[发明专利]软件定义网络中基于拥塞感知的智能重路由方法和装置有效
申请号: | 201810332577.0 | 申请日: | 2018-04-13 |
公开(公告)号: | CN108540384B | 公开(公告)日: | 2020-07-28 |
发明(设计)人: | 曲桦;赵季红;仝梦菲;陈梁骏;赵建龙;李彬 | 申请(专利权)人: | 西安交通大学 |
主分类号: | H04L12/721 | 分类号: | H04L12/721;H04L12/725;H04L12/727;H04L12/729 |
代理公司: | 西安通大专利代理有限责任公司 61200 | 代理人: | 安彦彦 |
地址: | 710049 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 软件 定义 网络 基于 拥塞 感知 智能 路由 方法 装置 | ||
1.软件定义网络中基于拥塞感知的智能重路由方法,其特征在于,包括以下步骤:
(1)网络初始化;
(2)网络监测过程:
网络初始化完成后,控制层(102)的网络监测模块定期收集并计算数据层(103)的网络状态,包括:链路已用负荷比链路负荷变化率数据传输路径端到端的时延Delay、路径的丢包率Loss和路径的吞吐量TH,数据层(103)的网络状态作为计算网络的路径质量的评价参数;
当数据流传输时,控制层(102)的网络监测模块统计数据层(103)数据传输路径端到端的时延Delay、路径的丢包率Loss和路径的吞吐量TH,并将数据传输路径端到端的时延Delay、路径的丢包率Loss和路径的吞吐量TH作为备选路径QoS数据,备选路径QoS数据用于数据传输效果的反馈值计算;
(3)拥塞检测过程:
基于模糊系统方法,控制层(102)的拥塞检测模块对链路已用负荷比和链路负荷变化率两个指标进行模糊评价,得到当前链路拥塞质量的模糊评价值rankij,根据路径上所有链路的平均拥塞程度,得到本路径的拥塞质量模糊评价值ranki;具体过程如下:
(3a)控制层(102)的拥塞检测模块与网络监测模块连接,获得路径拥塞质量评价参数:链路已用负荷比和链路负荷变化率
(3b)模糊化:采用链路已用负荷比隶属关系对链路已用负荷比进行模糊评价;采用链路负荷变化率隶属关系对链路负荷变化率进行模糊评价;
(3c)模糊规则表映射:将链路已用负荷比和链路负荷变化率通过模糊规则表进行映射,得到链路拥塞程度RANKij;
(3d)解模糊:采用最大程度隶属法对于已定义的模糊输出值链路拥塞程度RANKij进行解模糊化,得到链路拥塞质量的评价值rankij;
(3e)路径拥塞质量模糊评价:
对于源节点和目的节点间的所有路径pi∈P进行路径拥塞质量评价,得到路径上所有链路的平均拥塞质量评价值ranki:
式(3)中,ranki表示一对源节点和目的节点间路径pi的拥塞质量评价值,rankij(m)表示路径pi上第m次序经过的链路的拥塞质量评价值,N表示路径pi上经过的所有链路总数;
(4)路由选择过程:
控制层(102)的拥塞检测模块完成所有备选路径的拥塞质量评价后,路径选择模块与拥塞检测模块均和网络监测模块建立连接,获得路径选择参数,进行数据流传输最优路径选择;
具体过程如下:
(4a)路径选择模块与网络监测模块连接,获得所有备选路径QoS数据:数据传输路径端到端的时延Delay、路径的丢包率Loss和路径的吞吐量TH;
(4b)路径选择模块与拥塞检测模块连接,获得所有备选路径的拥塞质量评价值ranki;
(4c)根据备选路径QoS数据计算网络长期收益值Rwd;
(4d)根据强化学习方法计算源节点到目的节点之间本周期所有备选路径pi各自的综合质量评价值Qi(P,pi),根据本周期所有备选路径pi各自的综合质量评价值Qi(P,pi)更新备选路径的Q值表;
(4e)根据本周期所有备选路径pi各自的综合质量评价值Qi(P,pi),路径选择模块确定下一周期所有备选路径pi被选择的概率π(pi),下一周期所有备选路径pi被选择的概率π(pi)的计算方法如式(6)所示;
其中,
式(6)和(7)中:
π(pi)为下一周期所有备选路径pi被选择的概率,K是每对源节点和目的节点之间的路径总数;τn是一个温度参数,时变参数控制了选择某一路径的随机程度;T表示收敛时间;τ0和τT表示初始温度和时间T的最终温度;
(4f)路径选择模块更新路径,并对数据层(103)进行数据传输流表下发;检测数据流是否传输结束,若没有传输结束则返回步骤(2),进行新一周期路径质量评价与更新,若传输数据结束,则网络监测结束。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810332577.0/1.html,转载请声明来源钻瓜专利网。