[发明专利]基于混合分布的流量矩阵估计方法

说明书

技术领域

本发明属于计算机网络技术，具体涉及网络性能参数流量矩阵的估计方法。 

背景技术

随着互联网的飞速发展及广泛应用，网络的服务和网络的架构也在发生深刻变化，要成功设计、优化和管理网络，就需要了解和掌握网络内部特性。流量矩阵作为网络性能参数中的一个重要指标，描述了全网流量的具体分布，为研究网络的内部特性提供了重要的参考依据。由于网络规模日益庞大，结构越来越复杂，网络类型多样化及网络安全问题日益突出，直接测量流量矩阵的方法，在现今的网络中越来越困难，甚至是不可行的。因此，如何在日益复杂的互联网网络环境中实时、精确获取网络流量矩阵已成为国内外科学界和工业界共同关注的前沿科学问题之一。 

由于现有的流量矩阵估计方法运用的高斯、泊松等简单先验模型不能较好的反映实际网络中真实OD流的具体分布，而复杂的混合高斯先验模型，虽然能描述真实OD流的分布，但又增加了流量矩阵估计的计算复杂度。针对现有估计方法中OD流先验模型的不足，本文提出了基于混合分布模型的流量矩阵估计方法。混合分布模型能够较好地描述出实际网络中真实OD流的概率分布特征，尤其对小流量OD的分布规律描述得更加合理，在估计OD对间的小流量时，得到了精确的结果。同时，将广义重力模型在估计大流量及高斯分布OD流的优点和混合分布模型估计小流量及非高斯分布OD流的精确性相结合，得到了优化的混合分布模型的流量矩阵估计方法。 

通过对现有的流量矩阵估计方法和模型分析研究可知，在现有的估计方法中，一些方法假定OD流服从某一个统计分布模型作为先验信息，例如高斯分布或者泊松分布模型。但是，高斯、泊松等简单分布模型均不能较好反映实际网络中真实的OD流的具体分布，给估计结果带来较大偏差。然而，针对OD流服从简单分布模型流量矩阵估计方法存在的不足，学者们提出了运用更为复杂的统计分布模型来表征OD流的先验分布的流量矩阵估计方法，这些方法也确实提高了估计精度，但是，若是直接使用这些复杂的分布模型，又给后续的流量矩阵估计求解带来了较高的计算复杂度。总之，在之前的流量矩阵估计方法中，直接使用OD流 的分布先验信息，要么给估计结果带来较大偏差，要么大大增加了计算复杂度。同时，在有些方法中，仅使用边缘链路流量信息和网络拓扑结构信息，没有充分利用网络中可获取的先验信息。因此，可进一步利用能够测量得到的先验信息来提高估计结果的精度。 

发明内容

为解决上述问题，本发明提供一种基于混合分布的流量矩阵估计方法。 

本发明的技术方案：基于混合分布的流量矩阵估计方法，具体包括： 

S1：使用已估计的流量矩阵作为输入，求解混合分布模型估计真实分布，步骤S1包括以下分步骤： 

S11：运用重力模型估计OD对分布，并求得全网中所有OD对之间的流量矩阵X，所述流量矩阵估计的重力模型表达式如下： 

x(i,j)=x(i,*)x(*,j)Σjx(*,j);]]>

其中，x(i,j)表示从源节点i到目的节点j的OD流量，x(i,*)表示从节点i流入网络的总流量，x(*,j)表示从节点j流出网络的总流量，∑_jx(*,j)表示从整个网络中流出的总流量； 

S12:运用混合分布模型估计OD对的真实分布，步骤S12具体包括以下分步骤： 

S121:定义混合分布模型，