认知网络中具有自主学习特征的智能QoS保障机制研究

摘要

认知行为模型首先检测网络当前的状态，然后根据观察到的网络条件和参数进行调整、判决、执行。认知技术使得通信实体具有认知周围环境的能力，并能根据周围环境的变化智能、自主、自适应地动态变化。将认知的概念和功能引入现有的信息网络就构成了认知网络。然而，以端到端QoS(Quality of Service)性能最优化为目标的认知网络的研究在国内外还都处于萌芽阶段，仅有一个大致的网络概念模型和少量认知路由算法。认知网络中QoS机制的实现，即资源预约、资源调度和管理等问题至今还缺乏可行的解决方案。因此，本文将基于网络行为模型，研究认知网络的QoS保障机制，本文是国家高技术研究发展计划（863计划）课题的一部分。
　　本文主要提出了三个算法和机制，包括基于蚁群算法的多径路由并行传输协议、预留资源的自适应借用策略、以及基于神经网络的混合网络流量预测模型。详细内容如下。
　　(1)在认知网络中支持流媒体传输的多径路由算法方面，本文通过改进蚁群算法，提出能够规避和快速缓解拥塞的多径路由协议命名为AMP算法。AMP算法在源节点和目的节点之间寻找多条独立的可用路径，并构成有效传输路径集。根据每条路径上的带宽资源和网络负载情况，对集合中的路径进行优先级排队，确定多条传输路径并行传输，改善流媒体业务的服务质量。当主路由发生拥塞时，迅速使用路径集中的备用录用替换原有路由，保证传输的连续性。同时，启动新的路径搜索算法，即在目的节点和源节点同时发送寻路蚂蚁，双方向发现新路由，能够更加迅速的发现新路径，规避拥塞。另外，AMP算法使用改进了的蚂蚁寻路准则，使得该算法可以实现多QoS约束的最优路由，即同时满足时延和带宽约束的路由。
　　(2)在预留资源的自适应借用与吞吐量优化方面，本文引入自适应借用的思想，提出了预留资源的借用策略，命名为RBFR策略。在传统的信息网络中，预留资源在有效期内具有独占性和专用性，而数据业务的突发特点使发送端输出的数据流不连贯，造成相应的预留资源不定期的处于闲置状态，导致资源浪费。在网络负载较重的情况下，占整体资源比例较大的预留资源有部分闲置，而网络中剩余的可用资源无法满足更多应用的接入需求，限制了吞吐量的提高。因此，充分利用认知网络的自学习和重配置功能，实现预留资源的自适应借用，是提高网络吞吐量、改进网络性能的重要手段。于是，本文将节点的资源类型分为三类:预留资源、本地资源和额外资源，提出在保证已预留资源的数据流服务质量的前提下，允许实时业务在满足相应规定时借用节点闲置的预留资源，非实时业务不允许借用其他节点的资源。RBFR策略还给出了相应的资源分配和借用规则，并使额外资源在使用完毕后按本文给出的规则归还。RBFR策略不仅保证了实时业务和非实时业务的公平性，而且可以灵活协调多种业务，优化配置网络资源，改善系统整体吞吐量，提高资源利用效率。
　　(3)在认知网络的流量调度与负载均衡方面，本文将神经网络的预测方法引入认知网络，提出基于神经网络的混合神经网络预测模型，命名为Ant Double-BP模型。该模型利用神经网络的非线性处理和容噪能力，综合考虑终端的分布状况和用户业务的QoS需求，实时跟踪网络状态，预测网络流量。另外，该模型使用蚁群算法训练BP(Back Propagation)神经网络的权值，使得BP网络的权值不依赖于训练样本;并在拟合之前剔除原始数据中的异常数据，这些做法都排除了训练样本对模型精度的影响。同时，使用混合的小波神经网络模型预测网络流量，提高了对非线性、多时间尺度变化的网络流量的预测精度。

目录

声明

致谢

摘要

图表清单

1 引言

1．1 研究背景及意义

1．2 认知网络及其QoS机制的现状

1．2．1 认知网络的概述

1．2．2 认知网络框架

1．2．3 认知网络特征

1．2．4 认知网络的QoS机制概述

1．3 论文的主要工作及创新点

1．4 论文的结构

2 智能QoS保障机制的文献综述

2．1 多径路由协议

2．1．1 时延感知多径路由协议

2．1．2 具有可靠性的多径路由协议

2．1．3 最小代价多径路由协议

2．1．4 高效节能的多径路由协议

2．1．5 复合多径路由协议

2．1．6 如何选择合适的多径路由协议

2．2 资源预留方案

2．2．1 资源预留协议——RSVP

2．2．2 基于RSVP的资源预留协议

2．2．3 RSVP在移动环境中的应用

2．2．4 其他方案

2．3 流量预测模型

2．3．1 小波神经网络

2．3．2 混合神经网络模型

2．3．3 蚁群算法和神经网络的结合

2．4 小结

3 相关理论

3．1 多径路由协议

3．1．1 多径路由的定义及使用模式

3．1．2 与单径路由的比较

3．2 蚁群算法相关理论

3．2．1 蚁群算法原理

3．2．2 蚁群算法的步骤

3．3 神经网络相关理论

3．3．1 人工神经网络的发展概述

3．3．2 神经网络的特征

3．3．3 相关理论模型介绍

4 认知网络中基于蚁群算法的多径路由机制(AMP算法)

4．1 蚁群路由算法

4．2 AMP算法思路的提出

4．3 AMP算法

4．3．1 AMP算法的网络模型设计

4．3．2 AMP算法的路由约束

4．3．3 AMP算法的步骤

4．4 AMP算法的仿真分析

4．4．1 网络丢包率

4．4．2 网络时延

4．4．3 剩余带宽

4．5 本章小结

5 自适应的预留资源借用策略(RBFR策略)

5．1 RBFR策略的思路提出

5．2 RBFR策略的系统模型建立

5．2．1 模型中的资源分类

5．2．2 模型假设及参数说明

5．3 RBFR策略

5．3．1 RBFR策略的资源分配规则

5．3．2 RBFR策略的功能模块

5．3．3 RBFR策略的步骤

5．3．4 RBFR策略的额外资源归还

5．4 RBFR策略的仿真分析

5．4．1 仿真参数和场景

5．4．2 仿真结果和分析

5．5 本章小结

6 基于蚁群算法的网络流量预测模型(Ant Double-BP模型)

6．1 Ant Double-BP模型概述

6．2 Ant Double-BP模型的思路设计

6．3 Ant Double-BP模型的框架及具体步骤

6．4 蚁群算法训练BP网络权值

6．5 Ant Double-BP模型的仿真分析

6．5．1 BP1网络剔除异常数据阶段

6．5．2 小波分解阶段

6．5．3 流量预测阶段

6．6 本章小结

7 总结

参考文献

作者简历

学位论文数据集