軟件定義網(wǎng)絡(luò)（Software-defined Networking,SDN）實(shí)現(xiàn)了控制平面與數(shù)據(jù)平面的解耦,創(chuàng)新性地解決了傳統(tǒng)網(wǎng)絡(luò)體系結(jié)構(gòu)僵化、管理難度大、更新困難等問題,近年來已成為學(xué)術(shù)研究與產(chǎn)業(yè)應(yīng)用的熱點(diǎn)。然而,隨著各類基于SDN的網(wǎng)絡(luò)基礎(chǔ)設(shè)施特別是數(shù)據(jù)中心網(wǎng)絡(luò)的不斷發(fā)展,大量的網(wǎng)絡(luò)應(yīng)用和網(wǎng)絡(luò)流量呈現(xiàn)爆炸式增長(zhǎng),使得SDN網(wǎng)絡(luò)業(yè)務(wù)傳輸過程中存在服務(wù)質(zhì)量難以保證和終端用戶體驗(yàn)差的問題。具體而言,首先,隨著網(wǎng)絡(luò)業(yè)務(wù)的多元化發(fā)展,網(wǎng)絡(luò)業(yè)務(wù)狀態(tài)信息呈現(xiàn)高維化特征,現(xiàn)有SDN受限于其節(jié)點(diǎn)感知能力和僵化的業(yè)務(wù)分配機(jī)制,難以高效完成全局網(wǎng)絡(luò)業(yè)務(wù)感知,無法為業(yè)務(wù)傳輸提供精確的感知依據(jù);其次,在分布式多控制器部署的SDN網(wǎng)絡(luò)中,如果其子域劃分不合理,多域管理下的控制器間協(xié)作性差,會(huì)嚴(yán)重影響SDN業(yè)務(wù)傳輸效率;最后,網(wǎng)絡(luò)流量存在時(shí)間與空間分布不均勻的特性,在業(yè)務(wù)流量突發(fā)的情況下,控制器極易出現(xiàn)過載或者輕載的狀況,導(dǎo)致業(yè)務(wù)傳輸不穩(wěn)定。本文以國(guó)家863計(jì)劃課題“軟件定義網(wǎng)絡(luò)體系結(jié)構(gòu)與關(guān)鍵技術(shù)研究”為依托,圍繞軟件定義網(wǎng)絡(luò)業(yè)務(wù)傳輸優(yōu)化技術(shù)展開研究,從SDN業(yè)務(wù)傳輸框架、SDN業(yè)務(wù)狀態(tài)感知算法、多域協(xié)同控制... 

【文章來源】：戰(zhàn)略支援部隊(duì)信息工程大學(xué)河南省

【文章頁(yè)數(shù)】：104 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

基于群集運(yùn)動(dòng)的SDN業(yè)務(wù)傳輸框架圖

戰(zhàn)略支援部隊(duì)信息工程大學(xué)博士學(xué)位論文第30頁(yè)從網(wǎng)絡(luò)開銷的角度來看，實(shí)時(shí)感知大規(guī)模的網(wǎng)絡(luò)資源將降低網(wǎng)絡(luò)吞吐量，并影響網(wǎng)絡(luò)業(yè)務(wù)的正常傳輸性能。而智能網(wǎng)元節(jié)點(diǎn)將以增量的方式部署在網(wǎng)絡(luò)中，所以具備感知能力的網(wǎng)絡(luò)智能體的數(shù)量有限，并且感知節(jié)點(diǎn)在執(zhí)行感知?jiǎng)幼鲿r(shí)會(huì)因智能體計(jì)算、感知、繼承行為產(chǎn)生鏈路資源的消耗，因此不能無限感知，需要遵循空間全覆蓋、時(shí)間全覆蓋、數(shù)量最少、負(fù)載均衡等原則。（3）鄰域繼承機(jī)制鄰域繼承機(jī)制實(shí)現(xiàn)了可控的感知信息傳遞，為網(wǎng)絡(luò)狀態(tài)定義了合理的、清晰的、完整的感知信息格式，以及與相鄰網(wǎng)絡(luò)智能體之間的信息交換流程。智能節(jié)點(diǎn)為感知區(qū)域內(nèi)的每個(gè)網(wǎng)元都建立了一條資源感知信息，在信息中依次說明該網(wǎng)元節(jié)點(diǎn)能夠提供的各功能單元名稱、與協(xié)同處理單元間的拓?fù)潢P(guān)系、配置狀態(tài)、響應(yīng)能力及容量大校同時(shí)，智能節(jié)點(diǎn)為感知區(qū)域內(nèi)的每項(xiàng)業(yè)務(wù)也建立了一條業(yè)務(wù)感知信息，在信息中依次說明該業(yè)務(wù)在感知區(qū)域內(nèi)的分布特征、處理所需的資源以及傳輸處理過程中的性能指標(biāo)。圖2.8映射關(guān)系庫(kù)示意圖同時(shí)，要設(shè)定感知信息的發(fā)起和結(jié)束條件，避免大量感知信息在傳遞和處理過程中消耗節(jié)點(diǎn)和鏈路資源。根據(jù)網(wǎng)絡(luò)狀態(tài)關(guān)聯(lián)規(guī)則可定義的特點(diǎn)，同一個(gè)智能體在時(shí)間上對(duì)網(wǎng)絡(luò)參數(shù)的連續(xù)感知結(jié)果具有相關(guān)特性，如果對(duì)某參數(shù)的兩次感知結(jié)果相關(guān)度較高，表明當(dāng)前感知結(jié)果對(duì)全網(wǎng)狀態(tài)生成影響較小，無需向鄰域更新該參數(shù)的感知結(jié)果；反之，如果相關(guān)度較低，表明感知結(jié)果變化較大，應(yīng)向鄰域傳遞最新的感知信息。

戰(zhàn)略支援部隊(duì)信息工程大學(xué)博士學(xué)位論文第32頁(yè)業(yè)務(wù)類i的決策函數(shù)領(lǐng)域繼承機(jī)制Xi-1Xi-2Xi-3Xi-N帶寬分配與執(zhí)行+圖2.9基于平穩(wěn)流的業(yè)務(wù)帶寬分配與決策過程圖2.5.3智能決策（1）生成決策1）基于深度學(xué)習(xí)的復(fù)雜網(wǎng)絡(luò)決策模型深度學(xué)習(xí)能夠利用機(jī)器學(xué)習(xí)模型，自動(dòng)發(fā)現(xiàn)并提取原始數(shù)據(jù)中潛在的關(guān)系和特征，而無需考慮人們的先驗(yàn)知識(shí)，基于其自主性得出的結(jié)果更為客觀和真實(shí)。深度學(xué)習(xí)模型中含有多個(gè)非線性變換模塊，對(duì)學(xué)習(xí)內(nèi)容逐層抽取并生成更多有用的抽象特征，自行地學(xué)習(xí)呈現(xiàn)分層結(jié)構(gòu)的數(shù)據(jù)特征，通過非線性變換表示為更高層的特征，并得到輸入數(shù)據(jù)和輸出數(shù)據(jù)之間復(fù)雜的映射關(guān)系，進(jìn)而對(duì)網(wǎng)絡(luò)進(jìn)行擬合與決策。如圖2.10，系統(tǒng)觀察環(huán)境狀態(tài)S，并以此選擇決策a，環(huán)境狀態(tài)因該決策發(fā)生改變，并反饋r，系統(tǒng)則根據(jù)r調(diào)整決策的選擇方式，再次選擇決策。因此，學(xué)習(xí)的目的是不斷增加反饋的修正決策，使得反饋r最大。圖2.10基于深度學(xué)習(xí)的復(fù)雜網(wǎng)絡(luò)決策模型示意圖2）不確定隨機(jī)網(wǎng)絡(luò)優(yōu)化模型網(wǎng)絡(luò)面向多網(wǎng)系承載和復(fù)雜不確定業(yè)務(wù)時(shí)，隨機(jī)性和不確定性往往會(huì)同時(shí)出現(xiàn)在一個(gè)網(wǎng)絡(luò)中，通過大量歷史數(shù)據(jù)或觀測(cè)數(shù)據(jù)的統(tǒng)計(jì)，能夠獲得權(quán)重滿足隨機(jī)性鏈路的概率分布函數(shù)。在歷史數(shù)據(jù)無效且無法通過統(tǒng)計(jì)或因突發(fā)事件等原因獲取數(shù)據(jù)時(shí)，只能利用具有相

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)蟻群算法的中央空調(diào)冷凍水系統(tǒng)優(yōu)化控制[J]. 張帆,李壯舉.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(05)
[2]基于煙花算法的蛋白質(zhì)相互作用網(wǎng)絡(luò)功能模塊檢測(cè)方法[J]. 肖行行,冀俊忠,楊翠翠.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(05)
[3]SDN中基于多指標(biāo)的鏈路負(fù)載均衡模型[J]. 龍昭華,葉二偉,董瑞芳.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(04)
[4]基于蟻群優(yōu)化的SDN負(fù)載均衡算法研究[J]. 竇浩銘,胡靜,陳思光,吳蒙.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[5]Reliable and Load Balance-Aware Multi-Controller Deployment in SDN[J]. Tao Hu,Peng Yi,Jianhui Zhang,Julong Lan.  中國(guó)通信. 2018(11)
[6]群集運(yùn)動(dòng)引發(fā)的智慧網(wǎng)絡(luò)發(fā)展思考:情景網(wǎng)絡(luò)[J]. 鄔江興,胡宇翔,李玉峰.  電信科學(xué). 2018(05)
[7]軟件定義網(wǎng)絡(luò)中基于負(fù)載均衡的多控制器部署算法[J]. 史久根,邾偉,賈坤滎,徐穎.  電子與信息學(xué)報(bào). 2018(02)
[8]基于STM32F407的以太網(wǎng)通信模塊設(shè)計(jì)[J]. 崔琳,朱磊,劉小龍,王湘南.  計(jì)算機(jī)測(cè)量與控制. 2018(01)
[9]帶通信時(shí)滯的多智能體系統(tǒng)的群集運(yùn)動(dòng)[J]. 王世麗,金英花,吳晨.  計(jì)算機(jī)工程與應(yīng)用. 2017(23)
[10]SDN中基于可靠性評(píng)估的多控制器均衡部署策略[J]. 胡濤,張建輝,馬騰,趙偉.  通信學(xué)報(bào). 2017(11)

碩士論文
[1]電能質(zhì)量問題模擬電源的數(shù)據(jù)采集系統(tǒng)研制[D]. 張潔.西安工程大學(xué) 2018
[2]基于智能SDN的傳輸優(yōu)化和流量分配機(jī)制研究[D]. 余晨.浙江大學(xué) 2018
[3]多功能數(shù)據(jù)采集器的研制[D]. 趙曉田.西安工程大學(xué) 2016
[4]軟件定義網(wǎng)絡(luò)在大規(guī)模網(wǎng)絡(luò)中的應(yīng)用研究[D]. 汪剛.浙江大學(xué) 2015



本文編號(hào)：3458398