CN114422366A - 一种卫星网络sdn多控制器部署方法及系统 - Google Patents
一种卫星网络sdn多控制器部署方法及系统 Download PDFInfo
- Publication number
- CN114422366A CN114422366A CN202210308392.2A CN202210308392A CN114422366A CN 114422366 A CN114422366 A CN 114422366A CN 202210308392 A CN202210308392 A CN 202210308392A CN 114422366 A CN114422366 A CN 114422366A
- Authority
- CN
- China
- Prior art keywords
- wolf
- satellite
- controller
- network
- satellite network
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种卫星网络SDN多控制器部署方法及系统,包括架设基于SDN的卫星网络架构;基于卫星网络构建网络时延模型;基于改进的灰狼算法对所述网络时延模型进行求解,以获得最优SDN多控制器部署方案;基于所述最优SDN多控制器部署方案对卫星网络进行部署;该方法主要分析LEO卫星控制平面的控制器节点部署问题,以降低网络时延为目标构建优化模型,使用改进的灰狼算法,确定控制器与交换机的映射关系,实现卫星网络应急场景下的快速部署。
Description
技术领域
本发明涉及卫星网络技术领域,具体涉及一种卫星网络SDN多控制器部署方法及系统。
背景技术
软件定义网络(Software Define Network,SDN)是一种灵活的、可编程的、集中控制的新型网络架构,主要由控制平面、数据平面和应用平面构成,SDN基本架构如图1所示,SDN拥有了开放的、可编程的接口,解耦了控制平面和数据平面,能够以全局视角分配网络资源,并制定有效的资源分配策略。
控制平面是整个架构的“主干骨”,其作为决策机构不仅负责全网的业务调度,还架设起了各层交互的桥梁;控制平面可通过北向接口给上层应用平面提供不同层次的可编程能力,还可通过南向接口实现对底层网络信息的监察监测;同时还为其他平面提供了全网视图;控制平面作为SDN架构的核心组成部分,通常由一个或多个控制器组成,由于单控制器部署存在单点失效、容量有限等缺陷,因此一般采用多控制器部署规模相对较大的网络;常见的评价控制器部署的性能指标有网络时延、可靠性、开销和负载等;数据平面又称基础设施层,由简单的交换机等硬件转发设备组成,数据平面设备通过南向接口接收来自上层控制平面的决策指令,并根据控制平面下发的流规则进行相应的数据转发与处理;当转发设备接收到数据包时,首先会检查本地流表,寻找对应的流表项,若流表项存在且匹配成功则根据对应的转发路径进行转发,若匹配失败,则封装成Packet-in请求消息发送给控制器,随后控制器间进行通信寻找对应的转发策略,并封装成Packet-out消息返回给交换机;此外,数据平面还会将当前的网络状态、统计信息等数据通过南向接口返回给控制平面。
当前卫星网络面临着网络协议统一、网络拓扑多变、卫星计算资源有限、多种网络异构、星间链路变化频繁等问题,综合上述SDN的优势特征,将SDN引入到卫星网络架构的研究中,其控制平面由地面站、GEO卫星节点、部分的LEO卫星节点组成,充分结合SDN自身优势无缝整合多种异构网络,有助于降低网络设备的建设与维护成本,提高卫星通信终端用户的性能和服务质量(Quality of Service,Qos),扩大卫星通信的应用范围,实现与地面网络的无缝连接;由于LEO卫星数量相对较多,网络拓扑复杂,因此主要研究该平面控制器节点的部署问题;针对应急任务场景下,处理地震、火灾、救援等突发事件,卫星网络需满足实时、快速组网的需求,因此目前有在网络流量稳定的情况下,以降低网络时延为目标,建立优化模型,使用优化算法,求得合适的控制器静态部署方案;
如图2所示,优化算法中的灰狼优化算法(Grey Wolf Optimizer,GWO)按照灰狼森严的等级制度存在四个等级:最高级别的狼为α,其下属狼为β,等级排行第三的狼为δ,最低级别的狼为ω;在灰狼算法中,猎物的位置对应的优化问题的可行解;灰狼算法存在三个步骤:①等级制度分层,即根据各个种群的适应度匹配出各个层级的灰狼,其中适应度最高的前三者(当前种群的三个最优解)分别α狼、β狼和δ狼,其余均为ω狼;②包围猎物,灰狼靠近猎物并包围的过程;③攻击猎物,α狼在β狼和δ狼的帮助下带领所有狼群逐渐靠近猎物的过程;灰狼算法具有易于实现、结构简单、自身参数较少等优势,但其存在易于过早收敛导致陷入局部最优的缺点,而且灰狼算法适用于求解连续优化问题和组合优化问题,而卫星网络中SDN控制器静态部署问题是典型的离散组合问题,并不适合采用灰狼算法进行求解。
发明内容
针对上述问题,本发明的一个目的是提供一种卫星网络SDN多控制器部署方法,该方法主要分析LEO卫星控制平面的控制器节点部署问题,以降低网络时延为目标构建优化模型,使用改进的灰狼算法,确定控制器与交换机的映射关系,实现卫星网络应急场景下的快速部署。
本发明的第二个目的是提供一种卫星网络SDN多控制器部署系统。
本发明所采用的第一个技术方案是:一种卫星网络SDN多控制器部署方法,包括以下步骤:
S100:架设基于SDN的卫星网络架构;
S200:基于卫星网络构建网络时延模型;
S300:基于改进的灰狼算法对所述网络时延模型进行求解,以获得最优SDN多控制器部署方案;
S400:基于所述最优SDN多控制器部署方案对卫星网络进行部署。
优选地,所述步骤S200中网络时延模型通过以下公式表示:
优选地,所述步骤S300包括以下子步骤:
S310:对卫星网络中的卫星控制器节点和卫星交换机节点进行编码,并初始化种群以生成多个灰狼个体;
S320:将每一个灰狼个体中的卫星控制器节点与卫星交换机节点进行关联;
S330:基于灰狼个体的适应度值将所有灰狼个体进行等级制度分层;
S340:基于随机数选择灰狼层级对应的灰狼个体,通过交叉操作将所选灰狼层级对应的灰狼个体与当前灰狼个体进行交叉以更新当前的灰狼个体;
S350:基于倒位变异方法在更新后的灰狼个体中随机选择若干个元素进行颠倒操作,获得变异后的灰狼个体;
S360:判断变异后的灰狼个体所对应的卫星控制器部署方案是否满足卫星控制器节点负载约束;若满足条件,则保留变异后的灰狼个体;若不满足条件,则舍弃变异后的灰狼个体;
S370:更新α狼;
S380:输出最优α狼并解码获得最优SDN多控制器部署方案。
优选地,所述步骤S330包括:
将所有灰狼个体的适应度值由低至高进行排序,分别将排在前三的灰狼个体标识为α狼、β狼和δ狼层级,其余均标识为ω狼。
优选地,所述步骤S340包括:
(1)选择灰狼层级;
(2)更新灰狼个体;
优选地,所述步骤S350包括:在更新后的灰狼个体中随机选择两个元素进行颠倒操作。
优选地,所述步骤S370包括:
判断所述变异后的灰狼个体的适应度值是否小于当前α狼的适应度值;若所述变异后的灰狼个体的适应度值小于当前α狼的适应度值,则更新所述变异后的灰狼个体为新的α狼。
优选地,所述步骤S370还包括:
若所述变异后的灰狼个体的适应度值大于当前α狼的适应度值,则进一步判断所述变异后的灰狼个体的适应度值是否小于当前β狼的适应度值;
若所述变异后的灰狼个体的适应度值小于当前β狼的适应度值,则更新所述变异后的灰狼个体为新的β狼;
若所述变异后的灰狼个体适应度值大于当前β狼的适应度值且小于当前δ狼的适应度值,则更新所述变异后的灰狼个体为新的δ狼;
若所述变异后的灰狼个体的适应度值大于当前δ狼的适应度值,则不更新当前的α狼、β狼和δ狼。
优选地,所述步骤S380包括:
循环所述步骤S330~S370进行迭代寻优,直至达到当前最大迭代次数,输出最优的α狼,并解码获得最优SDN多控制器部署方案。
本发明所采用的第二个技术方案是:一种卫星网络SDN多控制器部署系统,包括卫星网络架设模块、网络时延模型构建模块、计算模块和部署模块;
所述卫星网络架设模块用于架设基于SDN的卫星网络架构;
所述网络时延模型构建模块用于基于卫星网络构建网络时延模型;
所述计算模块用于基于改进的灰狼算法对所述网络时延模型进行求解,以获得最优SDN多控制器部署方案;
所述部署模块用于基于所述最优SDN多控制器部署方案对卫星网络进行部署。
上述技术方案的有益效果:
(1)本发明公开的一种卫星网络SDN多控制器部署方法针对应急任务下卫星网络多控制器部署问题,主要分析LEO卫星控制平面的控制器节点部署问题,以降低网络时延为目标构建优化模型,使用改进的灰狼算法,确定控制器与交换机的映射关系,实现卫星网络应急场景下的快速部署。
(2)本发明公开的一种卫星网络SDN多控制器部署方法需在基于SDN的卫星网络架构及网络时延模型构建的基础上,对灰狼算法进行改进设计。
(3)本发明公开的一种卫星网络SDN多控制器部署方法综合灰狼算法具有结构简单、易于实现且自身参数较少的优势,考虑用灰狼算法求解卫星网络中控制器部署问题,以降低卫星网络总时延;灰狼算法适用于求解连续优化问题,而卫星网络中SDN控制器静态部署问题是典型的离散组合问题,因此需要对算法进行离散化改进,使其适用于求解卫星网络SDN控制器部署方法。
附图说明
图1为SDN的基本架构图;
图2为灰狼等级制度示意图;
图3为本发明的一个实施例提供的一种卫星网络SDN多控制器部署方法的流程示意图;
图4为本发明的一个实施例提供的基于SDN的卫星网络架构图;
图5为本发明的一个实施例提供的灰狼个体编码序列的示意图;
图6为本发明的一个实施例提供的灰狼个体更新过程图;
图7为本发明的一个实施例提供的灰狼个体变异过程示意图;
图8为本发明仿真实验中的四种算法卫星网络时延的对比图;
图9为本发明仿真实验中的四种算法多次运行结果对比图;
图10为本发明的一个实施例提供的一种卫星网络SDN多控制器部署系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例的详细描述和附图用于示例性地说明本发明的原理,但不能用来限制本发明的范围,即本发明不限于所描述的优选实施例,本发明的范围由权利要求书限定。
在本发明的描述中,需要说明的是,除非另有说明,“多个”的含义是两个或两个以上;术语“第一”“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性;对于本领域的普通技术人员而言,可视具体情况理解上述术语在本发明中的具体含义。
实施例一
图3为本发明的一个实施例提供的一种卫星网络SDN多控制器部署方法,包括以下步骤:
S100:架设基于SDN的卫星网络架构;
如图4所示的基于SDN的卫星网络架构,将卫星网络中的主控制器部署在地面站,区域控制器部署在GEO卫星,部分的LEO卫星部署从控制器;将LEO卫星划分成多个LEO卫星控制域,LEO卫星从控制器节点可实现该区域内LEO卫星交换机节点的管理与控制;LEO卫星从控制器节点主要负责管理其控制域内各交换机节点的路由计算、资源分配及转发路径流表的生成;考虑到GEO卫星与地面站可以形成稳定的星间链路,此外仅需3颗GEO卫星即可形成除南北极之外的区域覆盖,因此选择GEO卫星担负LEO卫星从控制器与地面站控制器节点间枢纽中心的角色。
本发明所采用的控制器部署方式为静态控制器部署,静态控制器部署是一种采用时间片的思想,考虑将卫星网络的周期切割成一系列时间片,在时间片持续时间内网络拓扑相对不变、网络流量稳定,且控制器与交换机连接关系相对固定,此时高速移动的卫星网络即可映射成静态网络拓扑关系;在此基础上考虑控制器部署问题,以满足卫星通信需求;综合卫星网络的特征,考虑到带外部署会影响网络的可靠性,在控制器部署时主要考虑带内部署的方式;本发明使用铱星网络拓扑研究LEO卫星网络控制器部署问题,该网络拓扑由6条极地轨道,每条轨道上11颗卫星,共计66颗LEO卫星组成,轨道平面间隔30°,轨道高度781千米,轨道倾角86.4°;本发明将66颗LEO卫星都认为是LEO卫星交换机节点,带内部署即为将控制器部署在LEO卫星交换机节点上,此时部署了控制器的LEO卫星交换机节点的传播时延可不计,此外该部署方式所产生的控制链路与数据链路重合,信息传输过程互不影响。
S200:基于卫星网络构建网络时延模型;
空间任务一般可以分为应急任务和常态任务,应急任务通信应满足实时、快速组网的需求,从而更好地适用于地震、火灾、救援等突发事件,以降低网络时延为目标构建网络时延模型,求得最快的控制器部署策略;其中,网络时延模型通过以下公式表示:
网络时延是控制器部署策略中首要考虑的优化目标,该目标会影响转发规则的安装顺序及控制器间的状态同步;网络时延由传输时延、传播时延、排队时延、处理时延四个部分组成;①传输时延又称发送时延,是指发送数据报文整个过程所需的时间,即转发设备开始发送数据直至发送完毕所需时间,其大小与数据流的长度有关,数据流越长则传输时延越长,数据流越短则传输时延越小;②传播时延由控制器与控制器间的传播时延和控制器与交换机的传播时延这两部分组成;③排队时延,即控制器接收到交换机所发送的Packet-in消息后开始排队等待,直至控制器真正开始处理该请求所花的时间;④处理时延,即控制器处理数据所产生的时间,其取决于当前控制器的负载情况、处理能力等因素;在不同网络状态下,构成网络总体时延的四个时延指标所占比重略有不同,当前考虑的卫星网络时延主要为LEO卫星网络时延,该时延由星间链路传播时延、网络排队时延和LEO卫星任务处理时延这三部分组成。
本发明网络时延模型中当前LEO卫星网络时延主要包括星间链路传播时延、网络排队时延和LEO卫星任务处理时延,其内容如下:
①星间链路传播时延:星间链路传播时延主要分为两种:一种是LEO卫星控制器节点间的星间链路产生的传播时延,该时延主要与两个卫星控制器节点间的距离有关;另一种是每个LEO卫星控制域下的LEO卫星交换机节点至LEO卫星控制器节点的传播时延,该传播时延主要与卫星控制器节点与卫星交换机节点的距离有关;
②网络排队时延:由于一个卫星控制域内有多个交换机,每个卫星交换机节点仅能与一个卫星控制器节点相连,因此认为一个卫星控制域内的服务台个数为1,则可视LEO卫星交换机节点发送的Packet-in消息至LEO卫星控制器节点的排队等待的过程为M/M/1的排队过程,其排队等待时长即为网络排队时延;
③LEO卫星任务处理时延:处理时延为LEO卫星控制器节点处理其域内卫星交换机节点发送的Packet-in消息所产生的时延,该时延与当前卫星控制器节点的负载和处理能力有关,卫星控制器节点的负载越少,则卫星任务处理时延越小,卫星控制器节点的处理能力越强,则卫星任务处理时延越小。
将卫星交换机分配至卫星控制器节点下时,卫星控制器节点存在以下约束条件:
①各个卫星控制域由各卫星控制器节点所管理,每个卫星控制域下包含多个卫星交换机节点,且各个卫星控制域互不重叠;
②每个卫星交换机节点仅由一个卫星控制器节点所管控;
③每个卫星控制器节点可管控多个卫星交换机节点;
④当前LEO卫星网络中各卫星控制域内的卫星交换机节点数量总和为网络中卫星交换机节点的总数量;
⑤负载约束:各个卫星控制域下的卫星交换机节点的总负载不能超过该卫星控制器的处理能力。
S300:基于改进的灰狼算法对网络时延模型进行求解,以输出最优的α狼并解码获得最优SDN多控制器部署方案,包括以下子步骤:
S310:对卫星网络中的卫星控制器节点和卫星交换机节点进行编码,并初始化种群以生成多个灰狼个体;
(1)对卫星网络中的卫星控制器节点和卫星交换机节点进行编码;
(2)初始化种群以生成多个灰狼个体;
卫星控制器节点部署是将卫星交换机节点分配给卫星控制器节点,采用随机初始化构造种群,种群数目为sizepop,将一个SDN控制器部署方案视为一个灰狼个体,则初始种群中的任何一个灰狼个体都按照以下方式进行初始化:
随机将66个卫星交换机节点分配至m个卫星控制器节点的控制域内,可采用的编码方式为:生成一组数值的大小均为1~m的66个随机数,这一组数据即为一个卫星控制器节点的部署方案,这一组数据为一个灰狼个体;记生成初始种群的数量为sizepop,即初始化产生sizepop个灰狼个体。
例如假设控制器的数量为6个,记m=6,控制器可编号为1~6,将66个卫星交换机节点分配给卫星控制器节点,记一个灰狼个体为I,可采用如图5所示的编码方式;对于灰狼个体I,其中的第一个元素“2”代表将分配至,第二个元素“5”代表将分配至,以此类推,将66个卫星交换机节点分配给6个卫星控制器节点,随机生成灰狼个体I。
S320:将每一个灰狼个体中的卫星控制器节点与卫星交换机节点建立关联;
初始化种群后,对于每一灰狼个体即为一种控制器部署方式,由于卫星控制器节点采用带内部署的方式,因此卫星控制器节点的部署位置从66个卫星交换机节点部署位置中的任意选择不同的个;设计一个66*66的0-1矩阵以表示卫星控制器节点与卫星交换机节点的位置关系,矩阵中的每一列表示每一个卫星交换机节点的位置,每一行表示每一个卫星控制器节点位置;矩阵元素表示卫星控制器节点与卫星交换机节点的映射关系,若其中一个卫星交换机节点分配至一个卫星控制器节点控制域内,则=1;
S330:基于卫星网络时延将多个灰狼个体进行等级制度分层;
灰狼个体的适应度值即为该控制器部署方案所产生的卫星网络时延,灰狼个体适应度值越低则表明该部署方案的网络总时延越低,该卫星控制器节点的部署方案越好;根据各灰狼个体的适应度值(卫星网络时延),匹配出各个层级的灰狼,将适应度值由低至高(卫星网络时延由小到大)进行排序,排名前三者的(当前种群的三个最优解)灰狼个体即可标识为α狼、β狼和δ狼层级,其余均标识为ω狼。
S340:更新灰狼位置:基于随机数选择灰狼层级对应的灰狼个体,通过遗传算法中的交叉操作将灰狼层级对应的灰狼个体与当前的灰狼个体进行交叉以更新当前的灰狼个体;
传统灰狼算法的位置更新方式不适合求解卫星控制器节点部署这一离散问题,因此本发明对灰狼位置的更新方式进行了改进,即通过生成随机数,以一定的概率选择灰狼层级,随后对当前灰狼个体使用遗传算法中的交叉操作,与该选中的灰狼层级进行交叉,得到新的灰狼个体,即生成一个新的卫星网络控制器部署方案,其主要包括:
(1)选择灰狼层级;
(2)灰狼个体更新;
随机生成两个不同的数p,q(1≤p,q≤66,且p,q为整数),当前的灰狼个体与所选择层级的灰狼个体中的至数组片段进行交叉,得到新的灰狼个体;如图6所示,当前的灰狼个体为,选择的灰狼个体,灰狼个体为与个体进行交叉,得到新的灰狼个体,此过程即为灰狼个体的更新过程。
S350:全局搜索操作:基于倒位变异方法在更新后的灰狼个体中随机选择若干个元素,将若干个元素的位置称为变异点位置,将若干个变异点位置上的元素进行颠倒操作,得到变异后的灰狼个体;
例如基于倒位变异方法在更新后的灰狼个体中随机选择两个元素,将这两个元素的位置称为变异点位置,将这两个变异点位置上的元素进行颠倒操作,得到变异后的灰狼个体;即对于当前的灰狼个体,随机制定变异点位置与,如图7所示,将该灰狼个体中这两个变异点位置上的元素进行变异操作。
传统的灰狼算法存在收敛过早导致陷入局部最优的缺点,本发明将遗传算法中的变异思想引入灰狼算法中,以保持种群的多样性,提高灰狼算法的全局搜索能力。
S360:判断变异后的灰狼个体所对应的卫星控制器部署方案是否满足卫星控制器节点负载约束;若满足条件,则保留变异后的灰狼个体;若不满足条件,表明卫星控制器节点控制域下的交换机的总负载超过了该控制器的处理能力,该卫星控制器节点可能会出现故障情况或宕机现象,无法正常处理其管理域内卫星交换机节点的服务请求,影响卫星网络处理性能,则舍弃变异后的灰狼个体。
S370:更新α狼;判断变异后的灰狼个体的适应度值是否小于α狼的适应度值;若变异后的灰狼个体的适应度值小于当前α狼的适应度值,则更新该变异后的灰狼个体为新的α狼(新的α狼个体即为一个网络时延更低的卫星控制器部署方案);若变异后的灰狼个体的适应度值大于当前α狼的适应度值,则进一步与β狼、δ狼的适应度值做判断:若变异后的灰狼个体的适应度值小于当前β狼的适应度值,则更新该变异后的灰狼个体为新的β狼,若变异后的灰狼个体适应度值大于当前β狼的适应度值并且小于当前δ狼的适应度值,则更新该变异后的灰狼个体为新的δ狼;若变异后的灰狼个体的适应度值大于当前δ狼的适应度值,则不更新当前α狼、β狼和δ狼。
S380:输出最优α狼并解码;循环步骤S330~S370进行迭代寻优,直至达到当前最大迭代次数maxgen,输出最优的α狼并解码成最优SDN多控制器部署方案。
S400:基于所述最优SDN多控制器部署方案对卫星网络进行部署。
下面结合仿真实验说明本发明技术方案的有益效果:
本发明是基于改进灰狼算法的卫星网络SDN多控制器部署方法,通过对传统的灰狼优化算法进行改进,使其适用于求解卫星网络SDN多控制器部署问题;通过仿真实验,采用所提出的改进灰狼算法(IGWO)与粒子群算法(PSO)、模拟退火算法(SA)、粒子群算法与遗传相结合的算法(PSOGA)进行实验对比;为确保实验结果的可信性,四种算法的迭代次数maxgen为200,种群数量为sizepop为200;为避免运行结果的所产生的随机性对实验的影响,将四种不同的算法分别进行了多次运行。
如图8所示,通过四种不同的算法进行寻优,SDN多控制部署策略产生的卫星网络总时延进行对比分析,显然,本发明的方法IGWO求解效果最好,PSOGA弱一些,SA次之,PSO结果较差,同时可以发现IGWO算法收敛速度较快,全局寻优能力强。
如图9所示,在解决卫星网络SDN多控制器部署问题时,将四种不同的算法分别运行了十次,结果表明,IGEO相比于PSO、SA及PSOGA运行结果更加稳定,且寻优策略最佳,可以认为改进的灰狼算法能够有效解决卫星网络SDN多控制器部署问题。
本发明公开的一种卫星网络SDN多控制器部署方法针对应急任务下卫星网络多控制器部署问题,主要分析LEO卫星控制平面的控制器节点部署问题,以降低网络时延为目标构建优化模型,使用改进的灰狼算法,确定控制器与交换机的映射关系,实现卫星网络应急场景下的快速部署。
实施例二
图10为本发明的一个实施例提供的一种卫星网络SDN多控制器部署系统,包括:卫星网络架设模块、网络时延模型构建模块、计算模块和部署模块;
卫星网络架设模块用于架设基于SDN的卫星网络架构;
网络时延模型构建模块用于基于卫星网络构建网络时延模型;
计算模块用于基于改进的灰狼算法对所述网络时延模型进行求解,以获得最优SDN多控制器部署方案;
部署模块用于基于所述最优SDN多控制器部署方案对卫星网络进行部署。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种卫星网络SDN多控制器部署方法,其特征在于,包括以下步骤:
S100:架设基于SDN的卫星网络架构;
S200:基于卫星网络构建网络时延模型;
S300:基于改进的灰狼算法对所述网络时延模型进行求解,以获得最优SDN多控制器部署方案;
S400:基于所述最优SDN多控制器部署方案对卫星网络进行部署。
3.根据权利要求1所述的卫星网络SDN多控制器部署方法,其特征在于,所述步骤S300包括以下子步骤:
S310:对卫星网络中的卫星控制器节点和卫星交换机节点进行编码,并初始化种群以生成多个灰狼个体;
S320:将每一个灰狼个体中的卫星控制器节点与卫星交换机节点进行关联;
S330:基于灰狼个体的适应度值将所有灰狼个体进行等级制度分层;
S340:基于随机数选择灰狼层级对应的灰狼个体,通过交叉操作将所选灰狼层级对应的灰狼个体与当前灰狼个体进行交叉以更新当前的灰狼个体;
S350:基于倒位变异方法在更新后的灰狼个体中随机选择若干个元素进行颠倒操作,获得变异后的灰狼个体;
S360:判断变异后的灰狼个体所对应的卫星控制器部署方案是否满足卫星控制器节点负载约束;若满足条件,则保留变异后的灰狼个体;若不满足条件,则舍弃变异后的灰狼个体;
S370:更新α狼;
S380:输出最优α狼并解码获得最优SDN多控制器部署方案。
4.根据权利要求3所述的卫星网络SDN多控制器部署方法,其特征在于,所述步骤S330包括:
将所有灰狼个体的适应度值由低至高进行排序,分别将排在前三的灰狼个体标识为α狼、β狼和δ狼层级,其余均标识为ω狼。
6.根据权利要求3所述的卫星网络SDN多控制器部署方法,其特征在于,所述步骤S350包括:在更新后的灰狼个体中随机选择两个元素进行颠倒操作。
7.根据权利要求3所述的卫星网络SDN多控制器部署方法,其特征在于,所述步骤S370包括:
判断所述变异后的灰狼个体的适应度值是否小于当前α狼的适应度值;若所述变异后的灰狼个体的适应度值小于当前α狼的适应度值,则更新所述变异后的灰狼个体为新的α狼。
8.根据权利要求7所述的卫星网络SDN多控制器部署方法,其特征在于,所述步骤S370还包括:
若所述变异后的灰狼个体的适应度值大于当前α狼的适应度值,则进一步判断所述变异后的灰狼个体的适应度值是否小于当前β狼的适应度值;
若所述变异后的灰狼个体的适应度值小于当前β狼的适应度值,则更新所述变异后的灰狼个体为新的β狼;
若所述变异后的灰狼个体适应度值大于当前β狼的适应度值且小于当前δ狼的适应度值,则更新所述变异后的灰狼个体为新的δ狼;
若所述变异后的灰狼个体的适应度值大于当前δ狼的适应度值,则不更新当前的α狼、β狼和δ狼。
9.根据权利要求3所述的卫星网络SDN多控制器部署方法,其特征在于,所述步骤S380包括:
循环所述步骤S330~S370进行迭代寻优,直至达到当前最大迭代次数,输出最优的α狼,并解码获得最优SDN多控制器部署方案。
10.一种卫星网络SDN多控制器部署系统,其特征在于,包括卫星网络架设模块、网络时延模型构建模块、计算模块和部署模块;
所述卫星网络架设模块用于架设基于SDN的卫星网络架构;
所述网络时延模型构建模块用于基于卫星网络构建网络时延模型;
所述计算模块用于基于改进的灰狼算法对所述网络时延模型进行求解,以获得最优SDN多控制器部署方案;
所述部署模块用于基于所述最优SDN多控制器部署方案对卫星网络进行部署。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210308392.2A CN114422366B (zh) | 2022-03-28 | 2022-03-28 | 一种卫星网络sdn多控制器部署方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210308392.2A CN114422366B (zh) | 2022-03-28 | 2022-03-28 | 一种卫星网络sdn多控制器部署方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114422366A true CN114422366A (zh) | 2022-04-29 |
CN114422366B CN114422366B (zh) | 2022-07-01 |
Family
ID=81262921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210308392.2A Active CN114422366B (zh) | 2022-03-28 | 2022-03-28 | 一种卫星网络sdn多控制器部署方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114422366B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115051749A (zh) * | 2022-08-15 | 2022-09-13 | 鹏城实验室 | 一种面向卫星组网的自动网络拓扑设计方法及相关设备 |
CN115225139A (zh) * | 2022-07-15 | 2022-10-21 | 中国人民解放军战略支援部队航天工程大学 | 一种卫星网络sdn多控制域的规划方法 |
CN117320027A (zh) * | 2023-11-30 | 2023-12-29 | 鹏城实验室 | 卫星网络的控制器部署方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108429633A (zh) * | 2018-01-18 | 2018-08-21 | 西南交通大学 | 基于灰狼算法的虚拟网络功能部署方法 |
CN110062390A (zh) * | 2019-04-19 | 2019-07-26 | 江西理工大学 | 基于改进狼群算法的无线传感器网络节点优化部署方法 |
CN110336751A (zh) * | 2019-07-26 | 2019-10-15 | 南京邮电大学 | 基于隶属函数的低轨卫星网络路由策略 |
CN110986747A (zh) * | 2019-12-20 | 2020-04-10 | 桂林电子科技大学 | 一种滑坡位移组合预测方法及系统 |
US20200343968A1 (en) * | 2019-04-29 | 2020-10-29 | Beijing University Of Posts And Telecommunications | Routing method and apparatus for sdn based leo satellite network |
CN112272381A (zh) * | 2020-10-22 | 2021-01-26 | 大连大学 | 一种卫星网络任务部署方法和系统 |
CN112817605A (zh) * | 2021-01-19 | 2021-05-18 | 鹏城实验室 | 一种软件定义卫星网络控制器部署方法、装置及相关设备 |
CN114158105A (zh) * | 2021-11-08 | 2022-03-08 | 石河子大学 | 应用于综合能源系统的无线传感器网络的路由方法及装置 |
-
2022
- 2022-03-28 CN CN202210308392.2A patent/CN114422366B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108429633A (zh) * | 2018-01-18 | 2018-08-21 | 西南交通大学 | 基于灰狼算法的虚拟网络功能部署方法 |
CN110062390A (zh) * | 2019-04-19 | 2019-07-26 | 江西理工大学 | 基于改进狼群算法的无线传感器网络节点优化部署方法 |
US20200343968A1 (en) * | 2019-04-29 | 2020-10-29 | Beijing University Of Posts And Telecommunications | Routing method and apparatus for sdn based leo satellite network |
CN110336751A (zh) * | 2019-07-26 | 2019-10-15 | 南京邮电大学 | 基于隶属函数的低轨卫星网络路由策略 |
CN110986747A (zh) * | 2019-12-20 | 2020-04-10 | 桂林电子科技大学 | 一种滑坡位移组合预测方法及系统 |
CN112272381A (zh) * | 2020-10-22 | 2021-01-26 | 大连大学 | 一种卫星网络任务部署方法和系统 |
US11265077B1 (en) * | 2020-10-22 | 2022-03-01 | Dalian University | Method for deploying task in satellite network |
CN112817605A (zh) * | 2021-01-19 | 2021-05-18 | 鹏城实验室 | 一种软件定义卫星网络控制器部署方法、装置及相关设备 |
CN114158105A (zh) * | 2021-11-08 | 2022-03-08 | 石河子大学 | 应用于综合能源系统的无线传感器网络的路由方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225139A (zh) * | 2022-07-15 | 2022-10-21 | 中国人民解放军战略支援部队航天工程大学 | 一种卫星网络sdn多控制域的规划方法 |
CN115225139B (zh) * | 2022-07-15 | 2023-03-10 | 中国人民解放军战略支援部队航天工程大学 | 一种卫星网络sdn多控制域的规划方法 |
CN115051749A (zh) * | 2022-08-15 | 2022-09-13 | 鹏城实验室 | 一种面向卫星组网的自动网络拓扑设计方法及相关设备 |
CN115051749B (zh) * | 2022-08-15 | 2022-11-04 | 鹏城实验室 | 一种面向卫星组网的自动网络拓扑设计方法及相关设备 |
CN117320027A (zh) * | 2023-11-30 | 2023-12-29 | 鹏城实验室 | 卫星网络的控制器部署方法 |
CN117320027B (zh) * | 2023-11-30 | 2024-02-13 | 鹏城实验室 | 卫星网络的控制器部署方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114422366B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114422366B (zh) | 一种卫星网络sdn多控制器部署方法及系统 | |
CN107276662B (zh) | 一种软件定义空间信息网络多控制器动态部署方法 | |
Faraci et al. | Fog in the clouds: UAVs to provide edge computing to IoT devices | |
JP6323733B2 (ja) | ソフトウェア・デファインド・ネットワークにおけるゾーニングのためのシステムおよび方法 | |
Tang | Dynamically adaptive cooperation transmission among satellite-ground integrated networks | |
Mirzasoleiman et al. | Cascaded failures in weighted networks | |
WO2015096761A1 (en) | Traffic behavior driven dynamic zoning for distributed traffic engineering in sdn | |
CN106713147B (zh) | 面向geo/leo双层卫星网络的抗毁路由方法 | |
CN115242295B (zh) | 一种卫星网络sdn多控制器部署方法及系统 | |
CN108684046B (zh) | 一种基于随机学习的接入网服务功能链部署方法 | |
CN112817605A (zh) | 一种软件定义卫星网络控制器部署方法、装置及相关设备 | |
CN112543151B (zh) | Sdn控制器部署方法、装置、电子设备和存储介质 | |
Chen et al. | Multi-tier hybrid offloading for computation-aware IoT applications in civil aircraft-augmented SAGIN | |
CN115333606A (zh) | 面向低轨星座存储网络的分布式编码数据下载与修复方法 | |
Sharif et al. | Space-aerial-ground-sea integrated networks: Resource optimization and challenges in 6G | |
Bayram et al. | Determining optimal paths of virtual links in Avionics Full-Duplex Switched Ethernet networks using modified ant colony optimization algorithm | |
Dai et al. | Intelligent gateway placement in satellite-terrestrial integrated network | |
Mobasheri et al. | Toward developing fog decision making on the transmission rate of various IoT devices based on reinforcement learning | |
Meraihi et al. | A hybrid quantum evolutionary algorithm with cuckoo search algorithm for QoS multicast routing problem | |
Buzzi et al. | Autonomous Delay Tolerant Network Management Using Reinforcement Learning | |
CN112399483B (zh) | 基于GNs图预测器的约束路由控制系统 | |
Li et al. | A GA-based strategy for deploying cable connected roadside units in VANETs | |
Chi et al. | Optimal placement of multi-controller considering load balance and control delay in software defined satellite network | |
Juzoji et al. | A development of network topology of wireless packet communications for disaster situation with genetic algorithms or with dijkstra's | |
Moila et al. | Optimisation of cuckoo search algorithm to improve quality of service routing in cognitive radio ad hoc networks |
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 |