连接关系构建拓扑G(V，E)，该拓扑G(V，E)包含48个节点和192条边。由于卫星节点之间的连接关系不随时间变化，因此系统的连接关系邻接矩阵为：
Figure BDA0003084746170000093
基于通信链路的长度周期函数和卫星节点的处理时延，根据公式dm，n(t)＝lm，n(t)/v+pdm计算得出各个链路的时延。基于连接关系邻接矩阵，建立卫星通信网络的动态不确定网络G(V，E，D(t))。
取Δt＝1min，将G(V，E，D(t))划分为相隔时间为1min的静态不确定网络。表1展示的是某一时刻网络中各个星间链路长度(两个卫星节点之间存在双向链路且长度相等，所以表1只给出其中一条链路长度)。基于卫星节点处理时延和表1中的链路长度，根据公式dm，n＝lm，n/v+pdm可以得到静态不确定网络G(V，E，D)中各个链路上的时延。
表1某一时刻星间链路长度(km）
链路 长度 链路 长度 链路 长度 链路 长度 链路 长度 链路 长度
e<sub>1，2</sub> 7678 e<sub>1，7</sub> 6374 e<sub>2，3</sub> 7678 e<sub>2，8</sub> 4618 e<sub>3，4</sub> 7678 e<sub>3，9</sub> 3570
e<sub>4，5</sub> 7678 e<sub>4，10</sub> 6374 e<sub>4，10</sub> 7678 e<sub>5，11</sub> 4618 e<sub>6，1</sub> 7678 e<sub>6，12</sub> 3570
e<sub>7，8</sub> 7678 e<sub>7，13</sub> 6438 e<sub>8，9</sub> 7678 e<sub>8，14</sub> 4166 e<sub>9，10</sub> 7678 e<sub>9，15</sub> 3987
e<sub>10，11</sub> 7678 e<sub>10，16</sub> 6438 e<sub>11，12</sub> 7678 e<sub>11，17</sub> 4166 e<sub>12，7</sub> 7678 e<sub>12，8</sub> 3987
e<sub>13，14</sub> 7678 e<sub>13，19</sub> 6411 e<sub>14，15</sub> 7678 e<sub>14，20</sub> 3732 e<sub>15，16</sub> 7678 e<sub>15，21</sub> 4463
e<sub>16，17</sub> 7678 e<sub>16，22</sub> 6411 e<sub>17，18</sub> 7678 e<sub>17，23</sub> 3732 e<sub>18，13</sub> 7678 e<sub>18，24</sub> 4463
e<sub>19，20</sub> 7678 e<sub>19，25</sub> 6294 e<sub>20，21</sub> 7678 e<sub>20，26</sub> 4454 e<sub>21，22</sub> 7678 e<sub>21，27</sub> 4883
e<sub>22，23</sub> 7678 e<sub>22，28</sub> 6294 e<sub>23，24</sub> 7678 e<sub>23，29</sub> 4454 e<sub>24，19</sub> 7678 e<sub>24，30</sub> 4883
e<sub>25，25</sub> 7678 e<sub>25，31</sub> 6090 e<sub>26，27</sub> 7678 e<sub>26，32</sub> 3079 e<sub>27，28</sub> 7678 e<sub>27，33</sub> 5302
e<sub>28，29</sub> 7678 e<sub>28，34</sub> 6090 e<sub>29，30</sub> 7678 e<sub>29，35</sub> 3079 e<sub>30，25</sub> 7678 e<sub>30，36</sub> 5302
e<sub>31，32</sub> 7678 e<sub>31，37</sub> 5809 e<sub>32，33</sub> 7678 e<sub>32，38</sub> 2955 e<sub>33，34</sub> 7678 e<sub>33，39</sub> 5675
e<sub>34，35</sub> 7678 e<sub>34，40</sub> 5809 e<sub>35，36</sub> 7678 e<sub>35，41</sub> 2955 e<sub>36，37</sub> 7678 e<sub>36，42</sub> 5675
e<sub>37，38</sub> 7678 e<sub>37，43</sub> 5459 e<sub>38，39</sub> 7678 e<sub>38.44</sub> 3009 e<sub>39，40</sub> 7678 e<sub>39，45</sub> 5986
e<sub>40，41</sub> 7678 e<sub>40，46</sub> 5459 e<sub>41，42</sub> 7678 e<sub>41，47</sub> 3009 e<sub>42，37</sub> 7678 e<sub>42，48</sub> 5986
e<sub>43，44</sub> 7678 e<sub>43，1</sub> 7255 e<sub>44，45</sub> 7678 e<sub>44，2</sub> 4818 e<sub>45，46</sub> 7678 e<sub>45，3</sub> 6022
e<sub>46，47</sub> 7678 e<sub>46，4</sub> 7255 e<sub>47，48</sub> 7678 e<sub>47，5</sub> 4818 e<sub>48，43</sub> 7678 e<sub>48，6</sub> 6022
然后，通过分布函数逆运算计算静态不确定网络G(V，E，D)中各个边上时延的不确定分布的逆分布，具体为：
Figure BDA0003084746170000101
取N＝100，令
Figure BDA0003084746170000102
将其代入到各个链路上时延的逆不确定分布Φ-1(α1)中，得到各链路的时延在
Figure BDA0003084746170000103
时的取值。将确定的值赋予到网络中各个边上，构造出一个确定性网络。在该确定性网络中采用Diikstra算法，计算从1号卫星到32号卫星的时延最小路径和最小时延，得到三元组为
{a1＝0.01；p1：1→22→44→38→32；Φ-1(0.01)＝61.535ms}。
接下来，令α＝0.02，0.03，…，0.99，重复上述计算得到99个三元组。将Dth＝100ms与这99个三元组中的最小时延进行对比，发现Ψ-1(0.96)＜Dth＜Ψ-1(0.97)，选择距离Dth距离近的三元组中的路由路径p96：1→22→44→38→32作为最大信度时延最小路径p′。
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 (2)

1.一种面向动态不确定网络的时延最小路由算法，其特征在于，设定所有给定的不确定分布都是正则的，所述算法包括以下步骤：
S1：建立动态拓扑G(V，E(t))；
根据移动通信网络中各个节点之间的实时连接关系，建立动态拓扑G(V，E(t))，并将其用邻接矩阵C(t)表示：
Figure FDA0003084746160000011
其中，V为节点集合，E(t)为链路集合，X表示网络中节点的个数，cm，n(t)表示节点m到节点n是否有通信链路，1表示有，0表示没有，m＝1，…，X，n＝1，…，X；
S2：建立动态不确定网络G(V，E(t)，D(t))；
在构建动态不确定网络时，不考虑目的节点的处理时延，对于从节点m到节点n的通信链路em，n，把其输入节点即节点m的处理时延叠加到此链路上，数据经过该通信链路所需的时延dm，n(t)为：
dm，n(t)＝lm，n(t)/v+pdm (2)
其中，lm，n(t)表示节点m到节点n之间链路的长度，是一个随时间变化的确定性变量；v表示链路传输速度；pdm表示节点m的处理时延，是一个不确定变量，服从不确定分布Φm(x)，x表示任意实数；
根据步骤S1的动态拓扑，联合链路时延，建立动态不确定网络G(V，E(t)，D(t))，其中，D(t)为链路上时延集合，并将其表示为邻接矩阵Cd(t)：
Figure FDA0003084746160000012
其中，dm，n(t)表示动态不确定网络中边em，n上的时延，当dm，n(t)＝0时，表示节点m与节点n之间没有链路；
S3：按周期性特征转化为静态不确定网络G(V，E，D)；
将动态不确定网络G(V，E(t)，D(t))转化为多个时间间隔为Δt的静态不确定网络G(V，E(t0+iΔt)，D(t0+iΔt))，其中，t0为初始时间，i＝0，1，2，3，…；当Δt足够小时，则认为在每个时间片内网络拓扑结构和链路长度是固定的，将设计目标转化为对静态不确定网络G(V，E，D)的时延最小路由求解；
S4：建立时延最小路由数学模型；
在静态不确定网络G(V，E，D)中，用P表示从源节点SN到目的节点DN的所有路径集合P＝{p1，p2，…，pJ}，数据的端到端时延为：
Figure FDA0003084746160000021
其中，pj表示路径集合P中的第j条路径；D(pj)表示数据经过路径pj的时延，不包括目的节点的处理时延；dm，n表示静态不确定网络边em，n上的时延；
数据以最大的可能性在时延阈值Dth内从源节点SN到达到目的节点DN，即数据的路由路径-最大信度时延最小路径p′应满足
Figure FDA0003084746160000022
其中，p为任意从源节点SN到目的节点DN的路径，则静态不确定网络G(V，E，D)的时延最小路由模型表示为：
Figure FDA0003084746160000023
其中，α表示信度，Dth表示时延失效阈值，j表示路径编号；
S5：计算静态不确定网络中最小时延Dmin的不确定分布Ψ(x)；
在静态不确定网络G(V，E，D)中，源节点SN到目的节点DN之间的最小时延为Dmin，表示为：
Dmin＝fSD(d1，d2，…，dK) (6)
其中，d1，d2，…，dK表示网络中所有K条链路的时延，分别服从正则不确定分布Φ1，Φ2，…，ΦK，fSD(d1，d2，…，dK)是d1，d2，…，dK的函数，fSD(d1，d2，…，dK)关于d1，d2，…，dK严格单调递增，Dmin是一个不确定变量，令其不确定分布为Ψ(x)，x表示任意实数；
S6：根据时延阈值Dth找出最大信度时延最小路径p′；
基于N-1个三元组，对比Ψ-1(α1)，Ψ-1(α2)，…，Ψ-1(αN-1)和时延阈值Dth，当Dth＝Ψ-1(αo)时，选取Ψ-1(αo)所在三元组中的时延最小路径为最大信度时延最小路径p′，其中，o＝1，…，N-1，N-1为观测点数；当Dth≠Ψ-1(αo)时，选取距离Dth最近的三元组中的时延最小路径为最大信度时延最小路径p′。
2.根据权利要求1所述的一种面向动态不确定网络的时延最小路由算法，其特征在于，所述步骤S5的具体过程为：
S5-1：最小时延Dmin的不确定分布Ψ(x)的逆分布表示为：
Figure FDA0003084746160000031
S5-2：取
Figure FDA0003084746160000032
其中，N-1为观测点数，计算各个链路时延不确定分布中的逆分布，并将α1代入，求出
Figure FDA0003084746160000034
S5-3：令静态不确定网络G(V，E，D)上各链路上的时延为
Figure FDA0003084746160000035
此时静态不确定网络转化为静态确定性网络；采用Dijkstra算法对静态确定性网络的时延进行计算，得到一个三元组{α1，p1，ψ-1(α1)}，其中，p1表示在信度α1情况下的时延最小路径，Ψ-1(α1)表示在信度α1情况下的最小时延；
S5-4：依次令
Figure FDA0003084746160000033
并重复计算步骤S5-2和S5-3，得到N-1个三元组。
CN202110576952.8A 2021-05-26 2021-05-26 一种面向动态不确定网络的时延最小路由算法 Active CN113328941B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110576952.8A CN113328941B (zh) 2021-05-26 2021-05-26 一种面向动态不确定网络的时延最小路由算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110576952.8A CN113328941B (zh) 2021-05-26 2021-05-26 一种面向动态不确定网络的时延最小路由算法

Publications (2)

Publication Number Publication Date
CN113328941A true CN113328941A (zh) 2021-08-31
CN113328941B CN113328941B (zh) 2022-02-18

Family

ID=77416879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110576952.8A Active CN113328941B (zh) 2021-05-26 2021-05-26 一种面向动态不确定网络的时延最小路由算法

Country Status (1)

Country Link
CN (1) CN113328941B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114257661A (zh) * 2021-12-26 2022-03-29 山东浪潮科学研究院有限公司 一种依据网络延时动态选择gRpc通路的实现方法及工具

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101995873A (zh) * 2010-11-18 2011-03-30 海南大学 分层结构中变送器与(控制)执行器间网络时延补偿方法
US20120030150A1 (en) * 2010-07-29 2012-02-02 Telcordia Technologies, Inc. Hybrid Learning Component for Link State Routing Protocols
CN102780581A (zh) * 2012-07-20 2012-11-14 北京航空航天大学 一种基于随机型网络演算的afdx端端时延上界计算方法
CN103595610A (zh) * 2013-11-25 2014-02-19 电子科技大学 一种非确定性资源需求多播虚拟网络的抗毁映射方法
CN106707762A (zh) * 2017-02-20 2017-05-24 海南大学 一种两输入两输出网络控制系统不确定时延混杂控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120030150A1 (en) * 2010-07-29 2012-02-02 Telcordia Technologies, Inc. Hybrid Learning Component for Link State Routing Protocols
CN101995873A (zh) * 2010-11-18 2011-03-30 海南大学 分层结构中变送器与(控制)执行器间网络时延补偿方法
CN102780581A (zh) * 2012-07-20 2012-11-14 北京航空航天大学 一种基于随机型网络演算的afdx端端时延上界计算方法
CN103595610A (zh) * 2013-11-25 2014-02-19 电子科技大学 一种非确定性资源需求多播虚拟网络的抗毁映射方法
CN106707762A (zh) * 2017-02-20 2017-05-24 海南大学 一种两输入两输出网络控制系统不确定时延混杂控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
彭锦,刘宝碇: "不确定规划的研究现状及其发展前景", 《运筹与管理》 *
薛拯等: "车联网下基于模糊逻辑的簇头选择与数据传输策略研究", 《小型微型计算机系统》 *
闫春望等: "一种并行模糊神经网络最短路径算法", 《计算机应用研究》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114257661A (zh) * 2021-12-26 2022-03-29 山东浪潮科学研究院有限公司 一种依据网络延时动态选择gRpc通路的实现方法及工具

Also Published As

Publication number Publication date
CN113328941B (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
Kleinrock et al. Packet switching in a multiaccess broadcast channel: Performance evaluation
US10142013B2 (en) Method of optimizing an interplanetary communications network
CN108964746B (zh) 时变卫星网络多拓扑搜索最短路由方法
CN113328941B (zh) 一种面向动态不确定网络的时延最小路由算法
CN108183744A (zh) 一种卫星网络负载均衡路由设计方法
Li et al. Knowledge graph aided network representation and routing algorithm for LEO satellite networks
Thaker et al. Interactions between routing and flow control algorithms
CN113259993A (zh) 一种基于meo/leo双层卫星网络的跨层路由方法及通信系统
Yi et al. Satellite constellation of MEO and IGSO network routing with dynamic grouping
Wenjuan et al. A discrete-time traffic and topology adaptive routing algorithm for LEO satellite networks
US9722913B2 (en) System and method for delay management for traffic engineering
CN112269923A (zh) 一种基于结构洞的网络舆情控制方法
CN114422011B (zh) 一种低轨卫星星座网络容量测算方法
CN113191505B (zh) 一种地理分布式机器学习参数服务器放置方法
Wan et al. Scheduling algorithm for the multiple rovers' access to single orbiter on the Mars relay communication links
Watel et al. Directed Steiner tree with branching constraint
Amiri A system for the design of packet-switched communication networks with economic tradeoffs
Ahsan et al. Flexible Resource Allocation for eMBB and mMTC services in a Time-Varying Satellite Topology
Gao et al. An adaptive routing based on an improved ant colony optimization in LEO satellite networks
Li et al. A Method for Performance Evaluation of the Low Earth Orbit Satellite Networks
Guo et al. Performance Modelling and Evaluation of In-Band Control Mode in Software-Defined Satellite Networks Based on Queuing Theory
Xu et al. Research on Routing Algorithm Based on Low Orbit Satellite Link Handover
Ma Adaptive distributed load balancing routing mechanism for LEO satellite IP networks
CN116321282A (zh) 一种基于重球法的无线网络拥塞控制最优化方法
CN113301591B (zh) 一种用于全球组网观测卫星星座的星间网络优化方法

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