TW201351927A - 流量網路之最佳容量配置方法,及其電腦程式產品 - Google Patents
流量網路之最佳容量配置方法,及其電腦程式產品 Download PDFInfo
- Publication number
- TW201351927A TW201351927A TW101121433A TW101121433A TW201351927A TW 201351927 A TW201351927 A TW 201351927A TW 101121433 A TW101121433 A TW 101121433A TW 101121433 A TW101121433 A TW 101121433A TW 201351927 A TW201351927 A TW 201351927A
- Authority
- TW
- Taiwan
- Prior art keywords
- capacity
- network
- components
- component
- target
- Prior art date
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一種流量網路之最佳容量配置方法,用於包括複數元件之一網路。首先,對於網路進行一結構分析,從而取得每一元件之一涵蓋集。依據元件的數目及相應每一元件之涵蓋集中元件的數目,計算相應每一元件之一結構強度。將結構強度等於一既定值之元件的容量配置為一需求值。對於結構強度不等於既定值之每一目標元件,設定每一目標之容量為零、且其他元件之容量為需求值,以產生網路之一下邊界向量集合,依據下邊界向量集合中之每一下邊界向量,產生一可能值集合,且依據可能值集合產生一區間集合。接著,依據每一元件之區間集合執行一卡氏積作業,以取得網路相應需求值之一容量設定集合,且依據每一容量設定向量之一容量總和,將容量設定集合中具有最小容量總和之容量設定向量加入至一最小容量設定集合,且依據此最小容量設定集合中之至少一容量設定向量設定網路元件之容量。
Description
本發明係有關於一種流量網路之管理方法,且特別有關於一種流量網路之最佳容量配置方法。
現代企業中電腦網路係一重要的基礎建設。在日常工作作業中,維持一可靠的電腦網路變成一重要的事情。一多狀態(multistate)電腦網路通常地由鏈結(級別I來源)與頂點(級別II來源)組成,其中由於錯誤、部分錯誤或維護的原因,這兩種類的設備可以具有多種狀態。實際上,一鏈結係由多個實體線路,如光纖、同軸電纜或雙絞線組成。一傳輸設備(頂點)包括集線器、交換器、路由器等等。他們所有都可能具有特定容量或錯誤。如此的電腦網路被看做為一典型的多狀態網路,且稱為一多狀態電腦網路(MCN)。因此,網路中之每一鏈結(頂點)應該被指定足夠的容量來保持網路運作正常。在MCN中之雙來源規劃(DRPMCN)下的強健(robust)設計問題鏈結係來搜尋鏈結與頂點之最小雙來源指定,使得甚至在兩種來源錯誤時網路仍然可以存活。由品質管理的觀點,沒有改善整個網路之強健性之任何指定給每一鏈結(頂點)的剩餘資源皆係資源的浪費。
一MCN之強健性可以藉由系統可靠度來測量,其中系統可靠度係在一來源端與一目標端間一活連接的機率。名詞”活”表示穿過網路的最大流量應該不小於一需求值d。否則,此網路係斷裂。兩種類型的方法普遍用來進行網路可
靠度的評估,稱為最小路徑(MPs)與最小切割(MCs)。一路徑係一鏈結的集合,這些鏈結的存在導致來源與目標端的連接。一MP係一路徑,其合適的子集合不是一路徑。一切割係一鏈結的集合,這些鏈結的排除導致來源與目標端的不連接。一MC係一切割,其合適的子集合不再是一切割。當網路活著時,關於系統狀態d,可以找到多個最小路徑(切割)向量,稱之為下邊界向量(Low Boundary Vectors,LBVs)。接著,網路可靠度係所有這些LBVs的聯集機率
許多研究已經討論不同的規劃準則來解決最佳化的問題(Optimization Problem,OP),如商品配置、流量指定、與拓撲設計。在大部分例子中,OPs僅考慮一種類型來源的規劃。然而,一種習知方法嘗試要解決考慮兩種類型來源的規劃。在此習知方法中,一方法被用來搜尋問題之近最佳的解法,以在雙來源指定之下最大化網路之可靠度。值得注意的是,目前相關於搜尋在兩種來源錯誤之下網路可以仍然存活之鏈結與頂點之最小雙來源指定的文獻與技術係非常有限。此外,大部分的這些習知技術僅能對於這些OP提供近最佳的解法。
有鑑於此,本發明提供流量網路之最佳容量配置方法,以克服前述問題。
本發明實施例之一種流量網路之最佳容量配置方法,用於包括複數元件之一網路。首先,對於網路進行一結構分析,從而取得每一元件之一涵蓋集。其中當通過一特定
元件之一最小路徑集合係通過一目標元件之一最小路徑集合的子集合時,相應目標元件之涵蓋集包括特定元件。接著,依據元件的數目及相應每一元件之涵蓋集中元件的數目,計算相應每一元件之一結構強度。將結構強度等於一既定值之元件的容量配置為一需求值。之後,對於結構強度不等於既定值之每一元件,設定每一元件之容量為零、且其他元件之容量為需求值,以產生此網路之一下邊界向量集合,依據下邊界向量集合中之每一下邊界向量,產生一可能值集合,且依據可能值集合產生一區間集合。其中在每一元件之容量為零之情況下,其他元件中之一特定元件之目前狀態大於零時,此特定元件之目前狀態被加入至可能值集合。之後,依據每一元件之區間集合執行一卡氏積作業,以取得網路相應需求值之一容量設定集合。其中容量設定集合包括複數容量設定向量。接著,依據每一容量設定向量之一容量總和,將容量設定集合中具有最小之容量總和之至少一容量設定向量加入至一最小容量設定集合,且依據最小容量設定集合中之至少一容量設定向量設定網路之元件的容量。
本發明實施例之一種流量網路之最佳容量配置方法,用於包括複數元件之一網路。首先,對於網路進行一結構分析,從而取得每一元件之一涵蓋集。其中當通過一特定元件之一最小路徑集合係通過一目標元件之一最小路徑集合的子集合時,相應目標元件之涵蓋集包括特定元件。接著,依據元件的數目及相應每一元件之涵蓋集中元件的數
目,計算相應每一元件之一結構強度。將結構強度等於一既定值之元件的容量配置為一需求值。
在一些實施例中,對於一目標元件產生下邊界向量集合的方法係先計算在一容量設定下滿足該需求值之一所有可用目前流量向量集合。之後,依據所有可用目前流量向量集合產生在目標元件之容量為零之下,相應目標元件之滿足需求值之一所有可用狀態集合,且依據所有可用狀態集合產生下邊界向量集合。
在一些實施例中,更可以對於相應每一元件之下邊界向量集合進行過濾,以得到一過濾後之下邊界向量集合。其中過濾後之下邊界向量集合中之下邊界向量在涵蓋集之外的元件中具有最少的零。
在一些實施例中,更可以對於最小容量設定集合中之至少一容量設定向量之每一者執行一可靠度分析,以取得相應之一可靠度。接著,將具有最高之可靠度之容量設定向量設為一最佳容量設定向量,且依據最佳容量設定向量設定網路之元件的容量。
在一些實施例中,對於容量設定向量執行可靠度分析係透過一排容原則、一狀態空間分解法、與/或一遞回不交和法來完成。
在一些實施例中,元件可以包括複數傳輸設備及傳輸設備間之複數鏈結。
在一些實施例中,既定值可以等於1。
本發明上述方法可以透過程式碼方式存在。當程式碼
被機器載入且執行時,機器變成用以實行本發明之裝置。
為使本發明之上述目的、特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖示,詳細說明如下。
在說明本案實施例之前,一些本案使用之代號先說明於下:n:鏈結的數目;a i :第i個元件(鏈結或頂點);E={a i |1 i n}:鏈結集合;s:頂點的數目;V={a i |n+1 i n+s}:頂點集合;G=(E,V):多狀態電腦網路;m i :係一整數,為a i 之最大容量;M=(m 1,m 2,...,m n+s ):係一向量,相應兩種類來源之指定;Ψ=(1,2,...,d):指定給兩種類來源之容量的集合;mp i :第i個MP;X=(x 1,x 2,...,x n+s ):系統狀態向量;Y:另一系統狀態向量;x i :元件a i 的目前狀態;z:MPs的數目;F=(f 1,f 2,...,f z ):目前的流量向量;f j :mp j 上目前的流量;U M :在一指定M下的所有可用F集合;
U X :在目前狀態X下的所有可用F集合;:在狀態X下的最大流量;r i :實體設備的可利用性;d:目標端的需求值;R d (M):相應需求值d在M下的網路可靠度;F:滿足精確需求值d之所有可用F U M 的集合;X F =(x 1,x 2,...,x n+s ):在F F下的狀態向量;Ω={X F |F F}:滿足需求值d之所有可用狀態的集合;Ω i :m i =0下的Ω集合;Ωmin={X|X係Ω中之最小向量}:相應d之所有LBVs集合;Ωmin,i :設定m i =0,m j =d,≠i之後產生之LBVs集合;:過濾後之Ωmin,i 集合;t:LBVs的數目;X i :第i個LBV;P i ={mp j |a i mp j }:與a i 連接之MPs子集合;Q i :a i 的涵蓋集合;S i :a i 的結構強度;:在集合中之元素總數目:R d,i (M):當a i 全部無法作用時M之下的存活度(可靠度);Φ={i|S i <1.0}:結構不重要元件的索引集合;φ=(i|S i =1/n):自我涵蓋元件的索引集合;x(i) j :當m i =0時,a i 的目前狀態;
X(i)=(x(i)1,x(i)2,...,x(i) n+s ):中之一LBV;Γ:相應d之強健指定集合;M i,j : X(i),j行的可能值集合;M min,j :對於j行i間的最大的最小值;M max,j :對於j行i間的最大的最大值;m j :j行的區間集合;m min={M min,1,M min,2,...,M min,n+s }×:集合間的卡氏積;⊕:一操作,A ⊕ B≡{c i |c i =max(a i ,b i ),a i A,b i B, i}提醒的是,在一些實施例中,本案之多狀態電腦網路G必須滿足下列條件:
1.每一元件a i 的容量係一整數值隨機變數,其依據二項分配(Binomial Distribution)在{0,1,2,...,m i }的集合中取值。
2. m i 由Ψ中取值,且除非在不能到達的流量中不能為零。
3.一元件包含提供容量能力之元素。在相同元件中之每一元素具有相同的可利用度(可靠度)r i 。舉例來說,一T1電信通訊線路包含24個通道。T1係一鏈結且通道係T1中的元素。
4. G中的流量必須滿足流量不滅定律。
5.元件與它們的元素係統計上地相互獨立。
簡單說,假設一元件之容量係依據元件內部的真實元素。接著,便可以計算每一位準容量之相應機率。舉例來
說,相應元件a i 之機率Pr{x i =k}可以透過下述二項分配函式產生:,其中r i 係元件a i 中真實元素的可利用度。
必須說明的是,前述的二項分配僅係本案的例子,其他的分配方法也可以應用至本案。
假設mp 1,mp 2,...,mp z 係由來源至目標端之所有的MPs。網路模型可以透過狀態向量X=(x 1,x 2,...,x n+s )與流量向量F=(f 1,f 2,...,f z )來表示。因此,一向量F係可用的,若且唯若,對於每一i=1,2,...,n+s (2)。
方程式(2)說明穿過a i 的總流量不能超過a i 的最大容量。如此的F集合為U M ={F|在M下的可用F}。類似地,在X=(x 1,x 2,...,x n+s )下F係可用的,若且唯若,對於每一i=1,2,...,n+s (3)。
為了清楚說明,使U M ={F|在X下的可用F}。在X下的最大流量定義為。
相應一需求值d,表示為R d (M)之在M之下網路的可靠度係最大流量不小於d的機率,如R d (M)≡Pr{X|V(X) d}。計算R d (M)可以先找出集合{X|V(X) d}中的最小向量。對於任何其他向量Y,若且唯若(i)V(X) d且(ii)V(Y)<d時,最小向量X被稱為相應d之一LBV,使得Y<X,其中對於每一j=1,2,...,n+s,
若且唯若y j x j 時,Y X,且對於至少一j,若且唯若Y X及y j <x j 時,Y<X。假設相應需求值d總共有t個LBVs:X 1,X 2,...,X t ,網路可靠度等於
值得注意的是,可靠度分析/計算可以透過任何方式來完成。舉例來說,在一些實施例中,可靠度分析/計算可以透過一排容原則、一狀態空間分解法、與/或一遞回不交和法(RSDP)來完成。較佳地,本案實施例可以採用RSDP來完成可靠度分析/計算。
首先,由於流量向量F U M ,使得F的總流量等於d。其定義於下列需求限制:
接著,使F={F| F U M 且滿足方程式(5)}。如果X係相應d之一LBV,則存在一F F,使得,對於每一i=1,2,...,n+s (6),此係一LBV的必要條件。
F F時,透過方程式(6)可以產生一容量向量X F =(x 1,x 2,...,x n+s )。集合Ω={X F |F F}被建立。使Ωmin={X|X係Ω中之最小向量}。Ωmin係相應d之LBVs集合。
MPs可以藉由網路的拓譜來決定。透過連接之MPs可
以分析一元件的流量。假設P i ={mp j |a i mp j }表示與a i 連接之MPs子集合。則一元件的涵蓋集合(Coverage)可以定義為:使a i ,a j E,則a i 的涵蓋集合Q i 包含j,若且唯若P j P i 。換言之,當a i 完全失去作用時將不會有流量穿過a j 。
接著,元件a i 的結構強度(Structural Impact)S i 定義為:,其中表示集合中之元件的總數目。當S i =1.0時,表示a i 涵蓋網路中的所有元件且具有網路上最強的結構強度。S i 越小值表示a i 涵蓋越少的元件。提醒的是,除了元件本身無法到達之外,由於元件一定會涵蓋自己,S i 不會為零。
當一元件的容量降為零(如完全不作用),而保持其他元件不改變時,透過可靠度可以分析元件對於網路的影響。當特定元件a i 完全無法運作時,計算之可靠度係相應需求d之存活度(Survivability)。存活度R d,i (M)定義為當a i 完全無法作用(如m i =0)時M之下的可靠度。此概念可以用來識別一關鍵元件(Critical Component)。其中,元件a i 被稱為一關鍵元件,若且唯若R d,i (M)=0。根據結構強度與關鍵元件之定義,當S i =1.0時,元件a i 係一關鍵元件。同時意味著,當S i <1.0時,元件a i 可能係不關鍵的。
給予M,且使Φ={i|S i <1.0}係結構不重要元件的索引集
合,當滿足下述定義時,則一網路G被稱為強健:相應需求,指定M係強健,若且唯若R d,i (M)>0,對於所有i Φ。換言之,當向量M相應需求d係足夠的,則其應該可以提供足夠的容量來支援結構重要的元件之外的元件錯誤。直覺地,當M係強健時,m i d, i係一充分條件。
然而,當M強健時,對於所有m i 並不一定大於d。流量的總和可能達成需求值d。當減少每一元件之m i 至LBV之相應行(column)值時,相應d時G仍然存活。然而,由於一LBV係一最小向量來支持G在需求d下存活,因此,沒有單一容量可以被降低。類似地,當a i 失去作用時若G係強健,由G\{a i }可以導出一可用LBV(如由G移除a i 或簡單地設定m i =0)。新導出的容量可以涵蓋a i 的喪失流量。因此,可以使用Ωmin,i 表示在設定m i =0,m j =d,≠i之後產生之LBVs集合。
必須說明的是,一LBV可能在向量中包含多個零。由於相應零之指定對於部分應用程式係不期望的,因此在一些實施例中,LBV集合可以進行過濾,以將具有不期望零的LBV進行過濾。提醒的是,若自我涵蓋元件a i (如S i =1/(n+s))的流量大於零時,則涵蓋a i 之其他元件的流量不會為零。換言之,如此a i 的流量將會支配至其他元件之非零流量。使φ=(i|S i =1/n)係自我涵蓋元件的索引集合。注意的是,在相同流動中的一序列串聯鏈結應該視為一鏈結且在此序列中選擇一鏈結為代表鏈結。在結構強度計算中的元
件總數目應該相應地修改。提醒的是,在一些實施例中,過濾策略係選擇行索引在Q i 之外具有最少零的M。另外,在一些實施例中,過濾策略係選擇行索引在Q i 之外且在φ之中具有最少零的M。如此之過濾作業可以減少M的極大搜尋空間。使係過濾後之集合。提醒的是,包含m i 的可能範圍。假設X(i)=(x(i)1,x(i)2,...,x(i) n+s )係中之一LBV,則
相應需求d,M=(m 1,m 2,...,m n+s )係強健的,若且唯若,其中j=1,2,...,n+s (7)。
可以將其表示為Γ≡{M| M相應d係強健}。
DRPMCN的非線性整數編程公式化表述如下:
最小化,受下述條件限制:
其中,限制(9)說明網路應該要在結構不重要元件之錯誤之下存活。限制(10)說明相應強健度M應該係可用的。接著,一強建設計問題的最佳指定可以透過最小化目標函式(8)來得到。一般來說,最佳指定的數目可能會大於一。在如此情況中,使Γmin={M| M係目標函式(8)之一解},且更透過檢查下述目標函式取得DRPMCN之更適合的解:最大化R d (M) (11),受下述條件限制:
必須提醒的是,使表示j行的可能值集合。另外,定義M min,j =max{x(i) j |x(i) j M i,j ,且x(i) j 最小, i Φ},其係對於j行在i間的最大的最小值,且定義M max,j =max{x(i) j |x(i) j M i,j ,且x(i) j 最大, i Φ},其係對於j行在i間的最大的最大值。因此,對於任何M Γ,m j 存在於區間之中。換言之,若M=(m 1,m 2,...,m n+s ) Γ,則M min,j m j M max,j ,其中j=1,2,...,n+s。
為了清楚說明,定義m j ={m j |M min,j m j M max,j },其為j行的區間集合。另外,Γ m 1×m 2×...×m n ,其中’×’係集合間的卡氏積(Cartesian Product),且定義為m 1×m 2={(x,y)|x m 1且y m 2}。提醒的是,m 1×m 2×...×m n 可以包括Γ中所有的可用M,且意味著可由卡氏積效率地找到。
接下來說明本案進行流量網路之最佳容量配置的流程。
第1圖顯示依據本發明實施例之流量網路之最佳容量配置方法。在此實施例中,相應包括複數元件之一網路將進行結構分析,從而得知網路中之關鍵元件,並設定相應這些元件之容量。
首先,如步驟S110,對於網路進行一結構分析,從而取得每一元件之一涵蓋集。如前所述,假設P i ={mp j |a i mp j }表示與a i 連接之MPs子集合。則一元件的涵蓋集合可以定義為:使a i ,a j E,則a i 的涵蓋集合Q i 包含j,若且唯若P j P i 。換言之,當通過一特定元件之一MPs集合係通過一目標元件
之一MPs集合的子集合時,相應目標元件之涵蓋集包括此特定元件。提醒的是,網路之MPs可以根據前述[相應 d 之所有LBVs之產生] 節中的方程式(5)及(6)產生。接著,如步驟S120,依據所有元件的數目及相應每一元件之涵蓋集中元件的數目,計算相應每一元件之一結構強度。值得注意的是,在一些實施例中,元件可以包括複數傳輸設備(頂點)及傳輸設備間之複數鏈結(鏈結)。相應結構強度的計算可以依據公式來完成,其中S i 為結構強度,Q i 為涵蓋集合,表示集合中之元件的總數目,且n+s係所有元件的數目。之後,如步驟S130,將結構強度等於一既定值,如1.0之元件的容量配置為一需求值d。提醒的是,結構強度等於此既定值之元件會被視作為此網路中之關鍵元件。
第2圖顯示依據本發明另一實施例之流量網路之最佳容量配置方法。在此實施例中,相應包括複數元件之一網路將進行結構分析,從而得知網路中之關鍵元件與非關鍵元件,並分別設定相應這些元件之容量。
首先,如步驟S210,對於網路進行一結構分析,從而取得每一元件之一涵蓋集。如前所述,當通過一特定元件之一MPs集合係通過一目標元件之一MPs集合的子集合時,相應目標元件之涵蓋集包括此特定元件。類似地,網路之MPs可以根據前述[相應 d 之所有LBVs之產生] 節中的方程式(5)及(6)產生。接著,如步驟S220,依據所有元件的數目及相應每一元件之涵蓋集中元件的數目,計算相應
每一元件之一結構強度。相同地,在一些實施例中,元件可以包括複數傳輸設備(頂點)及傳輸設備間之複數鏈結(鏈結)。類似地,相應結構強度的計算可以依據公式來完成,其中S i 為結構強度,Q i 為涵蓋集合,表示集合中之元件的總數目,且n+s係所有元件的數目。之後,如步驟S230,將結構強度等於一既定值,如1.0之元件的容量配置為一需求值d。提醒的是,結構強度等於此既定值之元件會被視作為此網路中之關鍵元件。
另外,結構強度不等於此既定值之元件會被視作為此網路中之非關鍵元件。接著,如步驟S240,對於結構強度不等於此既定值之每一目標元件,設定此目標元件之容量為零、且其他元件之容量為需求值,以產生網路之一LBV集合。第3圖顯示依據本發明實施例之對於一目標元件產生下邊界向量集合的方法。首先,如步驟S242,計算在一容量設定下滿足需求值d之一所有可用目前流量向量集合F。其中,所有可用目前流量向量集合F滿足且。接著,如步驟244,依據此所有可用目前流量向量集合F產生在目標元件之容量為零(m i =0)之下,相應此目標元件之滿足需求值d之一所有可用狀態集合Ω i 。注意的是,所有可用狀態集合Ω i 係依據由形成之X F 來產生。之後,如步驟S246,依據所有可用狀態集合Ω i 產生相應此目標元件之LBVs集合Ωmin,i 。值得注意的是,在一
些實施例中,可以利用一窮舉法在所有可用狀態集合Ω i 中進行配對比較,從而得到LBVs集合Ωmin,i 。值得注意的是,如前所述,由於LBV可能在向量中包含多個零,且相應零之指定對於部分應用程式係不期望的,因此,在一些實施例中,LBV集合可以進行過濾,將具有不期望零的LBV進行過濾,以得到一過濾後之下邊界向量集合。提醒的是,在一些實施例中,過濾策略係選擇行索引在Q i 之外具有最少零的M。另外,在一些實施例中,過濾策略係選擇行索引在Q i 之外且在φ之中具有最少零的M。
接著,如步驟S250,對於結構強度不等於既定值之每一目標元件,依據LBVs集合中之每一LBV,產生一可能值集合M i,j ,且依據可能值集合M i,j 產生一區間集合m j 。其中,在每一目標元件之容量為零之情況下,其他元件中之一特定元件之目前狀態大於零時,此特定元件之目前狀態被加入至可能值集合M i,j 。之後,如步驟S260,依據每一元件之區間集合m j 執行一卡氏積作業,以取得網路相應此需求值d之一容量設定集合Γ。其中,容量設定集合Γ m 1×m 2×...×m n ,Γ包括複數容量設定向量M。提醒的是,m 1×m 2×...×m n 可以包括Γ中所有的可用M。之後,如步驟S270,依據每一容量設定向量M之一容量總和,將容量設定集合Γ中具有最小之容量總和之至少一容量設定向量M加入至一最小容量設定集合Γmin,且依據最小容量設定集合Γmin中之至少一容量設定向量M設定網路之元件的容量。
值得注意的是,在一些實施例中,可以對於最小容量
設定集合Γmin中之每一容量設定向量M執行一可靠度分析,以取得相應之一可靠度R d (M)。提醒的是,在一些實施例中,可靠度分析可以透過一排容原則、一狀態空間分解法、與/或一遞回不交和法來完成。另外,具有最高之可靠度R d (M)之容量設定向量M設為一最佳容量設定向量M best ,且依據此最佳容量設定向量M best 設定網路之元件之容量。
第4圖顯示依據本發明另一實施例之流量網路之最佳容量配置方法。在此實施例中,相應包括複數元件之一網路將進行結構分析,從而得知網路中之關鍵元件與非關鍵元件。此外,藉由對於容量設定向量執行一可靠度分析,以得知一最佳容量設定向量,並相應地設定相關元件之容量。
首先,如步驟S410,對於網路進行一結構分析,從而取得每一元件之一涵蓋集。如前所述,當通過一特定元件之一MPs集合係通過一目標元件之一MPs集合的子集合時,相應目標元件之涵蓋集包括此特定元件。接著,如步驟S420,依據所有元件的數目及相應每一元件之涵蓋集中元件的數目,計算相應每一元件之一結構強度。相同地,在一些實施例中,元件可以包括複數傳輸設備(頂點)及傳輸設備間之複數鏈結(鏈結)。類似地,相應結構強度的計算可以依據公式來完成。之後,如步驟S430,將結構強度等於一既定值,如1.0之元件的容量配置為一需求值d。接著,如步驟S440,對於結構強度不等於此既定值之每一目標元件,設定此目標元件之容量為零、且其他元
件之容量為需求值,以產生網路之一LBV集合。類似地,產生LBVs集合的方法可以如第3圖所示。類似地,在一些實施例中,LBV集合可以進行過濾,以得到一過濾後之下邊界向量集合。提醒的是,在一些實施例中,過濾策略係選擇行索引在Q i 之外具有最少零的M。另外,在一些實施例中,過濾策略係選擇行索引在Q i 之外且在φ之中具有最少零的M。接著,如步驟S450,對於結構強度不等於既定值之每一目標元件,依據LBVs集合中之每一LBV,產生一可能值集合M i,j ,且依據可能值集合M i,j 產生一區間集合m j 。其中,在每一目標元件之容量為零之情況下,其他元件中之一特定元件之目前狀態大於零時,此特定元件之目前狀態被加入至可能值集合M i,j 。之後,如步驟S460,依據每一元件之區間集合m j 執行一卡氏積作業,以取得網路相應此需求值d之一容量設定集合Γ。其中,容量設定集合Γ m 1×m 2×...×m n ,Γ包括複數容量設定向量M。之後,如步驟S470,依據每一容量設定向量M之一容量總和,將容量設定集合Γ中具有最小之容量總和之至少一容量設定向量M加入至一最小容量設定集合Γmin。接著,如步驟S480,對於最小容量設定集合Γmin中之每一容量設定向量M執行一可靠度分析,以取得相應之一可靠度R d (M)。類似地,在一些實施例中,可靠度分析可以透過一排容原則、一狀態空間分解法、與/或一遞回不交和法來完成。同時,具有最高之可靠度R d (M)之容量設定向量M設為一最佳容量設定向量M best ,且依據此最佳容量設定向量M best 設定網路之元件之容量。
因此,透過本案之流量網路之最佳容量配置方法可以在雙來源計畫下提供多狀態電腦網路最佳的強健設計,以對於多狀態電腦網路中的每一元件進行相應容量之指定。
本發明之方法,或特定型態或其部份,可以以程式碼的型態存在。程式碼可以包含於實體媒體,如軟碟、光碟片、硬碟、或是任何其他機器可讀取(如電腦可讀取)儲存媒體,亦或不限於外在形式之電腦程式產品,其中,當程式碼被機器,如電腦載入且執行時,此機器變成用以參與本發明之裝置。程式碼也可以透過一些傳送媒體,如電線或電纜、光纖、或是任何傳輸型態進行傳送,其中,當程式碼被機器,如電腦接收、載入且執行時,此機器變成用以參與本發明之裝置。當在一般用途處理單元實作時,程式碼結合處理單元提供一操作類似於應用特定邏輯電路之獨特裝置。
雖然本發明已以較佳實施例揭露如上,然其並非用以限定本發明,任何熟悉此項技藝者,在不脫離本發明之精神和範圍內,當可做些許更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
S110、S120、S130‧‧‧步驟
S210、S220、...、S270‧‧‧步驟
S242、S244、S246‧‧‧步驟
S410、S420、...、S480‧‧‧步驟
第1圖為一流程圖係顯示依據本發明實施例之流量網路之最佳容量配置方法。
第2圖為一流程圖係顯示依據本發明另一實施例之流量網路之最佳容量配置方法。
第3圖為一流程圖係顯示依據本發明實施例之對於一目標元件產生下邊界向量集合的方法。
第4圖為一流程圖係顯示依據本發明另一實施例之流量網路之最佳容量配置方法。
S210、S220、...、S270‧‧‧步驟
Claims (10)
- 一種流量網路之最佳容量配置方法,用於包括複數元件之一網路,包括下列步驟:對於該網路進行一結構分析,從而取得每一該等元件之一涵蓋集,其中當通過一特定元件之一最小路徑集合係通過一目標元件之一最小路徑集合的子集合時,相應該目標元件之該涵蓋集包括該特定元件;依據該等元件的數目及相應每一該等元件之該涵蓋集中該等元件的數目,計算相應每一該等元件之一結構強度;將該結構強度等於一既定值之該元件的容量配置為一需求值;對於該結構強度不等於該既定值之每一目標元件,設定每一該等目標元件之容量為零、且其他該等元件之容量為該需求值,以產生該網路之一下邊界向量集合;對於該結構強度不等於該既定值之每一目標元件,依據該下邊界向量集合中之每一該等下邊界向量,產生一可能值集合,且依據該可能值集合產生一區間集合,其中在每一該等目標元件之容量為零之情況下,其他該等元件中之一特定元件之目前狀態大於零時,該特定元件之該目前狀態被加入至該可能值集合;依據每一該等目標元件之該區間集合執行一卡氏積作業,以取得該網路相應該需求值之一容量設定集合,其中該容量設定集合包括複數容量設定向量;以及依據每一該等容量設定向量之一容量總和,將該容量設定集合中具有最小之該容量總和之至少一該容量設定向 量加入至一最小容量設定集合,且依據該最小容量設定集合中之至少一該容量設定向量設定該網路之該等元件的容量。
- 如申請專利範圍第1項所述之流量網路之最佳容量配置方法,其中對於一目標元件產生該下邊界向量集合的方法,包括下列步驟:計算在一容量設定下滿足該需求值之一所有可用目前流量向量集合;依據該所有可用目前流量向量集合產生在該目標元件之容量為零之下,相應該目標元件之滿足該需求值之一所有可用狀態集合;以及依據該所有可用狀態集合產生該下邊界向量集合。
- 如申請專利範圍第1項所述之流量網路之最佳容量配置方法,更包括對於相應每一該等目標元件之該下邊界向量集合進行過濾,以得到一過濾後之該下邊界向量集合,其中該過濾後之該下邊界向量集合中之該等下邊界向量在該涵蓋集之外的該等元件中具有最少的零。
- 如申請專利範圍第1項所述之流量網路之最佳容量配置方法,更包括下列步驟:對於該最小容量設定集合中該至少一容量設定向量之每一者執行一可靠度分析,以取得相應之一可靠度;將具有最高之該可靠度之該容量設定向量設為一最佳容量設定向量,且依據該最佳容量設定向量設定該網路之該等元件之容量。
- 如申請專利範圍第4項所述之流量網路之最佳容量配置方法,其中對於該至少一容量設定向量之每一者執行該可靠度分析係透過一排容原則、一狀態空間分解法、或一遞回不交和法來完成。
- 如申請專利範圍第1項所述之流量網路之最佳容量配置方法,其中該等元件包括複數傳輸設備及該等傳輸設備間之複數鏈結。
- 如申請專利範圍第1項所述之流量網路之最佳容量配置方法,其中該既定值等於1。
- 一種流量網路之最佳容量配置方法,用於包括複數元件之一網路,包括下列步驟:對於該網路進行一結構分析,從而取得每一該等元件之一涵蓋集,其中當通過一特定元件之一最小路徑集合係通過一目標元件之一最小路徑集合的子集合時,相應該目標元件之該涵蓋集包括該特定元件;依據該等元件的數目及相應每一該等元件之該涵蓋集中該等元件的數目,計算相應每一該等元件之一結構強度;以及將該結構強度等於一既定值之該元件的容量配置為一需求值。
- 一種電腦程式產品,用以被一機器載入且執行一流量網路之最佳容量配置方法,用於包括複數元件之一網路,該電腦程式產品包括:一第一程式碼,用以對於該網路進行一結構分析,從而取得每一該等元件之一涵蓋集,其中當通過一特定元件 之一最小路徑集合係通過一目標元件之一最小路徑集合的子集合時,相應該目標元件之該涵蓋集包括該特定元件;一第二程式碼,用以依據該等元件的數目及相應每一該等元件之該涵蓋集中該等元件的數目,計算相應每一該等元件之一結構強度;一第三程式碼,用以將該結構強度等於一既定值之該元件的容量配置為一需求值;一第四程式碼,用以對於該結構強度不等於該既定值之每一目標元件,設定每一該等目標元件之容量為零、且其他該等元件之容量為該需求值,以產生該網路之一下邊界向量集合;一第五程式碼,用以對於該結構強度不等於該既定值之每一目標元件,依據該下邊界向量集合中之每一該等下邊界向量,產生一可能值集合,且依據該可能值集合產生一區間集合,其中在每一該等目標元件之容量為零之情況下,其他該等元件中之一特定元件之目前狀態大於零時,該特定元件之該目前狀態被加入至該可能值集合;一第六程式碼,用以依據每一該等元件之該區間集合執行一卡氏積作業,以取得該網路相應該需求值之一容量設定集合,其中該容量設定集合包括複數容量設定向量;以及一第七程式碼,用以依據每一該等容量設定向量之一容量總和,將該容量設定集合中具有最小之該容量總和之至少一該容量設定向量加入至一最小容量設定集合,且依據該最小容量設定集合中之該至少一容量設定向量設定該 網路之該等元件之容量。
- 一種電腦程式產品,用以被一機器載入且執行一流量網路之最佳容量配置方法,用於包括複數元件之一網路,該電腦程式產品包括:一第一程式碼,用以對於該網路進行一結構分析,從而取得每一該等元件之一涵蓋集,其中當通過一特定元件之一最小路徑集合係通過一目標元件之一最小路徑集合的子集合時,相應該目標元件之該涵蓋集包括該特定元件;一第二程式碼,用以依據該等元件的數目及相應每一該等元件之該涵蓋集中該等元件的數目,計算相應每一該等元件之一結構強度;以及一第三程式碼,用以將該結構強度等於一既定值之該元件的容量配置為一需求值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101121433A TWI459756B (zh) | 2012-06-15 | 2012-06-15 | 流量網路之最佳容量配置方法,及其電腦程式產品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101121433A TWI459756B (zh) | 2012-06-15 | 2012-06-15 | 流量網路之最佳容量配置方法,及其電腦程式產品 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201351927A true TW201351927A (zh) | 2013-12-16 |
TWI459756B TWI459756B (zh) | 2014-11-01 |
Family
ID=50158194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW101121433A TWI459756B (zh) | 2012-06-15 | 2012-06-15 | 流量網路之最佳容量配置方法,及其電腦程式產品 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI459756B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI555351B (zh) * | 2015-06-17 | 2016-10-21 | 國立清華大學 | 用於非循環網路的網路可靠度計算方法及其系統 |
-
2012
- 2012-06-15 TW TW101121433A patent/TWI459756B/zh not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI555351B (zh) * | 2015-06-17 | 2016-10-21 | 國立清華大學 | 用於非循環網路的網路可靠度計算方法及其系統 |
Also Published As
Publication number | Publication date |
---|---|
TWI459756B (zh) | 2014-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210012239A1 (en) | Automated generation of machine learning models for network evaluation | |
US20190179615A1 (en) | Community discovery method, device, server and computer storage medium | |
Marappan et al. | Solution to graph coloring using genetic and tabu search procedures | |
EP2742648B1 (en) | Network capacity management system and method | |
US10657212B2 (en) | Application- or algorithm-specific quantum circuit design | |
CN106603293A (zh) | 虚拟网络环境下一种基于深度学习的网络故障诊断方法 | |
US20180227210A1 (en) | Methods Providing Performance Management Using A Proxy Baseline And Related Systems And Computer Program Products | |
WO2017215378A1 (zh) | 软件定义网络、节点、路径计算方法、装置及存储介质 | |
US10257088B2 (en) | Virtual network overlays for multipath datacenters | |
Li et al. | Visual analytics techniques for exploring the design space of large-scale high-radix networks | |
Chen | Optimal double-resource assignment for the robust design problem in multistate computer networks | |
Chen | An optimal capacity assignment for the robust design problem in capacitated flow networks | |
TWI459756B (zh) | 流量網路之最佳容量配置方法,及其電腦程式產品 | |
Zhang et al. | Modelling critical node attacks in MANETs | |
US20170346698A1 (en) | Determining bandwidth requirements for network services | |
Singh et al. | The Politics of Routing: Investigating the Relationship between {AS} Connectivity and Internet Freedom | |
US9158871B2 (en) | Graph modeling systems and methods | |
Przewozniczek | Dynamic subpopulation number control for solving routing and spectrum allocation problems in elastic optical networks | |
Lin et al. | Double resource optimization for a robust computer network subject to a transmission budget | |
CN115865740B (zh) | 一种基于网络结构的关键链路识别方法及装置 | |
US20240265268A1 (en) | Federated learning with single-round convergence | |
Arbib et al. | Sorting common operations to minimize the number of tardy jobs | |
CN113177212B (zh) | 联合预测方法和装置 | |
CN115545352B (zh) | 基于水资源分区管理的数据处理方法及系统 | |
Zhang et al. | An External Selection Mechanism for Differential Evolution Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |