[发明专利]一种多并发流无线网状网中的机会路由方法

摘要

本发明公开了一种多并发流无线网状网中的机会路由方法，将候选节点视作资源，在分析资源约束和路由约束的情况下，将多并发流中的机会路由问题建模为一个凸优化问题，基于对偶和子梯度方法，提出了联合候选节点选择和速率分配的分布式算法。该算法迭代进行流量速率分配，并通过速率分配来决定节点是否作为流的候选节点，以在保证公平性前提下最大化网络吞吐量。实验结果表明，与基于ETX和EAX指标的机会路由方式相比，本发明的方法更能提升网络汇聚吞吐量，平均比ETX和EAX提高33.4%和27.9%。

主权项

1.一种多并发流无线网状网中的机会路由方法，其特征在于，该方法为：1）将多并发流无线网状网对应成一个无向图G=(V,E)，所述无向图包含N个节点，其中V为节点集，E为节点间链路的矩阵，存在K条多并发流，源节点和目的节点分别为{(s_k,d_k),k=1..K}；2）建立多并发流无线网状网中各条网络流吞吐量λ_k之积的目标函数模型maximizeΠk∈[1,K]λk,maximizeΠk∈[1,K]λk]]>等价为maximizeΣk∈[1,K]ln(λk):]]>maximizeΣk∈[1,K]1n(λk)s.t.αuvk=βuk*βvk*BHuv,∀k∈[1,K],∀(u,v)∈EΣvαuvkrk(u,v)-Σwαwukrk(w,u)=hk(u),∀k∈[1,K],∀u∈Vαuvkrk(u,v)=rk(u,v)∀k∈[1,K],∀(u,v)∈EΣk∈[1,K]βukbk(u)+Σk∈[1,K]Σv∈R(u)βvkbk(v)≤C,∀u≠skβukbk(u)=bk(u),∀k∈[1,K],∀u∈Vbk(u)*p(u,v)≥rk(u,v),∀k∈[1,K],∀(u,v)∈Eαuvk={0,1},∀k∈[1,K],∀(u,v)∈Eβuk={0,1},∀k∈[1,K],∀u∈V0≤rk(u,v)≤C,∀k∈[1,K],∀(u,v)∈E0≤bk(u)≤C,∀k∈[1,K],∀u∈V;]]>其中，s.t.表示约束条件；表示节点u是否作为第k条流的候选转发节点，若节点u作为第k条流的候选转发节点，则为1，否则为0；表示节点v是否作为第k条流的候选转发节点，若节点v作为第k条流的候选转发节点，则为1，否则为0；表示节点u和v之间的链路是否为第k条流所用，若节点u和v之间的链路是否作为第k条流所使用，则为1，否则为0；BH_uv表示节点u和v的邻居关系，u和v互为邻居时BH_uv值为1，否则为0；r_k(u,v)表示第k条流在链路(u,v)上的流速率；r_k(w,u)表示第k条流在链路(w,u)上的流速率；λ_k表示第k条流的吞吐量；b_k(v)为节点v的平均广播速率；b_k(u)为节点u的平均广播速率，表示节点u在第t个调度时槽是否为第k条流传输数据，为1表示发送，否则为0；T为调度时槽个数；C为MAC层的容量；b_k(v)为节点v的平均广播速率;p(u,v)表示链路(u,v)的包投递率；3）将上述目标函数模型的等价表达式转化为以下优化模型：maximizeΣk∈[1,K]1n(λk)s.t.bk(u)*p(u,v)≥rk(u,v),∀k∈[1,K],∀(u,v)∈EΣvrk(u,v)-Σwrk(w,u)=hk(u),∀k∈[1,K],∀u∈VΣk∈[1,K]bk(u)+Σk∈[1,K]Σv∈R(u)bk(v)≤C,∀u≠sk0≤rk(u,v)≤C,∀k∈[1,K],∀(u,v)∈E0≤bk(u)≤C,∀k∈[1,K],∀u∈V;]]>4）将上述优化模型转化为以下标准形式：minimize-Σk∈[1,K]1n(λk)s.t.rk(u,v)-bk(u)*p(u,v)≤0,∀k∈[1,K],∀(u,v)∈EΣvrk(u,v)-Σwrk(w,u)=hk(u),∀k∈[1,K],∀u∈VΣk∈[1,K]bk(u)+Σk∈[1,K]Σv∈R(u)bk(v)-C≤0,∀u≠sk;0≤rk(u,v)≤C,∀k∈[1,K],∀(u,v)∈E0≤bk(u)≤C,∀k∈[1,K],∀u∈V]]>5）初始化，设定i为0，随机设定初始参数其中和分别表示和的对偶参数；6）设定i为1；7）为步骤4）中的模型引入对偶参数，建立拉格朗日函数，其中约束条件的对偶参数是x(u),约束条件的对偶参数是y_k(u,v)，根据对偶和子梯度法求解方法，利用下式更新对偶参数：x(i)(u)=max(0,x(i-1)(u)+ηMu(i-1))yf(i)(u,v)=max(0,yk(i-1)(u,v)+ηH(k,u,v)(i-1))Mu(i-1)=Σf∈[1,F]u≠skbk(i-1)(u)+Σf∈[1,F]Σv∈R(u),u≠skbk(i-1)(v)-CH(k,u.v)(i-1)=rk(i-1)(u,v)-bk(i-1)(u)p(u,v);]]>其中，x^(i-1)(u)和为第i-1次迭代的对偶参数，η为步长，η>0；分别为x(u)和y_k(u,v)的对偶梯度，为第i-1次迭代中节点u的平均广播速率，为第i-1次迭代中链路(u,v)在第k条流上的流速率；8）根据第i次迭代的对偶参数，计算第i次迭代中第k条流在链路(u,v)上的流速率和节点u的平均广播速率bk(i)(u)bk(i-1)(u)+12ϵ(Σ(u,v)∈Eyk(i)(u,v)p(u,v)-x(i)(u)u≠sk-Σv∈R(u),v≠skx(i)(v))]]>其中：为第i次迭代中第k条流的流速率；π为第k条流源节点到目的节点的任意一条路径；为第i次迭代链路(u,v)的对偶参数，即链路(u,v)的开销；为第i次迭代中第k条流中开销最小的路径的开销；若链路(u,v)∈arg minπΣ(u,v)∈πyk(i)(u,v),]]>则rk(i)(u,v)=Γki;]]>否则rk(i)(u,v)=0;]]>9)计算第i次迭代中第k条流在链路(u,v)上的平均流速率计算第i次迭代中节点u的平均广播速率的平均值判断前后两次迭代的差是否小于10^-4，若是，进入10）；否则，令i=i+1，返回7），直到当前迭代次数i大于最大迭代次数run，run>0，得到收敛后的进入10）；10）利用收敛后的根据下式得到最大的目标函数值11）利用收敛后的和根据下式得到和αuvk=1,r~k(i)(u,v)≠00,r~k(i)(u,v)=0,∀k∈[1,K],∀(u,v)∈E;]]>βuk=1,b~k(i)(u)≠00,otherwise∀k∈[1,K].]]>