CN114499639A - 一种低轨卫星网络中多QoS约束的蚁群优化路由方法 - Google Patents

Abstract

本发明属于卫星通信技术领域，涉及一种低轨卫星网络中多QoS约束的蚁群优化路由方法；所述方法包括根据基于链路QoS信息的状态转移规则，作为蚂蚁选择下一跳节点的依据；蚂蚁每次在选择下一跳卫星节点时，充分考虑了链路的状态信息，使得蚂蚁倾向于选择满足链路QoS信息的路径，并在出现路径偏差的时能及时进行调整，增强了蚂蚁搜索的方向性，而且依据概率进行选路的策略，避免了出现停滞现象。在信息素的更新规则中引入了正反馈和负反馈机制，对本次迭代中的最优路径给予奖励，增大其释放的信息素量，对本次迭代的最差路径进行惩罚，减小其释放的信息素量，正负反馈机制的结合使得蚁群算法得以自组织进化，从而找到满足QoS需求的路径。

Description

一种低轨卫星网络中多QoS约束的蚁群优化路由方法

技术领域

本发明属于卫星通信技术领域，涉及一种低轨卫星网络中多QoS约束的蚁群优化路由方法。

背景技术

由于我国地理条件复杂多样，在大量条件恶劣和环境复杂的地区(如高山、河流和自然灾害等)，陆地通信系统无法实现完全覆盖，并且建设维护成本高，技术难度大；而卫星通信系统因实时覆盖范围广、传输容量大、稳健性高、抗毁能力强等优势，成为地面移动通信网络的延伸，是实现未来网络全球化通信的重要方式之一。

随着微卫星网络的兴起，大量低地球轨道卫星已经可以实现无缝覆盖的全球通信，低轨卫星(Low Orbit Earth，LEO)由于具有大带宽、高质量、传输时延低以及可以忽略地形限制进行点对点通信等优点而成为研究的热点。近年来，国内外已经实现了LEO与5G网络架构的初步融合。但是，由于LEO卫星网络具有拓扑结构动态变化、星间链路频繁切换以及星上存储和计算能力有限的特点，地面路由协议很难直接应用到卫星网络中。此外，由于卫星网络数据业务的发展，卫星网络承载的业务种类不断增加，用户对网络传输的各项路由指标提出了更高的要求，服务质量(Quality of Service，QoS)路由也受到越来越多的重视。因此，设计一种能为业务提供QoS保障的路由算法已经成为卫星网络研究的热点。

目前，基于虚拟拓扑的路由策略采用集中式计算路由方式，其服务质量有限，灵活性和鲁棒性较差，难以满足用户多种类业务的传输需求；基于蚁群算法的分布式路由策略，以寻找最短路径为优化目标，并未充分考虑链路的QoS属性信息，并且容易陷入局部最优解；基于跨层设计的蚁群优化路由算法，将不敏感的业务通过高层进行传输，保证了收敛速度，但是只考虑了时延属性。在上述所提路由算法中，都只考虑了单个QoS指标的优化；另一方面，随着网络规模的不断增加，一些算法的计算复杂度和维护成本过高，导致星上路由开销过大。

发明内容

而蚁群算法具有并行性和分布式计算的特点，且可以用来解决多目标优化的问题。因此，本发明提出一种低轨卫星网络中基于多QoS约束的蚁群优化路由方法，综合考虑端到端时延、剩余带宽和丢包率，为每一条业务请求求解出QoS指标最优的路径。

一种低轨卫星网络中多QoS约束的蚁群优化路由方法，所述方法包括：

S1、基于低轨卫星网络拓扑图，选择出任意源卫星节点和目的卫星节点，并从源卫星节点发送数据包；

S2、根据基于多QoS约束的状态转移规则选择出下一跳卫星节点，并将选择出的卫星节点加入禁忌表中；

S3、判断选择出的当前卫星节点是否为目的卫星节点，若不是，则继续进行路径搜索，否则存储路由路径并将蚂蚁数量加1执行步骤S4；

S4、判断所有蚂蚁是否都完成寻路，若完成路径搜索，则根据信息素更新规则进行信息素浓度的更新并将迭代次数加1执行步骤S5，否则转到步骤S2；

S5、判断是否达到最大迭代次数，若达到最大迭代次数，则比较所有的路由路径，找出最优传输路径输出，否则转到步骤S2。

本发明适用于低轨卫星网络中，主要考虑用户的多QoS需求，本发明的优点如下：

1、本发明定义了基于链路QoS信息的状态转移规则，作为蚂蚁选择下一跳节点的依据。蚂蚁每次在选择下一跳卫星节点时，充分考虑了链路的状态信息，使得蚂蚁倾向于选择满足链路QoS信息的路径，并在出现路径偏差的时能及时进行调整，增强了蚂蚁搜索的方向性，而且依据概率进行选路的策略，避免了出现停滞现象。

2、在信息素的更新规则中引入了正反馈和负反馈机制，提高了算法的搜索能力和搜索速度。当蚂蚁在寻路的过程中，信息素浓度会随着时间的推移而逐渐消散，为了避免陷入局部最优的情况，需要对路径上的信息素浓度进行更新，本发明利用正反馈和负反馈机制，对本次迭代中的最优路径给予奖励，增大其释放的信息素量，对本次迭代的最差路径进行惩罚，减小其释放的信息素量，正反馈机制使得蚂蚁开始逐渐接近最优解，而负反馈机制使得蚂蚁避免陷入局部最优和提高收敛速度。正负反馈机制的结合使得蚁群算法得以自组织进化，从而找到满足QoS需求的路径。

附图说明

图1为本发明采用的铱星系统卫星网络模型图；

图2为本发明低轨卫星网络中基于多QoS约束的蚁群优化路由方法流程图；

图3为本发明与其他算法在平均端到端时延上的对比图；

图4为本发明与其他算法在平均丢包率上的对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对上述方法的不足，本发明提供一种低轨卫星网络中基于多QoS约束的蚁群优化路由方法。本发明适用于低轨卫星网络中，采用铱星系统作为卫星网络模型。铱星系统由分布于6个极轨道面的66颗卫星组成，轨道高度为780km，轨道倾角为86.4°。在本系统模型中，除极点地区和反向缝隙处不存在轨道间星间链路外，每颗LEO卫星都有4条星间链路：两条同轨道间的星间链路和两条异轨道间的星间链路，其中，同轨道间的星间链路始终存在，而异轨道间的星间链路随卫星的运动而运动。铱星系统网络模型如图1所示。

图2为本发明低轨卫星网络中基于多QoS约束的蚁群优化路由方法流程图，如图2所示，所述方法包括：

S1、基于低轨卫星网络拓扑图，选择出任意源卫星节点和目的卫星节点，并从源卫星节点发送数据包；

在本发明实施例中，首先需要将卫星网络动态拓扑静态化，从静态化的低轨卫星网络拓扑图中确定出源卫星节点和目的卫星节点，并找出优化路由，其中，由于卫星网络拓扑结构处于动态变化之中，本发明可以根据卫星网络的可预测性、周期性以及规则性等特性，采用虚拟拓扑来屏蔽网络拓扑的时变性，将连续变化[0,T]的拓扑结构离散化为若干个时间间隔[t₀＝0,t₁],[t₁,t₂],[t₂,t₃],…[t_n-1,t_n＝T]，假设在每个时间间隔内，拓扑结构恒定不变，网络拓扑的变换和星间链路的切换仅在每个时间片的开始时刻发生。

S2、根据基于链路QoS信息的状态转移规则选择出下一跳卫星节点，并将选择出的卫星节点加入禁忌表中；

在本发明实施例中，在本步骤之前还可以包括初始化步骤，即需要初始化源卫星节点、目的卫星节点、理想路径的QoS属性值，蚂蚁总数量m，最大迭代次数NC_max等。

在本发明实施例中，将蚁群算法引入到卫星网络中，让蚂蚁从源卫星节点出发并将其加入到禁忌表tatu_k中；蚂蚁会依据基于链路QoS信息的状态转移规则选择满足时延、带宽和丢包率要求的下一跳卫星节点，并将选择的节点加入禁忌表tatu_k中；即采用伪随机比例规则，并根据端到端时延、剩余带宽和丢包率计算出卫星节点链路的QoS状态值；将卫星节点链路的QoS状态值的倒数作为蚁群系统的启发函数，用于选择出下一跳卫星节点。

在本发明实施例中，为了构建出基于链路QoS信息的状态转移规则，首先需要构建出多约束QoS目标函数模型，本发明中考虑端到端时延、剩余带宽和丢包率对路径选择的影响，通过路径的实际值与理想值之间的“接近”程度来衡量路径的好坏。首先构建多目标路由代价函数，其次将路由问题转化为多目标约束的问题，从而建立多QoS约束的路由模型如下：

其中，F表示多目标路由代价，e(i,j)表示卫星节点i和卫星节点j之间的链路，P表示从源卫星节点到目的卫星节点的路径，d_ij表示卫星节点i和卫星节点j之间的链路时延，λ₁表示卫星链路时延的QoS属性约束优先系数，D表示卫星链路时延的理想QoS属性约束值；b_ij表示卫星节点i和卫星节点j之间的链路剩余带宽，λ₂表示链路剩余带宽的QoS属性约束优先系数，B表示链路剩余带宽的理想QoS属性约束值；l_ij表示卫星节点i和卫星节点j之间的链路丢包率，λ₃表示链路丢包率的QoS属性约束优先系数，L表示链路丢包率的理想QoS属性约束值；λ₁+λ₂+λ₃＝1。

基于上述模型，本发明将链路QoS信息融入到蚁群算法的状态转移规则中，其中，当蚂蚁在选择下一跳卫星节点时，为了避免出现搜索的停滞现象，根据先验知识选择与概率驱动，其状态转移规则采用伪随机比例规则，公式如下：

其中，j表示卫星节点i转移到卫星节点j的伪随机比例概率，τ_ij(t)表示时刻链路e(i,j)上的信息素。α和β分别表示蚂蚁在寻路过程中信息素和启发式因子的相对重要程度。q₀∈[0,1]为一个常数，q是一个随机数，J如下式所示：

其中，A表示可行卫星节点集合，即蚂蚁k下一跳可以选择的卫星节点集。η_ij(t)为启发函数，为了增强蚂蚁搜索路径的方向性，并且满足用户的多QoS需求，因此将链路的QoS信息考虑在内，其启发函数如下：

其中，w_ij(t)表示t时刻链路e(i,j)的QoS状态值。

在上述过程中，本发明定义了基于链路QoS信息的状态转移规则，作为蚂蚁选择下一跳节点的依据。蚂蚁每次在选择下一跳卫星节点时，充分考虑了链路的状态信息，使得蚂蚁倾向于选择满足链路QoS信息的路径，并在出现路径偏差的时能及时进行调整，增强了蚂蚁搜索的方向性，而且依据概率进行选路的策略，避免了出现停滞现象。

S3、判断选择出的当前卫星节点是否为目的卫星节点，若不是，则继续进行路径搜索，否则存储路由路径并将蚂蚁数量加1执行步骤S4；

在本实施例中，需要对蚂蚁选择出的卫星节点进行判断，如果是目的卫星节点，则可以进入步骤S4，否则继续进行路径搜索。

S4、判断所有蚂蚁是否都完成寻路，若完成路径搜索，则根据信息素更新规则进行信息素浓度的更新并将迭代次数加1执行步骤S5，否则转到步骤S2；

在本发明实施例中，判断所有蚂蚁是否都完成寻路，即蚂蚁数量k＝m。若所有蚂蚁都完成路径的搜索，则根据新的信息素更新规则进行信息素浓度的更新并将迭代次数加1，执行步骤S5；否则，转到步骤S2。

由于蚂蚁在寻找最优路径的过程中，信息素会随着时间的推移而逐渐消散，因此，当所有蚂蚁完成一次循环后，需要对路径上的信息素浓度进行更新。采用全局信息素更新方式，通过找到本次循环中的最优路径和最差路径，利用正反馈和负反馈机制来进行信息素浓度的更新，如下式所示：

其中，ρ表示信息素挥发因子，且ρ∈(0,1)；m为蚂蚁总数量；M和N分别表示此次迭代中最优路径蚂蚁和最差路径蚂蚁的数量；τ_ij(t)表示蚂蚁在路径搜索过程中产生的信息素增量，

表示在(t,t+1)时间内第k只蚂蚁在链路e(i,j)上释放的信息素；

表示蚂蚁走过最优路径的信息素增量，

表示在(t,t+1)时间内第n蚂蚁在链路e(i,j)上释放的信息素；

表示蚂蚁走过最差路径的信息素增量，

表示在(t,t+1)时间内第a只蚂蚁在链路e(i,j)上释放的信息素；d_k表示本次循环中蚂蚁走过路径的长度；Q表示蚂蚁信息素总量；L_best和L_worst分别表示本次循环中蚂蚁走过的最优路径和最差路径的长度，其中链路e(i,j)即为路径(i,j)。

本发明在信息素的更新规则中引入了正反馈和负反馈机制，提高了算法的搜索能力和搜索速度。当蚂蚁在寻路的过程中，信息素浓度会随着时间的推移而逐渐消散，为了避免陷入局部最优的情况，需要对路径上的信息素浓度进行更新，本发明利用正反馈和负反馈机制，对本次迭代中的最优路径给予奖励，增大其释放的信息素量，对本次迭代的最差路径进行惩罚，减小其释放的信息素量，正反馈机制使得蚂蚁开始逐渐接近最优解，而负反馈机制使得蚂蚁避免陷入局部最优和提高收敛速度。正负反馈机制的结合使得蚁群算法得以自组织进化，从而找到满足QoS需求的路径。

S5、判断是否达到最大迭代次数，若达到最大迭代次数，则比较所有的路由路径，找出最优传输路径输出，否则转到步骤S2。

在本发明实施例中，判断是否达到最大迭代次数，即N＝NC_max。如果达到最大迭代次数，比较所有的路由路径，找出最优传输路径并输出，结束流程；否则，转到步骤S2继续寻找最优路由路径。

图3为DT-DVTR方法、传统ACO方法与本发明所提方法的平均端到端时延对比图。可以看出，随着仿真时间的增加，三种方法的平均端到端时延逐渐增加，并且本发明性能表现最优。这是由于DT-DVTR算法采用Dijkstra寻找最短路径，在网络处于非拥塞状态时，平均端到端时延略低；传统ACO方法仅仅根据卫星节点之间的距离进行路径选择，并未考虑端到端时延；而本文所提方法综合考虑链路的QoS信息，因此具有较好的时延性能。

图4为DT-DVTR方法、传统ACO方法与本发明所提方法的平均丢包率对比图。可以看出，随着仿真时间的增加，三种方法的丢包率呈上升趋势，并且本发明所提方法的丢包率略低于其他两种方法，这是由于改进的蚁群算法在对路径进行选择时考虑了链路的丢包信息，并且依据概率进行选路，有效避免了拥塞，缓解了丢包现象。

本发明是一种低轨卫星网络中多QoS约束的蚁群优化路由方法。本发明首先综合考虑端到端时延、剩余带宽和丢包率作为路径选择的子目标，进而建立多目标规划模型；其次，将链路的QoS信息引入到蚁群算法的启发函数中，使得蚂蚁在选择下一跳节点不仅仅依靠节点之间的距离，而是受多个因素共同影响，从而避免造成链路拥塞；采用全局信息素更新方式，当所有蚂蚁完成一次迭代后，利用正反馈和负反馈机制对信息素的浓度进行更新，正反馈机制缩小搜索范围，使得蚂蚁开始接近最优解，负反馈机制保持搜索范围，避免算法过早收敛，正负反馈机制的结合使得蚁群算法得以自组织进化，从而找到满足QoS需求的路径。因此所提的低轨卫星网络中多QoS约束的蚁群算法具有由比传统算法更优的性能。

在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“外”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋转”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，所述方法包括：

S1、基于低轨卫星网络拓扑图，选择出任意源卫星节点和目的卫星节点，并从源卫星节点发送数据包；

S2、根据基于链路QoS信息的状态转移规则选择出下一跳卫星节点，并将选择出的卫星节点加入禁忌表中；

S3、判断选择出的当前卫星节点是否为目的卫星节点，若不是，则继续进行路径搜索，否则存储路由路径并将蚂蚁数量加1执行步骤S4；

S4、判断所有蚂蚁是否都完成寻路，若完成路径搜索，则根据信息素更新规则进行信息素浓度的更新并将迭代次数加1执行步骤S5，否则转到步骤S2；

S5、判断是否达到最大迭代次数，若达到最大迭代次数，则比较所有的路由路径，找出最优传输路径输出，否则转到步骤S2。

2.根据权利要求1所述的一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，所述低轨卫星网络拓扑图基于虚拟拓扑的控制策略产生，具体包括根据卫星网络的可预测性、周期性以及规则性等特性，采用虚拟拓扑来屏蔽网络拓扑的时变性，将连续变化[0,T]的拓扑结构离散化为若干个时间间隔[t₀＝0,t₁],[t₁,t₂],[t₂,t₃],…[t_n-1,t_n＝T]，并令在每个时间间隔内，拓扑结构恒定不变，网络拓扑的变换和星间链路的切换仅在每个时间片的开始时刻发生。

3.根据权利要求1所述的一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，所述基于链路QoS信息的状态转移规则采用伪随机比例规则，并根据端到端时延、剩余带宽和丢包率计算出卫星节点链路的QoS状态值；将卫星节点链路的QoS状态值的倒数作为蚁群系统的启发函数，用于选择出下一跳卫星节点。

4.根据权利要求3所述的一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，卫星节点链路的QoS状态值的计算公式表示为：

其中，w_ij(t)表示t时刻链路e(i,j)的QoS状态值，e(i,j)表示卫星节点i和卫星节点j之间的链路，d_ij表示卫星节点i和卫星节点j之间的链路时延，λ₁表示卫星链路时延的QoS属性约束优先系数，D表示卫星链路时延的理想QoS属性约束值；b_ij表示卫星节点i和卫星节点j之间的链路剩余带宽，λ₂表示链路剩余带宽的QoS属性约束优先系数，B表示链路剩余带宽的理想QoS属性约束值；l_ij表示卫星节点i和卫星节点j之间的链路丢包率，λ₃表示链路丢包率的QoS属性约束优先系数，L表示链路丢包率的理想QoS属性约束值；λ₁+λ₂+λ₃＝1。

5.根据权利要求1所述的一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，所述信息素更新规则包括采用全局信息素更新方式，通过找到本次循环中的最优路径和最差路径，利用正反馈机制和负反馈机制来进行信息素浓度的更新。

6.根据权利要求5所述的一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，利用正反馈机制和负反馈机制来进行信息素浓度的更新的公式表示为：

其中，τ_ij(t+1)表示t+1时刻在链路e(i,j)上的信息素量；ρ为信息素挥发因子，ρ∈(0,1)；τ_ij(t)表示t时刻在链路e(i,j)上的信息素量；Δτ_ij(t)表示蚂蚁走过链路e(i,j)上的信息素增量；

表示蚂蚁经过最优路径的信息素增量；

表示蚂蚁经过最差路径的信息素增量；

表示在(t,t+1)时间内第k只蚂蚁在链路e(i,j)上释放的信息素。

7.根据权利要求6所述的一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，各个信息素增量的公式表示为：

其中，m表示蚂蚁总数量；M表示本次迭代中经过最优路径的蚂蚁数量，

表示在(t,t+1)时间内第n蚂蚁在链路e(i,j)上释放的信息素；N表示本次迭代中经过最差路径的蚂蚁数量，

表示在(t,t+1)时间内第a只蚂蚁在链路e(i,j)上释放的信息素。

8.根据权利要求7所述的一种低轨卫星网络中多QoS约束的蚁群优化路由方法，其特征在于，蚂蚁在链路e(i,j)上释放的信息素的公式表示为：

其中，Q表示信息素总量；d_k表示本次循环中蚂蚁走过路径的长度；L_best表示本次循环中蚂蚁走过最优路径的长度；L_worst表示本次循环中蚂蚁走过最差路径的长度。

Images