论文部分内容阅读
下一代虚拟网络业务的多样性以及资源管理的复杂性，对路由方案提出了更高的要求，首先要满足不同类型业务的QoS指标，其次要最大化的提高网络整体资源利用率。智能优化方法为寻找复杂的分布式信息的解决方案提供了基础，优化方法主要包括模拟退火算法、遗传算法、粒子群算法、蚁群优化算法等机器学习方法。QoS路由是一个多约束条件下的最优化问题，可通过群智能优化算法查找网络内一条最优的可用路由。
因此，本文基于下一代网络整体考虑，建立一种新型层次化网络模型，根据不同业务类型要求的各个QoS指标建立相对应的多约束条件下的QoS路由目标适应函数，利用改进的混沌蚁群优化算法寻找既定网络的综合代价最小的最优路径，以供路由决策，提高网络的管控能力。
首先，提出下一代网络层次化网络模型，并在此模型的数据平面建立多约束QoS路由数学模型。这一模型主要考虑网络的时延、带宽、时延抖动、丢包率和链路代价等性能参数。
其次，在多约束QoS路由数学模型的基础上建立目标适应值函数。目标适应值函数由两部分线性组合而成，一部分为链路代价函数，一部分为惩罚函数。
再次，改进混沌蚁群算法，将粒子群算法融入混沌蚁群算法中，实现混沌群算法在连续域和离散域的一一对应关系，并提出自然选择和变异机制，提高算法的成功率。
最后，将改进的混沌蚁群算法应用到多约束QoS路由选择问题当中，通过matlab仿真，验证算法的可行性、有效性和可靠性。