CN115134928A - 频段路由优化的无线Mesh网络拥塞控制方法 - Google Patents
频段路由优化的无线Mesh网络拥塞控制方法 Download PDFInfo
- Publication number
- CN115134928A CN115134928A CN202210727266.0A CN202210727266A CN115134928A CN 115134928 A CN115134928 A CN 115134928A CN 202210727266 A CN202210727266 A CN 202210727266A CN 115134928 A CN115134928 A CN 115134928A
- Authority
- CN
- China
- Prior art keywords
- frequency band
- network
- node
- link
- routing
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种频段路由优化的无线Mesh网络拥塞控制方法,提出了一套能将频谱资源与不均等的链路需求这二者相匹配,并提升网络有效吞吐量的对网络负载敏感的频段分配方案,设计的一套完善的无线Mesh网络资源分配方案在制定频段分配策略的同时考虑路由方法,频段分配优化整个网络链路负载情况,同时路由方法对网络的负载情况相互协调,这样在频段分配和路径选择之间就形成了一个环形协作,通过一组初始路由需求作为输入来解决这一问题,将频段分配与功率控制以及路径选择这两个子问题通过嵌套执行来实现对问题的链接优化,频段分配与路由优化相互协调促进网络拥塞控制,是网络的自配置、自组织可靠性更好,网络拥有更大覆盖范围、更高传输速度和更高通信质量。
Description
技术领域
本申请涉及一种频段分配与路由优化的网络拥塞控制方法,特别涉及一种频段路由优化的无线Mesh网络拥塞控制方法,属于网络通讯拥塞处理技术领域。
背景技术
近年来,随着无线移动通信领域技术的快速发展,形成了几种应用于不同场景的无线接入网络。但在移动互联网的庞大宽带需求和多样的业务需求下,现有技术的几种网络作为无线接入网络都难以提供令人满意的解决方案。如传统的蜂窝通信系统,因为需要利用基站为用户提供接入服务,高昂的部署成本使它在适用范围上有很大的限制,目前只适合人口集中、需求旺盛的区域。而现在被广泛使用的无线局域网络覆盖范围十分有限,只适合为较小区域内的高密度流动性用户提供接入热点。
无线Mesh网络是新型无线接入网络,它采用多跳的传输方式,具有自组织自配置的特点。作为下一代网络的主要技术其优势主要体现在组网灵活、网络覆盖范围广、网络可靠性强、组网成本低等多个方面。一直以来资源管理都是无线Mesh网络中最受关注的问题。虽然引入多射频多频段能够有效地提高网络容量,但邻近结点间存在的同频干扰问题给多射频多频段无线Mesh网络的频段分配带来了不小的挑战。目前应用于无线Mesh网络中的路由方法大多借鉴了移动Ad hoc网络中的路由方法并加以改进,显现出诸多不适应性。
信道调度方法满足逻辑拓扑图的连接约束,能够减少每个邻域内干扰链路的总数。同时能够简化寻路操作。基于上述的这些典型的方法和架构,现有技术已经有许多种不同的改进和优化方法相继被提出,通常分为两类。其中集中式方案需要一个网络控制器,它收集网络的拓扑信息并调度信道。现有的信道调度方法还可以分为静态和动态两种,静态方法永久地为每个接口调度频道,而动态方法允许每个接口在短期内改变其信道,如逐个分组地变换或者在较长的时间段,如每隔几分钟,进行变换。与静态方法不同,动态信道调度需要复杂的协调机制,以确保发送和接收路由接口同时使用相同的信道。另外,随着无线Mesh网络中跨层设计的兴起,还有很多不同的MRMC-WMNs链接设计方案被提出来,包括链接信道调度和路由的设计,链接路由和接口调度的设计以及链接信道调度和拥塞控制的设计。
综上,现有技术的无线网络通讯拥塞控制方法仍然存在若干问题和缺陷,本申请需要解决的问题和关键技术难点包括:
(1)当前邻近结点间存在的同频干扰问题给多射频多频段无线Mesh网络的频段分配带来了巨大挑战,现有技术应用于无线Mesh网络中的路由方法大多借鉴了移动Ad hoc网络中的路由方法并加以改进,显现出诸多不适应性,都未考虑到频段分配与路由之间存在相互耦合的关系,缺少链接优化和一套集中式的频段分配与路由选择机制,现有技术一般采用启发式方法,网络拥塞处理算法复杂度太高,缺少基于信号干扰、频段数量以及射频数量一系列网络约束建立完整的网络模型,缺少定义拥塞控制因子,没有将拥塞控制因子同时作为频段分配和路由的评估参数,无法兼顾网络吞吐量与结点公平性,缺少基于选择传播方法的求解方法,无法以较快的收敛速度得出近似最优的频段分配和路由方案,无法实现网络在降低干扰和负载均衡方面的最优化,整体网络的吞吐量较低,不能满足当前更大覆盖范围、更高传输速度和更高通信质量的无线网络接入需求。
(2)在每个结点拥有多个网络接口的多频段无线Mesh网络中频段分配的目标是提高虚拟链路的有效带宽,满足更大负载需求。但现有技术的分配方式带来的性能上的提高是非常有限的,因为每个网络结点能配备的网络接口数和可供使用的不重叠频段数都有限,并且这些分配机制仅在网络中所有虚拟链路的负载相同时才适用,可这不符合现实,绝大多数情况下链路的数据流量会高于其他链路,理论上需要支持更大流量负载的链路应该被分配更多带宽,现有技术缺少一套能将频谱资源与不均等的链路需求这二者相匹配,并提升网络有效吞吐量的对网络负载敏感的频段分配方案,这一要求决定了一套完善的资源分配方案需要在制定频段分配策略的同时考虑路由方法。路由方法依赖于链路容量,链路容量受频段分配结果的影响,而频段分配又取决于整个网络链路负载情况,同时路由方法对网络的负载情况有很大影响,这样在频段分配和路径选择之间就形成了一个环形依赖,需要一组初始路由需求作为输入来解决这一问题,但现有技术缺少对应的解决方案,频段干扰较多、无法实现负载均衡,提造成整体网络的吞吐量较小,容易发生拥塞,在高负荷下的网络可靠性较差。
(3)通过理论和实验对比,现有技术的LC-AC算法在通信流数较少能使网络获得不错的吞吐量,但随着通信流数不断增加,网络吞吐量的增长明显放缓,造成这一问题的原因是LC-AC算法没有对信道分配与路由进行联合优化,缺少对全网负载情况的评价机制,当网络中流量达到一定程度后极易发生拥塞。而现有技术的ROSA算法因为进行了联合优化,整体性能有了很大的改善,虽然它尽量保证通信量大的链路能获得最够的网络资源,可是却没有考虑资源分配的公平性,同时还缺少功率控制。现有技术无法在路径选择时通过尽可能为后续通信需求预留更多的带宽来避免拥塞,无法在保证公平性的前提下以获取最优调度顺序的方式充分考虑了通信需求的差异性,无法同时还兼顾了功率控制对链路容量的影响,因此现有技术的ROSA等算法的基础上有进一步的性能提升,获得更大的网络吞吐量。
发明内容
本申请考虑到频段分配与路由之间存在相互耦合的关系,创造性的提出了采用链接优化的方法来解决资源分配问题,提出一套集中式的频段分配与路由选择机制,频段分配与路由选择的算法效率很高,基于信号干扰、频段数量以及射频数量一系列网络约束建立完整的网络模型,将多种因素综合考虑,定义拥塞控制因子,将拥塞控制因子同时作为频段分配和路由的评估参数,指标设置简明有效,兼顾了网络吞吐量与结点公平性,提出了基于选择传播方法的求解方法,以较快的收敛速度得出近似最优的频段分配和路由方案,实现网络在降低干扰和负载均衡方面的最优化,提升整体网络的吞吐量,加快网络响应速度,实现了高效可靠的无线Mesh网络拥塞控制。
为实现以上技术效果,本申请所采用的技术方案如下:
频段路由优化的无线Mesh网络拥塞控制方法,基于频段分配与路由之间的相互耦合关系,采用链接优化的方法解决资源分配问题,基于信号干扰、频段数量以及射频数量的一系列网络约束建立完整的网络模型,定义拥塞控制因子,将拥塞控制因子同时作为频段分配和路由的评估参数,兼顾网络吞吐量与结点公平性,设计基于选择传播方法的求解方法,以较快的收敛速度得出近似最优的频段分配和路由方案,实现网络在降低干扰和负载均衡方面的最优化,提升整体网络吞吐量;
通过如下具体步骤实现对所有结点的频段与功率分配以及路由的优化:
第一步:所有的路由结点将自身的位置信息、可用频段集和路由需求数据通过独立的控制频段传送至中央控制结点;
第二步:在汇集全网的拓扑信息与路由需求后,中央控制结点执行基于拥塞控制因子的资源分配与路由优化方法,得出当前网络状态下各结点的最优频段与功率分配方案以及针对全部路由需求的最优路径;
第三步:中央控制结点通过公共控制频段将方法执行结果发送给所有的路由结点,每个路由结点按照分配的频段和功率以及确定的最优路径进行路由进行数据传输。
优选地,无线Mesh拥塞控制网络模型:采用混合网络结构且仅考虑路由结点,在X×Y的信号覆盖范围内随机部署V={i|1≤i≤N}个无线路由结点,以集合CN={1,2,…,C}来表示全网所有可用的正交频段,采用集中式方法任意取其中一条频段作为控制频段被全部结点共享,网络中每个无线路由结点具有的射频接口数量都相同,接口数以UN表示,如果用Ci表示任意无线路由结点i的可用正交频段集,它总是满足Ci∈C,划分出Q个离散的功率等级方便进行功率控制,QN={1,2,…,Q},与频段一同被分配给各个结点或者链路,假设无线路由结点的集合用V表示,网络数据链路的集合用E表示,Eij∈E,用有向图G(V,E)描述刚建立无线Mesh网络模型。
传输功率、传输距离及路径损耗指数三个变量影响结点间的干扰,假设结点传输功率为Pq时产生的干扰距离DI为传输距离Rq的η(η≥1)倍,即:
DI=η·Rq 式3
得到干扰模型。
优选地,频段分配模型:定义链路频段分配向量表示链路eij是否被分配频段c进行数据传输,当链路被分配频段c时,否则规定同一时刻任意数据链路只能被分配不超过一个通信频段,控制在无线Mesh网络中因链路多并发传输造成信号干扰和数据包无序传输,频段分配向量表示为:
N为部署的结点数量。
优选地,拥塞控制因子:假设存在两条均单向传输的数据链路eij和euv,i,u为信号发射结点,u、v为信号接收结点,如果其中一条链路的信号接收结点在另一条链路的信号发送结点的干扰范围内,这两条链路互为潜在干扰链路,只有在两个潜在干扰链路eij和euv都采用频段m进行数据传输的情况下,即eij和euv互为干扰链路,定义链路eij在使用频段c与功率q进行数据传输时的链路容量为Hij(c,q),即:
式中,Bc表示频段c的带宽,Nij(c,q)表示链路因为使用频段c与功率Pq进行数据传输而对应产生的干扰的连接集;
为了控制网络拥塞的发生,保证链路eij上的汇聚流量不大于链路eij的链路容量,即:
定义网络拥塞控制因子λmin,表示为:
λmin=mineij∈Fλij 式11
网络拥塞控制因子λmin为网络中最拥塞链路的λij。
网络中所有结点对任意的通信需求αsd,都满足流量守恒,假定对任意结点s、d、i、j∈N,c∈CN,流量守恒定律表示为:
在任意一个通信需求涉及的所有结点中,按所处位置的不同将结点分为三类,分别是源结点、中间结点和目标结点,上式表示的是网络中任意结点在分别作为其中一种时的净流量,如果结点i是源结点,流量只从该结点流出,净流量值为αsd,如果i是目标结点,代表只有流量流入该结点,净流量值为-αsd,若i是中间结点,流出流量等于流入流量,净流量值为0;
将无线Mesh网络中基于拥塞控制因子的分配与路由优化的问题概括为:尽可能控制网络拥塞使网络吞吐量最大化,依据网络结点的部署和已知的全网通信需求R={αsd|s,d∈V},链接最优路径选择为整个网络寻找一种频段与功率分配方案来满足所有通信需求,形式上表示为:
其中,链路拥塞控制因子λij与网络拥塞控制因子λmin不同,对以上参数的计算必须先得到链路容量与实际负载,对应的先确定链路的频段分配向量与分配的功率等级q,对每条数据链路可能的资源分配用解集合表示,解空间的大小为(C×Q)Ne,Ne为链路数,在寻找最优分配方案的过程中需要搜索的可能解的数量随Ne的增加呈指数级增长。
优选地,基于拥塞控制的频段分配与路由优化方法:结点拓扑与全网通信需求作为输入,输出分为两部分,分别是最优频段分配方案和最优路径;
包含两个循环,分别对应基于选择传播方法的频段分配和基于传播选择方法的路由优化,路由优化是最优路由调度顺序的确定和最优路径的选择,首先外层传播根据网络拓扑进行种群初始化,产生随机分配方案后进行选择传播编码,每一个结点的频段分配方案经过编码成为外层选择中个体的一段信息素,基于所有结点的分配结果,计算出全网链路的链路容量。
此时对拥塞控制问题进行简化,如式15所示:
在经过简化后任然是NP-hard问题,有待内层循环的进一步处理;
内层传播求解最优路由调度顺序,根据全网路由需求产生初始种群,产生随机的路由调度顺序后进行选择传播编码,最后进行最优路径选择,采用将链路容量作为每条链路的权值改进的最短路径方法,路径的选择判据是该路径的拥塞控制因子,最优路径是具有最大拥塞控制因子λmin的路径,并且内层选择传播对个体适应度的评估也是基于拥塞控制因子,拥塞控制因子值越大个体适应性越强,反之则越弱,经过多次循环选择传播操作后内层选择传播方法能收敛于一个最优解,即当前路由需求下的最优路由调度顺序,至此,本次内层选择传播方法结束,最优路径选择方法获取当前频段分配方案和最优路由调度顺序下的最优路径和对应的最大拥塞控制因子,它将被用于外层选择传播方法的个体适应度评估中;
最后外层选择传播方法进行个体适应度评估,执行选择传播操作后得到对前一次的频段与功率分配的改进方案,进一步增大拥塞链路的链路容量,然后进入下一轮循环,上述过程经过有限次循环后即可获取所求的最优频段与功率分配方案,另外,每次内层循环结束时记录最优路径选择方法得出的最优路径,当方法整体运行结束获取最优频段与功率分配方案下针对所有路由需求的最优路径。
优选地,频段分配计算:通过编码将独立的参数作为信息并按一定的结构组成信息素,用编码来表示解,外层选择传播采用的编码方案是将频段与功率作为选择传播信息,全网结点的分配方案整体作为信息素,用结点的频段向量表示频段的分配情况、功率向量表示功率分配情况,假设网络中的可用频段总数为C,功率等级数为Q,定义频段向量表示结点i能被分配的所有频段,其中cij满足:
在外层选择传播完成对种群中所有个体的编码以后,产生全网的随机资源分配方案,此时整个网络的拓扑已经确定,由此生成容量矩阵来记录网络拓扑中所有链路的链路容量,进入内层循环后执行内层选择传播方法和最优路径选择方法,等待内层循环结束,用得到的最大拥塞控制因子来评估外层个体的适应度;
在进行个体选择时采用选择概率与个体适应度值成正比的轮盘赌选择法,对于求解最大化问题,先将种群中所有个体的适应值进行累加,然后将每个个体的适应值分别与之比较的出得出各自的选择概率,接着形成依据个体的累计选择概率划分间隔的轮盘,最后生成0到1之间的随机数,通过判断随机数落入轮盘的哪一个区域来选择进入子代的个体,如果个体i的适值函数用f(i)表示,种群中个体总数为N,则每个个体的选择概率表示为:
种群中同代个体在信息素交叉过程中选择传播信息有机会进行重新组合,具有较高适应度的个体有机会融合产生更优秀的新个体,将对全网的分配结果按不同结点划分成独立的子串,对全部子串采用随机单点交叉算子。
优选地,路由优化:
通过求出对全网通信需求的最优调度顺序进一步提高方法的性能,采用传播选择方法,利用它快的快速搜索能力求解最优路由调度顺序;
对路由调度顺序直接编码,信息素用定长的字母串表示为假设网络中有9条数据链路通信需求,一个随机个体的编码序列为(m4,m2,ml,m9,m5,m7,m9,m3,m6),内层传播选择的交叉算子采用改进的顺序交叉法;
首先确定交叉片段在父代信息素R1与R2中的位置,然后两信息素复制该片段并相互交换,将其置于各自最前端的到中间信息素R1m和R2m,最后保持中间信息素中的交叉片段不变,去除重复的序列号,得到最终的下一代信息素R1’和R2’,信息重组后与外层传播选择相同的倒位变异算子,最后同样进行种群更新;
在已根据全网路由需求确定路由调度顺序的情况下,依照调度顺序选择具有最大拥塞控制因子的路径,增强网络针对后续传输负载的承受能力;
定义全部结点集为N,己访问结点集为S,未访问结点集为U,任意链路lij的带宽为bij,结点i到j的最大带宽为Bij,最优路径选择方法的步骤如下:
第1步:S={s},P=N-{s},Bsj=bsj,如果j与s不相邻,则bsj=-∞;
第2步:求解Bsk=maxj∈UBsj,更新S与U,S=S∪{k},U=U\{k},如果S=N,方法结束;
第3步:对j∈U,计算Bsj=maxj∈U{Bsj,min{Bsk,bkj}},返回第2步;
第4步:根据通信需求和选出的最优路径更新所有链路的剩余链路容量。
与现有技术相比,本申请的创新点和优势在于:
(1)本申请考虑到频段分配与路由之间存在相互耦合的关系,创造性的提出了采用链接优化的方法来解决资源分配问题,提出一套集中式的频段分配与路由选择机制,频段分配与路由选择的算法效率很高,针对性更强,基于信号干扰、频段数量以及射频数量一系列网络约束建立完整的网络模型,将多种因素综合考虑,定义拥塞控制因子,将拥塞控制因子同时作为频段分配和路由的评估参数,指标设置简明有效,兼顾了网络吞吐量与结点公平性,创造性的提出了基于选择传播方法的求解方法,以较快的收敛速度得出近似最优的频段分配和路由方案,实现网络在降低干扰和负载均衡方面的最优化,提升整体网络的吞吐量,加快网络响应速度,实现了高效可靠的无线Mesh网络拥塞控制。
(2)本申请创造性的提出了一套能将频谱资源与不均等的链路需求这二者相匹配,并提升网络有效吞吐量的对网络负载敏感的频段分配方案,设计的一套完善的无线Mesh网络资源分配方案在制定频段分配策略的同时考虑路由方法,路由方法依赖于链路容量,链路容量受频段分配结果的影响,而频段分配又取决于整个网络链路负载情况,同时路由方法对网络的负载情况有很大影响,这样在频段分配和路径选择之间就形成了一个环形依赖,通过一组初始路由需求作为输入来解决这一问题,将频段分配与功率控制以及路径选择这两个子问题通过嵌套执行来实现对问题的链接优化,频段分配与路由优化相互协调促进网络拥塞控制,是网络的自配置、自组织可靠性更好,网络拥有更大覆盖范围、更高传输速度和更高通信质量。
(3)本申请网络拥塞控制采用了最优路由调度顺序对算法性能的提升,实现了高效的频段分配和路由优化,将本申请算法与采用随机路由调度顺序的相同算法进行对比,证明了选择传播算法的快速搜索最优解的能力,相较于随机调度在最优路由调度顺序下进行路径选择有性能提升,它充分利用跨层设计的优势,能进一步增大网络拥塞避免因子,本申请在路由优化中对最优路由调度顺序的求解非常巧妙。通过与LC-AC及ROSA算法进行对比实验,验证了本申请算法在增大网络吞吐量上所获得的性能提升,本申请算法在路径选择时通过尽可能为后续通信需求预留更多的带宽来避免拥塞,在保证公平性的前提下以获取最优调度顺序的方式充分考虑了通信需求的差异性,同时还兼顾了功率控制对链路容量的影响,因此能在ROSA算法的基础上有进一步的性能提升,获得更大的网络吞吐量,能够适应各种复杂的网络环境。
附图说明
图1是无线Mesh网络有向图模型。
图2是最优频段分配方案和最优路径双层嵌套优化求解框架图。
图3是频段分配计算的编码方案示意图。
图4是频段分配计算的交叉操作示意图。
图5是频段分配计算的变异操作示意图。
图6是改进的顺序交叉法的执行过程示意图。
图7是路由优化的最优路径比较示意图。
图8是实验部分全网的路由需求情况参考图。
图9是实验部分最终仿真生成的网络拓扑结构图。
图10是本申请几种旋律提取方法的评估结果示意图。
图11是最优调度顺序与随机调度顺序拥塞避免系数的对比图。
图12是不同通信流数下累计网络吞吐量的对比图。
具体实施方式
下面结合附图,对本申请提供的频段路由优化的无线Mesh网络拥塞控制方法的技术方案进行进一步的描述,使本领域的技术人员能够更好的理解本申请并能够予以实施。
无线Mesh网络是新型无线接入网络,它采用多跳的传输方式,具有自组织自配置的特点。作为下一代网络的主要技术其优势主要体现在组网灵活、网络覆盖范围广、网络可靠性强、组网成本低等多个方面。一直以来资源管理都是无线Mesh网络中最受关注的问题。虽然引入多射频多频段能够有效地提高网络容量,但邻近结点间存在的同频干扰问题给多射频多频段无线Mesh网络的频段分配带来了不小的挑战。目前应用于无线Mesh网络中的路由方法大多借鉴了移动Ad hoc网络中的路由方法并加以改进,显现出诸多不适应性。本申请考虑到频段分配与路由之间存在相互耦合的关系,采用链接优化的方法,提出一套集中式的频段分配与路由选择机制。
基于频段分配与路由之间存在相互耦合关系,采用链接优化的方法来解决资源分配问题,基于信号干扰、频段数量以及射频数量一系列网络约束建立完整的网络模型,定义拥塞控制因子,将拥塞控制因子同时作为频段分配和路由的评估参数,兼顾网络吞吐量与结点公平性,设计基于选择传播方法的求解方法,以较快的收敛速度得出近似最优的频段分配和路由方案,实现网络在降低干扰和负载均衡方面的最优化,提升整体网络的吞吐量。
一、频段路由优化思路
在每个结点拥有多个网络接口的多频段无线Mesh网络中频段分配的目标是提高虚拟链路的有效带宽,满足更大负载需求。现有技术的分配方式带来的性能上的提高是很有限的,因为每个网络结点能配备的网络接口数和可供使用的不重叠频段数都有限,并且这些分配机制仅在网络中所有虚拟链路的负载相同时才适用,可这不符合现实,绝大多数情况下链路的数据流量会高于其他链路,理论上需要支持更大流量负载的链路应该被分配更多带宽。因此设计一套能将频谱资源与不均等的链路需求这二者相匹配,并提升网络有效吞吐量的对网络负载敏感的频段分配方案尤为必要,这一要求决定了一套完善的资源分配方案需要在制定频段分配策略的同时考虑路由方法。根据以上思路,路由方法依赖于链路容量,链路容量受频段分配结果的影响,而频段分配又取决于整个网络链路负载情况,同时路由方法对网络的负载情况有很大影响,这样在频段分配和路径选择之间就形成了一个环形依赖,需要一组初始路由需求作为输入来解决这一问题。
二、无线Mesh拥塞控制网络模型
多频段无线Mesh网络模型采用混合网络结构且仅考虑路由结点,在X×Y的信号覆盖范围内随机部署V={i|1≤i≤N}个无线路由结点,以集合CN={1,2,…,C}来表示全网所有可用的正交频段,采用集中式方法任意取其中一条频段作为控制频段被全部结点共享,网络中每个无线路由结点具有的射频接口数量都相同,接口数以UN表示,如果用Ci表示任意无线路由结点i的可用正交频段集,它总是满足Ci∈C,划分出Q个离散的功率等级方便进行功率控制,QN={1,2,…,Q},与频段一同被分配给各个结点或者链路,假设无线路由结点的集合用V表示,网络数据链路的集合用E表示,Eij∈E,用有向图G(V,E)描述刚建立无线Mesh网络模型,通过如图1的实例能更加直观地描绘上述无线Mesh网络系统,图例给出了网络的拓扑结构和频段与功率的分配结果,其中每个结点上方的每一个方框中的一组编号代表对该结点一个射频接口的频段与功率分配结果。
任意无线Mesh网络结点i与相邻结点j在彼此传输范围内至少拥有一个公共频段,保证网络的连通性,假设结点i采用功率等级q发送数据时能达到的最远传输距离为Rq,i与j之间的距离为dij,表示为且dij<Rq,间隔距离为d的结点要通信,必须保证两个结点的通信距离Rqx>d,结点需要被分配适当的通信功率等来级进行数据传输,即保证qx>qd。
(一)干扰模型
传输功率、传输距离及路径损耗指数三个变量影响结点间的干扰,假设结点传输功率为Pq时产生的干扰距离DI为传输距离Rq的η(η≥1)倍,即:
DI=η·Rq 式3
得到干扰模型。
(二)频段分配模型
定义链路频段分配向量表示链路eij是否被分配频段c进行数据传输,当链路被分配频段c时,否则规定同一时刻任意数据链路只能被分配不超过一个通信频段,控制在无线Mesh网络中因链路多并发传输造成信号干扰和数据包无序传输,频段分配向量表示为:
N为部署的结点数量。
(三)拥塞控制因子
假设存在两条均单向传输的数据链路eij和euv(i,u为信号发射结点,u、v为信号接收结点),如果其中一条链路的信号接收结点在另一条链路的信号发送结点的干扰范围内,这两条链路互为潜在干扰链路,只有在两个潜在干扰链路eij和euv都采用频段m进行数据传输的情况下,即eij和euv互为干扰链路,定义链路eij在使用频段c与功率q进行数据传输时的链路容量为Hij(c,q),即:
式中,Bc表示频段c的带宽,Nij(c,q)表示链路因为使用频段c与功率Pq进行数据传输而对应产生的干扰的连接集,对于任意一条链路,在其他因素不变的情况下,信号发射结点的传输功率越大或拥有的干扰链路数越少,具有更大的链路容量。
为了控制网络拥塞的发生,保证链路eij上的汇聚流量不大于链路eij的链路容量,即:
定义网络拥塞控制因子λmin,表示为:
λmin=mineij∈E λij 式11
网络拥塞控制因子λmin为网络中最拥塞链路的λij。
三、频段分配计算与路由优化模型
本申请在保证全网传输公平性的前提下,以最大限度控制网络拥塞为目标,结合路由优化计合适的频段与功率分配机制来提高拥塞链路的链路容量。全网的负载均衡通过为路由方法增加一些条件约束约束来实现,可是这样做却很容易导致路由方法选择的路径路由跳数过长,所以对任意源结点s到目标结点d的通信需求αsd,通过完整路径所需的跳数表示为规定路由跳数小于或者等于最大跳数τ,控制因数据长传输而引起的延迟,即:
网络中所有结点对任意的通信需求αsd,都满足流量守恒,假定对任意结点s、d、i、j∈N,c∈CN,流量守恒定律表示为:
在任意一个通信需求涉及的所有结点中,按所处位置的不同将结点分为三类,分别是源结点、中间结点和目标结点,上式表示的是网络中任意结点在分别作为其中一种时的净流量,如果结点i是源结点,流量只从该结点流出,净流量值为αsd,如果i是目标结点,代表只有流量流入该结点,净流量值为-αsd,若i是中间结点,流出流量等于流入流量,净流量值为0。
综上,将无线Mesh网络中基于拥塞控制因子的分配与路由优化的问题概括为:尽可能控制网络拥塞使网络吞吐量最大化,依据网络结点的部署和已知的全网通信需求R={αsd|s,d∈V},链接最优路径选择为整个网络寻找一种频段与功率分配方案来满足所有通信需求,形式上表示为:
其中,链路拥塞控制因子λij与网络拥塞控制因子λmin不同,对以上参数的计算必须先得到链路容量与实际负载,对应的先确定链路的频段分配向量与分配的功率等级q,对每条数据链路可能的资源分配用解集合表示,解空间的大小为(C×Q)Ne,Ne为链路数,在寻找最优分配方案的过程中需要搜索的可能解的数量随Ne的增加呈指数级增长,例如,某网络中有10条数据链路,且该网络中有3个可用正交频段、分有9个传输功率等级,那么解空间中可能的组合就有(3×9)10种。方法运行时计算机一次解空间搜寻的时间损耗按10s来计算,倘若采取穷举法,搜索整个解空间则需要耗时2710×10-6s。显然,尽管网络中只有10条数据链路穷举法也会因为效率太低而不具备可行性,亟需设计更高效的优化方法。
四、基于拥塞控制的频段分配与路由优化方法
对于本申请提出的问题,既可以将频段分配与功率控制以及路径选择这两个子问题解耦后分别处理,也可以将两者结合后统一处理。因为涉及到的多个问题相互依赖相互影响,使得分别求解方案难以进行,再加上无线Mesh网络中的频段分配与路由优化同属于NP-hard问题,分开处理反而会进一步增加方法的设计难度。本申请对两个子问题通过嵌套执行来实现对问题的链接优化。
(一)方法概述
结点拓扑与全网通信需求作为输入,输出分为两部分,分别是最优频段分配方案和最优路径,完整实行过程如图2所示。
包含两个循环,分别对应基于选择传播方法的频段分配和基于传播选择方法的路由优化,路由优化是最优路由调度顺序的确定和最优路径的选择,首先外层传播根据网络拓扑进行种群初始化,产生随机分配方案后进行选择传播编码,每一个结点的频段分配方案经过编码成为外层选择中个体的一段信息素,基于所有结点的分配结果,计算出全网链路的链路容量。
此时对拥塞控制问题进行简化,如式15所示:
在经过简化后任然是NP-hard问题,有待内层循环的进一步处理;
内层传播求解最优路由调度顺序,根据全网路由需求产生初始种群,产生随机的路由调度顺序后进行选择传播编码,最后进行最优路径选择,采用将链路容量作为每条链路的权值改进的最短路径方法,路径的选择判据是该路径的拥塞控制因子,最优路径是具有最大拥塞控制因子λmin的路径,并且内层选择传播对个体适应度的评估也是基于拥塞控制因子,拥塞控制因子值越大个体适应性越强,反之则越弱,经过多次循环选择传播操作后内层选择传播方法能收敛于一个最优解,即当前路由需求下的最优路由调度顺序,至此,本次内层选择传播方法结束,最优路径选择方法获取当前频段分配方案和最优路由调度顺序下的最优路径和对应的最大拥塞控制因子,它将被用于外层选择传播方法的个体适应度评估中。
最后外层选择传播方法进行个体适应度评估,执行选择传播操作后得到对前一次的频段与功率分配的改进方案,进一步增大拥塞链路的链路容量,然后进入下一轮循环,上述过程经过有限次循环后即可获取所求的最优频段与功率分配方案,另外,每次内层循环结束时记录最优路径选择方法得出的最优路径,当方法整体运行结束获取最优频段与功率分配方案下针对所有路由需求的最优路径。
通过如下具体步骤实现对所有结点的频段与功率分配以及路由的优化:
第一步:所有的路由结点将自身的位置信息、可用频段集和路由需求数据通过独立的控制频段传送至中央控制结点;
第二步:在汇集全网的拓扑信息与路由需求后,中央控制结点执行基于拥塞控制因子的资源分配与路由优化方法,得出当前网络状态下各结点的最优频段与功率分配方案以及针对全部路由需求的最优路径;
第三步:中央控制结点通过公共控制频段将方法执行结果发送给所有的路由结点,每个路由结点按照分配的频段和功率以及确定的最优路径进行路由进行数据传输。
(二)频段分配计算
通过编码将独立的参数作为信息并按一定的结构组成信息素,用编码来表示解,外层选择传播采用的编码方案是将频段与功率作为选择传播信息,全网结点的分配方案整体作为信息素,用结点的频段向量表示频段的分配情况、功率向量表示功率分配情况,假设网络中的可用频段总数为C,功率等级数为Q,定义频段向量表示结点i能被分配的所有频段,其中cij满足:
为简化方法,假定所有结点配置的射频接口数量相同,对各结点进行初始频段分配时,统一从全部C个可用频段中随机选择UN个频段,UN为射频接口个数,不仅每个结点被分配的频段数要小于射频接口数,同时任意结点在同一时刻建立的通信链路数也不大于射频接口数,满足如果某结点的cij=1,则表明该结点被分配频段,随之分配一个随机功率等级qij=rand(1,Q),进一步对结点的不同射频接口采用一种顺序资源分配策略,使频段和功率的编码与结点不同的无线端口之间能构成对应关系,假设在为某结点分配第n个频段时,确定是时频段j(1≤j≤C)﹐将频段j分配给该结点的第n个无线接口,且该接口使用的传输功率等级为qj,实现解空间到选择传播信息的直接映射,促进选择传播方法更快收敛。在C=5、I=2时,对四个网络结点执行个体编码方案。如图3所示,假设结点间的距离为d,且Rq1≤d≤Rq2,路由结点s1于s2之间能进行双向数据传输,结点s1的分配向量的2、3位为{11,23},结点s1的第1个射频接口被分配频段2、使用等级为2的功率进行传输,且结点2的分配向量1、2位为{11,22},结点2的第2个射频接口被分配频段2、使用等级为2的功率进行传输,存在公共频段且分配的功率满足传输条件。
在外层选择传播完成对种群中所有个体的编码以后,产生全网的随机资源分配方案,此时整个网络的拓扑已经确定,由此生成容量矩阵来记录网络拓扑中所有链路的链路容量,进入内层循环后执行内层选择传播方法和最优路径选择方法,等待内层循环结束,用得到的最大拥塞控制因子来评估外层个体的适应度。
在进行个体选择时采用选择概率与个体适应度值成正比的轮盘赌选择法,对于求解最大化问题,先将种群中所有个体的适应值进行累加,然后将每个个体的适应值分别与之比较的出得出各自的选择概率,接着形成依据个体的累计选择概率划分间隔的轮盘,最后生成0到1之间的随机数,通过判断随机数落入轮盘的哪一个区域来选择进入子代的个体,如果个体i的适值函数用f(i)表示,种群中个体总数为N,则每个个体的选择概率可表示为:
种群中同代个体在信息素交叉过程中选择传播信息有机会进行重新组合,具有较高适应度的个体有机会融合产生更优秀的新个体,将对全网的分配结果按不同结点划分成独立的子串,对全部子串采用随机单点交叉算子,交叉操作的具体过程如图4所示。
变异算子迫使个体产生新的信息,有机会在原信息空间未包含的部分中搜寻,它会延长能选择传播方法的收敛时间,降低过早收敛几率,在信息重组操作结束后,对双亲交叉产生的后代个体按概率Pm执行信息变异操作,在整个信息空间中仍以子串为单位发生变异,使用倒序变异机制对每个结点分配向量进行变异操作,如图5所示,子串s3发生变异,分配向量的4、5位{01,02}颠倒顺序后变成{10,20},产生新的子串s3'仍满足编码约束。
最后在产生的新个体的适应度较上一代个体的更高时,以进化得到的新个体进行替代,更新整个种群,本申请特别设计对相同个体的检测机制,控制选择传播信息的冗余,防止产生的重复个体进入种群,进一步提高了效率。
(三)路由优化
通过求出对全网通信需求的最优调度顺序进一步提高方法的性能,假如网络中存在n组通信需求,用结点对序列表示,与之对应的有n!种路由调度顺序的组合,如果对调度顺序进行遍历搜索,在网络规模较大且路由需求密集的情况下很难得到最优解,还会使方法整体效率低下。所以本申请采用传播选择方法,利用它快的快速搜索能力求解最优路由调度顺序。
因为问题的解是定长的非重复序列,恰好与路由调度顺序相对应,所以对路由调度顺序直接编码,信息素用定长的字母串表示为假设网络中有9条数据链路通信需求,一个随机个体的编码序列为(m4,m2,ml,m9,m5,m7,m9,m3,m6),内层传播选择的交叉算子采用改进的顺序交叉法,图6展示改进的顺序交叉法的执行过程。
首先确定交叉片段在父代信息素R1与R2中的位置,如图6中虚线划出的片段即为交叉片段,然后两信息素复制该片段并相互交换,将其置于各自最前端的到中间信息素R1m和R2m,最后保持中间信息素中的交叉片段不变,去除重复的序列号,得到最终的下一代信息素R1’和R2’,信息重组后与外层传播选择相同的倒位变异算子,最后同样进行种群更新。
在已根据全网路由需求确定路由调度顺序的情况下,依照调度顺序选择具有最大拥塞控制因子的路径,增强网络针对后续传输负载的承受能力。基于包含6个结点的网络拓扑图,其中每条链路的权值表示该链路在被分配频段与功率后所获取的链路容量值。
现有一个传输负载为5的路由需求(S1,S4),列出全部7条可行路径,如图7所示。相较于其他路径,路径7(S1-S6-S5-S4)的最拥塞链路l54的拥塞控制因子最大,因此应该将路径7选为当前的最优路径。
综上,选择最大拥塞控制因子路径的问题转化为最宽路径路由问题,采用改进的最短路径方法进行求解,在对任意通信需求进行最优路径选择时,只需将以路由跳数为判断依据的最短路径方法改成以链路的剩余链路容量为判断依据即可。
定义全部结点集为N,己访问结点集为S,未访问结点集为U,任意链路lij的带宽为bij,结点i到j的最大带宽为Bij,最优路径选择方法的步骤如下:
第1步:S={s},P=N-{s},Bsj=bsj,如果j与s不相邻,则bsj=-∞;
第2步:求解Bsk=maxj∈UBsj,更新S与U,S=S∪{k},U=U\{k},如果S=N,方法结束;
第3步:对j∈U,计算Bsj=maxj∈U{Bsj,min{Bsk,bkj}},返回第2步;
第4步:根据通信需求和选出的最优路径更新所有链路的剩余链路容量。
五、仿真实验与分析
(一)方法收敛性与复杂度分析
为保证选择传播方法能够收敛并且得到最优解,选择合适的选择算子、交叉算子和变异算子并确定对应的选择、交叉和变异概率是关键步骤。本申请提出的链接优化求解方法是由两个相互独立的选择传播方法嵌套组成,它们各自对于选择传播算子的选择已在前文做出了分析,而在对应的概率选择问题上,内、外层选择传播方法在每一轮进化中按适当比例淘汰适应值低的个体,以更优的新个体更新种群,且交叉操作每次均执行,发生信息变异的概率设定为pm∈(0,1)。理论上本申请设计的两层选择传播方法都能够收敛到最优解。可实际情况是在求解过程中,如果网络规模较大、结点数量较多或者链路通信需求较多,可能需要花费相当长的时间才能得到全局最优解。因此,为保证方法在实际应用中的可行性,适当降低对所寻求解的要求,转而求出折中的近似最优解。
通过在不同网络规模下进行多组实验并对实验结果进行归纳分析,总结出如下结论:假设网络中通信需求总量为R,部署的路由结点数为n、可用的正交频段数为C,内层选择传播方法能够在进化至R代前得出最优解,外层选择传播方法能够在进化至C×n代前得出最优解,所以将内、外层选择传播方法的选择传播代数分别限定在上述范围内。
选择传播方法的复杂度受编码、个体适应度评估及对应的选择传播算子的影响。如果基于与上面相同的假设,那么外层选择传播方法的信息素长度为2Cn,执行交叉操作和变异操作的时间复杂度为O(n)。对于方法内层而言,既包含内层选择传播方法还包含最优路径选择方法,因为最优路径选择需要构造路由树,而寻找最优路径的复杂度为O(n2),所以路径选择方法决定内层的复杂度。综上所述,用gl与g2表示两组选择传播方法的选择传播代数,pop1与pop2分别表示两组选择传播方法种群中个体的总数,本申请整体方法的复杂度为O(g1·pop1·(C·n+g2·pop2·n2))≤O(C·n·pop1·(C·n+D·pop2·n2))≈0(n3)。
(二)实验分析
通过使用Matlab模拟网络环境,进行4组仿真实验,分别从不同方面对方法的性能做出比较与评估来验证方法的有效性。假定网络的覆盖范围是800m×800m,在其中随机地部署25个路由结点。位于区域中央的15号结点是全网的控制结点,它具有网关功能。全网包含10个通信需求,单个路由需求的传输负载为2Mbps,路径损耗指数γ=4,限定路由选择的最长路径的跳数不超过τ=10,所有通信需求的最终目标结点均为网关结点。图8显示了全网的路由需求情况。
依以上设置,最终仿真生成的网络拓扑结构如图9所示。
所有路由结点均设有2个相同的射频接口,且每个无线射频接口都选择采用12个功率等级,最大传输距离为R=250m,最大干扰距离为R1=450m,整个网络的通信信道集包含6个802.1la正交信道,每个信道的最大传输速率为54Mbps,根据确定通信需求选择的最优路径如图10所示。
实验1:因为以不同的概率进行交叉和变异会对算法性能产生很大影响,所以首先考察算法在这两个变量取不同值时的运行情况。网络在具有25个路由结点的规模下,最终资源分配方案与路由结果所得到的最大网络拥塞避免因子随遗传代数的改变而变化,得到相应的变化情况。据此得出以下几点。首先总体的变化趋势为,最大网络拥塞避免因子随着遗传代数增加而不断增大,但增大速度逐渐放缓,直至遗传算法运行至200代左右,性能不再有所提升,优化结果已经逐渐趋于恒定。其次,当算法的交叉算子与变异算子的执行概率分别为Pc=1与Pm=0.10时,算法性能达到最优化。
实验2:为了证明采用最优路由调度顺序对算法性能的提升,将本申请算法与采用随机路由调度顺序的相同算法进行对比。网络结点部署情况及其它遗传算法参数设置均相同,为了方便比较使两种情况都以最佳状态运行,根据实验1得出的结论,应该以Pc=1与Pm=0.10分别进行交叉操作和变异操作,仿真结果如图11所示。由图可知,无论是否使用最优路由调度顺序算法均能快速收敛,这证明了选择传播算法的快速搜索最优解的能力,相较于随机调度在最优路由调度顺序下进行路径选择有性能提升,因它充分利用跨层设计的优势,能进一步增大网络拥塞避免因子。所以本申请在路由优化中对最优路由调度顺序的求解是十分必要的。
实验3:检验算法应对具有更多路由结点的网络的能力。与实验2相同,网络中有6个可用的正交信道,10个通信需求,以Pc=1与Pm=0.10分别进行交叉操作和变异操作。对算法在具有不同路由结点个数的网络中执行情况进行记录,通过对收敛代数进行归纳分析,可以发现即便是在具有更大规模的网络中算法仍然能快速收殓,收敛代数小于C×n,这足以证明本算法能适用于更加复杂的情况。
实验4:通过与LC-AC及ROSA算法进行对比实验,验证了本申请算法在增大网络吞吐量上所获得的性能提升。图12表示的是本申请算法对于不同的路由需求总量,与LC-AC及ROSA算法在累计吞吐量方面的性能对比情况。LC-AC算法在通信流数较少能使网络获得不错的吞吐量,但随着通信流数不断增加,网络吞吐量的增长明显放缓。造成这一问题的原因是LC-AC算法没有对信道分配与路由进行联合优化,缺少对全网负载情况的评价机制,当网络中流量达到一定程度后极易发生拥塞。而ROSA算法因为进行了联合优化,整体性能有了很大的改善,即使在网络具有较多通信流时仍能保证网络吞吐量的以较稳定的增幅上升。虽然它尽量保证通信量大的链路能获得最够的网络资源,可是却没有考虑资源分配的公平性,同时还缺少功率控制。本申请算法在路径选择时通过尽可能为后续通信需求预留更多的带宽来避免拥塞,在保证公平性的前提下以获取最优调度顺序的方式充分考虑了通信需求的差异性,同时还兼顾了功率控制对链路容量的影响,因此能在ROSA算法的基础上有进一步的性能提升,获得更大的网络吞吐量。
Claims (9)
1.频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,基于频段分配与路由之间的相互耦合关系,采用链接优化的方法解决资源分配问题,基于信号干扰、频段数量以及射频数量的一系列网络约束建立完整的网络模型,定义拥塞控制因子,将拥塞控制因子同时作为频段分配和路由的评估参数,兼顾网络吞吐量与结点公平性,设计基于选择传播方法的求解方法,以较快的收敛速度得出近似最优的频段分配和路由方案,实现网络在降低干扰和负载均衡方面的最优化,提升整体网络吞吐量;
通过如下具体步骤实现对所有结点的频段与功率分配以及路由的优化:
第一步:所有的路由结点将自身的位置信息、可用频段集和路由需求数据通过独立的控制频段传送至中央控制结点;
第二步:在汇集全网的拓扑信息与路由需求后,中央控制结点执行基于拥塞控制因子的资源分配与路由优化方法,得出当前网络状态下各结点的最优频段与功率分配方案以及针对全部路由需求的最优路径;
第三步:中央控制结点通过公共控制频段将方法执行结果发送给所有的路由结点,每个路由结点按照分配的频段和功率以及确定的最优路径进行路由进行数据传输。
2.根据权利要求1所述频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,无线Mesh拥塞控制网络模型:采用混合网络结构且仅考虑路由结点,在X×Y的信号覆盖范围内随机部署V={i|1≤i≤N}个无线路由结点,以集合CN={1,2,…,C}来表示全网所有可用的正交频段,采用集中式方法任意取其中一条频段作为控制频段被全部结点共享,网络中每个无线路由结点具有的射频接口数量都相同,接口数以UN表示,如果用Ci表示任意无线路由结点i的可用正交频段集,它总是满足Ci∈C,划分出Q个离散的功率等级方便进行功率控制,QN={1,2,…,Q},与频段一同被分配给各个结点或者链路,假设无线路由结点的集合用V表示,网络数据链路的集合用E表示,Eij∈E,用有向图G(V,E)描述刚建立无线Mesh网络模型。
4.根据权利要求1所述频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,频段分配模型:定义链路频段分配向量表示链路eij是否被分配频段c进行数据传输,当链路被分配频段c时,否则规定同一时刻任意数据链路只能被分配不超过一个通信频段,控制在无线Mesh网络中因链路多并发传输造成信号干扰和数据包无序传输,频段分配向量表示为:
N为部署的结点数量。
5.根据权利要求1所述频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,拥塞控制因子:假设存在两条均单向传输的数据链路eij和euv,i,u为信号发射结点,u、v为信号接收结点,如果其中一条链路的信号接收结点在另一条链路的信号发送结点的干扰范围内,这两条链路互为潜在干扰链路,只有在两个潜在干扰链路eij和euv都采用频段m进行数据传输的情况下,即eij和euv互为干扰链路,定义链路eij在使用频段c与功率q进行数据传输时的链路容量为Hij(c,q),即:
式中,Bc表示频段c的带宽,Nij(c,q)表示链路因为使用频段c与功率Pq进行数据传输而对应产生的干扰的连接集;
为了控制网络拥塞的发生,保证链路eij上的汇聚流量不大于链路eij的链路容量,即:
定义网络拥塞控制因子λmin,表示为:
网络拥塞控制因子λmin为网络中最拥塞链路的λij。
6.根据权利要求1所述频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,频段分配计算与路由优化模型:对任意源结点s到目标结点d的通信需求αsd,通过完整路径所需的跳数表示为规定路由跳数小于或者等于最大跳数τ,控制因数据长传输而引起的延迟,即:
网络中所有结点对任意的通信需求αsd,都满足流量守恒,假定对任意结点s、d、i、j∈N,c∈CN,流量守恒定律表示为:
在任意一个通信需求涉及的所有结点中,按所处位置的不同将结点分为三类,分别是源结点、中间结点和目标结点,上式表示的是网络中任意结点在分别作为其中一种时的净流量,如果结点i是源结点,流量只从该结点流出,净流量值为αsd,如果i是目标结点,代表只有流量流入该结点,净流量值为-αsd,若i是中间结点,流出流量等于流入流量,净流量值为0;
将无线Mesh网络中基于拥塞控制因子的分配与路由优化的问题概括为:尽可能控制网络拥塞使网络吞吐量最大化,依据网络结点的部署和已知的全网通信需求R={αsd|s,d∈V},链接最优路径选择为整个网络寻找一种频段与功率分配方案来满足所有通信需求,形式上表示为:
s.t.
7.根据权利要求1所述频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,基于拥塞控制的频段分配与路由优化方法:结点拓扑与全网通信需求作为输入,输出分为两部分,分别是最优频段分配方案和最优路径;
包含两个循环,分别对应基于选择传播方法的频段分配和基于传播选择方法的路由优化,路由优化是最优路由调度顺序的确定和最优路径的选择,首先外层传播根据网络拓扑进行种群初始化,产生随机分配方案后进行选择传播编码,每一个结点的频段分配方案经过编码成为外层选择中个体的一段信息素,基于所有结点的分配结果,计算出全网链路的链路容量;
此时对拥塞控制问题进行简化,如式15所示:
δij≤Hij
λij≤Hij-δij
在经过简化后任然是NP-hard问题,有待内层循环的进一步处理;
内层传播求解最优路由调度顺序,根据全网路由需求产生初始种群,产生随机的路由调度顺序后进行选择传播编码,最后进行最优路径选择,采用将链路容量作为每条链路的权值改进的最短路径方法,路径的选择判据是该路径的拥塞控制因子,最优路径是具有最大拥塞控制因子λmin的路径,并且内层选择传播对个体适应度的评估也是基于拥塞控制因子,拥塞控制因子值越大个体适应性越强,反之则越弱,经过多次循环选择传播操作后内层选择传播方法能收敛于一个最优解,即当前路由需求下的最优路由调度顺序,至此,本次内层选择传播方法结束,最优路径选择方法获取当前频段分配方案和最优路由调度顺序下的最优路径和对应的最大拥塞控制因子,它将被用于外层选择传播方法的个体适应度评估中;
最后外层选择传播方法进行个体适应度评估,执行选择传播操作后得到对前一次的频段与功率分配的改进方案,进一步增大拥塞链路的链路容量,然后进入下一轮循环,上述过程经过有限次循环后即可获取所求的最优频段与功率分配方案,另外,每次内层循环结束时记录最优路径选择方法得出的最优路径,当方法整体运行结束获取最优频段与功率分配方案下针对所有路由需求的最优路径。
8.根据权利要求1所述频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,频段分配计算:通过编码将独立的参数作为信息并按一定的结构组成信息素,用编码来表示解,外层选择传播采用的编码方案是将频段与功率作为选择传播信息,全网结点的分配方案整体作为信息素,用结点的频段向量表示频段的分配情况、功率向量表示功率分配情况,假设网络中的可用频段总数为C,功率等级数为Q,定义频段向量表示结点i能被分配的所有频段,其中cij满足:
在外层选择传播完成对种群中所有个体的编码以后,产生全网的随机资源分配方案,此时整个网络的拓扑已经确定,由此生成容量矩阵来记录网络拓扑中所有链路的链路容量,进入内层循环后执行内层选择传播方法和最优路径选择方法,等待内层循环结束,用得到的最大拥塞控制因子来评估外层个体的适应度;
在进行个体选择时采用选择概率与个体适应度值成正比的轮盘赌选择法,对于求解最大化问题,先将种群中所有个体的适应值进行累加,然后将每个个体的适应值分别与之比较的出得出各自的选择概率,接着形成依据个体的累计选择概率划分间隔的轮盘,最后生成0到1之间的随机数,通过判断随机数落入轮盘的哪一个区域来选择进入子代的个体,如果个体i的适值函数用f(i)表示,种群中个体总数为N,则每个个体的选择概率表示为:
种群中同代个体在信息素交叉过程中选择传播信息有机会进行重新组合,具有较高适应度的个体有机会融合产生更优秀的新个体,将对全网的分配结果按不同结点划分成独立的子串,对全部子串采用随机单点交叉算子。
9.根据权利要求1所述频段路由优化的无线Mesh网络拥塞控制方法,其特征在于,路由优化:
通过求出对全网通信需求的最优调度顺序进一步提高方法的性能,采用传播选择方法,利用它快的快速搜索能力求解最优路由调度顺序;
对路由调度顺序直接编码,信息素用定长的字母串表示为假设网络中有9条数据链路通信需求,一个随机个体的编码序列为(m4,m2,ml,m9,m5,m7,m9,m3,m6),内层传播选择的交叉算子采用改进的顺序交叉法;
首先确定交叉片段在父代信息素R1与R2中的位置,然后两信息素复制该片段并相互交换,将其置于各自最前端的到中间信息素R1m和R2m,最后保持中间信息素中的交叉片段不变,去除重复的序列号,得到最终的下一代信息素R1’和R2’,信息重组后与外层传播选择相同的倒位变异算子,最后同样进行种群更新;
在已根据全网路由需求确定路由调度顺序的情况下,依照调度顺序选择具有最大拥塞控制因子的路径,增强网络针对后续传输负载的承受能力;
定义全部结点集为N,己访问结点集为S,未访问结点集为U,任意链路lij的带宽为bij,结点i到j的最大带宽为Bij,最优路径选择方法的步骤如下:
第1步:S={s},P=N-{s},Bsj=bsj,如果j与s不相邻,则bsj=-∞;
第2步:求解Bsk=maxj∈UBsj,更新S与U,S=S∪{k},U=U\{k},如果S=N,方法结束;
第3步:对j∈U,计算Bsj=maxj∈U{Bsj,min{Bsk,bkj}},,返回第2步;
第4步:根据通信需求和选出的最优路径更新所有链路的剩余链路容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727266.0A CN115134928B (zh) | 2022-06-24 | 2022-06-24 | 频段路由优化的无线Mesh网络拥塞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727266.0A CN115134928B (zh) | 2022-06-24 | 2022-06-24 | 频段路由优化的无线Mesh网络拥塞控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115134928A true CN115134928A (zh) | 2022-09-30 |
CN115134928B CN115134928B (zh) | 2023-09-29 |
Family
ID=83379695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210727266.0A Active CN115134928B (zh) | 2022-06-24 | 2022-06-24 | 频段路由优化的无线Mesh网络拥塞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115134928B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117640380A (zh) * | 2024-01-25 | 2024-03-01 | 深圳市创凌智联科技有限公司 | 无线路由器传输速率切换方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105873219A (zh) * | 2016-05-30 | 2016-08-17 | 西安电子科技大学 | 基于GASE的TDMA无线Mesh网络资源分配方法 |
US20170206512A1 (en) * | 2005-10-04 | 2017-07-20 | Steven M. Hoffberg | Multifactorial optimization system and method |
CN108882298A (zh) * | 2018-07-06 | 2018-11-23 | 杭州电子科技大学 | 一种干扰受限的无线多跳网络联合拥塞控制与功率分配的二阶方法 |
CN109639575A (zh) * | 2019-02-02 | 2019-04-16 | 北京邮电大学 | 基于链路拥塞系数的路由规划方法 |
CN110190919A (zh) * | 2019-05-22 | 2019-08-30 | 东南大学 | 多射频多信道无线网络信道分配方法 |
CN111148116A (zh) * | 2019-12-11 | 2020-05-12 | 郑州大学 | 面向应急通信的wmn网关部署与信道分配联合优化算法 |
-
2022
- 2022-06-24 CN CN202210727266.0A patent/CN115134928B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170206512A1 (en) * | 2005-10-04 | 2017-07-20 | Steven M. Hoffberg | Multifactorial optimization system and method |
CN105873219A (zh) * | 2016-05-30 | 2016-08-17 | 西安电子科技大学 | 基于GASE的TDMA无线Mesh网络资源分配方法 |
CN108882298A (zh) * | 2018-07-06 | 2018-11-23 | 杭州电子科技大学 | 一种干扰受限的无线多跳网络联合拥塞控制与功率分配的二阶方法 |
CN109639575A (zh) * | 2019-02-02 | 2019-04-16 | 北京邮电大学 | 基于链路拥塞系数的路由规划方法 |
CN110190919A (zh) * | 2019-05-22 | 2019-08-30 | 东南大学 | 多射频多信道无线网络信道分配方法 |
CN111148116A (zh) * | 2019-12-11 | 2020-05-12 | 郑州大学 | 面向应急通信的wmn网关部署与信道分配联合优化算法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117640380A (zh) * | 2024-01-25 | 2024-03-01 | 深圳市创凌智联科技有限公司 | 无线路由器传输速率切换方法及系统 |
CN117640380B (zh) * | 2024-01-25 | 2024-04-02 | 深圳市创凌智联科技有限公司 | 无线路由器传输速率切换方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115134928B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arya et al. | Performance analysis of deep learning-based routing protocol for an efficient data transmission in 5G WSN communication | |
CN110086713B (zh) | 一种用于广域量子密钥分配网络的分域路由方法 | |
Han et al. | An effective multi-objective optimization algorithm for spectrum allocations in the cognitive-radio-based Internet of Things | |
Zhang et al. | Deep reinforcement learning for multi-agent power control in heterogeneous networks | |
Jia et al. | A genetic approach on cross-layer optimization for cognitive radio wireless mesh network under SINR model | |
CN103747530B (zh) | 部分重叠信道下的无线Mesh网络信道分配系统及方法 | |
Sarasvathi et al. | QoS guaranteed intelligent routing using hybrid PSO-GA in wireless mesh networks | |
Xu et al. | A simulated annealing based genetic local search algorithm for multi-objective multicast routing problems | |
Roy et al. | An efficient multi-objective QoS-routing algorithm for wireless multicasting | |
CN106789744A (zh) | 基于融合网络虚拟化带有时延感知的高吞吐资源调度方法 | |
CN107343303B (zh) | 无线Mesh网络中基于对偶分解的路由优化方法 | |
CN103781166B (zh) | 异构无线网络协作通信系统中的移动终端功率分配方法 | |
Wang et al. | Joint multicast routing and channel assignment for multi-radio multi-channel wireless mesh networks with hybrid traffic | |
Trrad et al. | Application of fuzzy logic to cognitive wireless communications | |
CN115134928A (zh) | 频段路由优化的无线Mesh网络拥塞控制方法 | |
CN103618674B (zh) | 基于自适应服务模型的联合分组调度和信道分配路由方法 | |
Jia et al. | Joint topology control and routing for multi-radio multi-channel WMNs under SINR model using bio-inspired techniques | |
CN112073983A (zh) | 基于流量预测的无线数据中心网络拓扑优化方法及系统 | |
Abou El Houda et al. | Cost-efficient federated reinforcement learning-based network routing for wireless networks | |
CN116634504A (zh) | 基于改进nsga-ii算法的无人机组网拓扑关系与带宽分配优化策略 | |
CN105451293B (zh) | 无线网络中的转发方法、确定转发策略的方法和设备 | |
Zhao et al. | Delay-aware backpressure routing using graph neural networks | |
Chai et al. | A multi-objective Dyna-Q based routing in wireless mesh network | |
CN107371166B (zh) | 无线网络中一种基于频谱聚合的跨层优化装置及方法 | |
Chandrawanshi et al. | An intelligent energy efficient clustering technique for multiple base stations positioning in a wireless sensor network |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230907 Address after: 201600 room 1106, building 21, no.1158, Jiuting Central Road, Jiuting Town, Songjiang District, Shanghai Applicant after: Shanghai Weirui Electronic Technology Co.,Ltd. Address before: No. 48, Huayuan North Road, Huayuan Road Street, Haidian District, Beijing 100089 Applicant before: Ren Jianjun |
|
GR01 | Patent grant | ||
GR01 | Patent grant |