發(fā)布時(shí)間：2020-09-16 10:05

　　 隨著云計(jì)算、大數(shù)據(jù)等信息技術(shù)的迅猛發(fā)展,以軟件定義網(wǎng)絡(luò)、移動(dòng)互聯(lián)等為代表的互聯(lián)網(wǎng)技術(shù)的演進(jìn)日新月異,人們對(duì)多媒體應(yīng)用的需求急劇增加。組播技術(shù)正好能較好地支撐具有實(shí)時(shí)的、高帶寬的多媒體業(yè)務(wù)。而傳統(tǒng)路由采用“存儲(chǔ)-轉(zhuǎn)發(fā)”模式傳輸數(shù)據(jù),不能保證達(dá)到組播的最大吞吐量。與傳統(tǒng)模式傳輸數(shù)據(jù)不同,網(wǎng)絡(luò)編碼采用“編碼-轉(zhuǎn)發(fā)”模式來(lái)傳輸數(shù)據(jù),不僅能保證組播獲得理論最大吞吐量,而且在節(jié)約能耗、提高數(shù)據(jù)安全性等方面優(yōu)勢(shì)顯著,具有重要的理論價(jià)值和巨大的應(yīng)用潛力。然而,編碼操作涉及復(fù)雜的數(shù)學(xué)運(yùn)算,過(guò)多編碼操作無(wú)疑會(huì)消耗大量的計(jì)算和存儲(chǔ)資源,從而導(dǎo)致網(wǎng)絡(luò)成本的增加。因此在保證組播數(shù)據(jù)速率的前提下,如何減少網(wǎng)絡(luò)編碼的操作次數(shù)來(lái)降低網(wǎng)絡(luò)開(kāi)銷(xiāo)是一個(gè)極為重要的學(xué)術(shù)研究問(wèn)題,該問(wèn)題被稱(chēng)為網(wǎng)絡(luò)編碼資源優(yōu)化問(wèn)題(Network Coding Resource Minimization,NCRM)。另一方面,網(wǎng)絡(luò)服務(wù)供應(yīng)商希望最大化網(wǎng)絡(luò)資源的利用率來(lái)節(jié)省成本,而負(fù)載均衡是衡量網(wǎng)絡(luò)資源利用率的重要指標(biāo)之一。在基于網(wǎng)絡(luò)編碼的組播通信過(guò)程中,在充分發(fā)揮網(wǎng)絡(luò)編碼優(yōu)勢(shì)的同時(shí)盡可能均衡網(wǎng)絡(luò)負(fù)載,已成為網(wǎng)絡(luò)領(lǐng)域的重要研究方向。該問(wèn)題被稱(chēng)為網(wǎng)絡(luò)編碼組播負(fù)載均衡問(wèn)題(Load Balancing in Network Coding Based Multicast,LBNCM)。與傳統(tǒng)優(yōu)化算法相比,進(jìn)化算法全局搜索能力強(qiáng)、實(shí)現(xiàn)簡(jiǎn)單、魯棒性高,被廣泛應(yīng)用于工程實(shí)踐中,尤其在解決組合優(yōu)化問(wèn)題和NP-Hard問(wèn)題上優(yōu)勢(shì)明顯,因此本文采用進(jìn)化算法來(lái)解決NCRM和LBNCM問(wèn)題。具體實(shí)施為以下三個(gè)方面:1)針對(duì)靜態(tài)網(wǎng)絡(luò)環(huán)境下的NCRM問(wèn)題,本文提出一種改進(jìn)型粒子群優(yōu)化算法來(lái)解決。提出的貪婪初始化策略引導(dǎo)算法快速定位至可行解區(qū)域,采用路徑重連局部搜索策略來(lái)進(jìn)一步增強(qiáng)粒子群優(yōu)化算法的局部搜索能力。實(shí)驗(yàn)表明,針對(duì)靜態(tài)NCRM問(wèn)題,本文提出的算法穩(wěn)定性高、計(jì)算時(shí)間少以及能獲得具有較少編碼次數(shù)的組播子圖。2)研究了動(dòng)態(tài)網(wǎng)絡(luò)環(huán)境下的NCRM問(wèn)題,并采用一種多智能體進(jìn)化算法來(lái)解決。MAEA中智能體之間信息的傳遞速度較快,當(dāng)網(wǎng)絡(luò)環(huán)境發(fā)生變化時(shí),各個(gè)智能體間會(huì)迅速適應(yīng)環(huán)境的變化。實(shí)驗(yàn)表明,與遺傳算法、量子衍生進(jìn)化算法、種群增量學(xué)習(xí)等算法相比,MAEA在網(wǎng)絡(luò)環(huán)境變化之前能優(yōu)化出較少的編碼次數(shù)。3)針對(duì)LBNCM問(wèn)題,本文提出了一種改進(jìn)的人工蜂群算法來(lái)解決。該算法整合了三種全新策略。引導(dǎo)型食物源初始化策略提供初始蜂群高蜜源量的食物源,基于蜜源庫(kù)的偵查蜂選擇策略用于進(jìn)一步搜索高質(zhì)量的解,概率分布模型搜索策略來(lái)增強(qiáng)種群多樣性和避免早熟收斂。在12固定拓?fù)浜?2個(gè)隨機(jī)生成的拓?fù)湎碌姆抡鎸?shí)驗(yàn)表明,本文提出的算法能獲得更小的適應(yīng)度值,從而較好地均衡網(wǎng)絡(luò)負(fù)載。
【學(xué)位單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP393.0

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 邵星;王汝傳;黃海平;孫力娟;;基于模擬退火遺傳算法的網(wǎng)絡(luò)編碼優(yōu)化研究[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

2 鄧亮;趙進(jìn);王新;;基于遺傳算法的網(wǎng)絡(luò)編碼優(yōu)化[J];軟件學(xué)報(bào);2009年08期

本文編號(hào)：2819728