基于蚁群算法的网络探测优化方法技术

本发明专利技术公开了基于蚁群算法的网络探测优化方法，首先网络中各节点根据流量分布，释放出流蚂蚁进行巡游，流蚂蚁在到达某个节点后，生成探测蚂蚁探知周围网络的状况，在掌握路径的的信息素、节点能耗和链路延迟信息后，流蚂蚁以一定的策略选择下一跳，启发式地构建到达目标的巡游路径。在到达目的节点或超过最大生存时间后，流蚂蚁提交记录的路径信息，这些路径信息组成本次迭代的路径集，计算该拓扑子集的总能耗，继而决定信息素的量，让流蚂蚁原路返回释放信息素。经过若干次数的迭代，流量会逐渐集中到部分路径上来，生成满足数据传输需求的一个低能耗的拓扑子集，从而可以关闭其它链路，达成节能的目的。

【技术实现步骤摘要】
基于蚁群算法的网络探测优化方法
本专利技术涉及基于蚁群算法的网络探测优化方法。
技术介绍
低碳节能已经成为当前最受关注的话题之一。据统计，目前信息和通信
的碳排放超过全球排放总量的2％，服务于互联网的服务器、路由器、交换机、冷却设施等各种设备的耗电占全球总耗电量的5.3％，高能耗已经成为网络通信领域亟待解决的问题。在数据网络中，节能策略分为设备级和网络级。设备级节能策略主要研究减少单个或某种设备能耗的技术方法，如针对服务器、主机等设备的动态频速率调整、虚拟机放置与迁移、休眠等技术；而网络级节能策略则从网络全局考虑，试图使网络整体的能耗与负载与比例，由于传统网络的设计原则要求过度供应和冗余，这与节能的理念背道而驰，因此要对网络整体的设计和架构、协议与路由进行优化和改进，建立绿色网络。重新设计和部署网络架构是一个庞大的工程，因此我们常用的方法是改进协议和路由，通过流调度和设备休眠机制，在满足数据传输需求的前提下最小化传输使用的网络资源。具体实现方法是使用能耗感知的路由选择合理路径，生成一个满足流量需求的拓扑子集，而后采用流调度将流量聚合到这部分链路上来，关闭空闲链路，达到节能目的。目前在这方面研究有很多，但大部分算法仅限于针对特定能耗模型在实验环境中运行，对实际部署中的细节问题考虑较少，距离应用还有差距。进行能耗感知的路由，需要掌握网络各部分的能耗状态，以指导路由决策，而在路由优化生成拓扑子集之后，也要获悉网络整体的能耗以评价优化的结果，因此需要对能耗进行实时准确的探测。而能耗是网络中一类特殊的度量指标，它根据网络环境的变化实时改变，且受负载、设备工作机制、物理环境等多因素的影响，难以监测和采集。传统的网络状态探测方式按采集信息的方法分为主动式和被动式。主动测量通过发送数据包去探测被测对象的情况，通过分析被测对象的响应得到反馈指标，它具备实时性，但监测者的参与对网络性能造成了一定影响，所以并不准确。现有基于链路状态的路由协议就使用这种方法，如OSPF，它通过节点间频繁交换数据包获知网络的状态，一旦状态发生变化就用洪泛法向全网传递信息，而各节点也要重新计算路由。这种方法开销较大，且在以能耗为优化目标的网络中，会使设备链路速率、休眠状态发生改变，对能耗造成影响。被动测量是在监测点截取一部分真实的网络数据，通过分析其中的标志性数据得到网络和设备的信息，一些网络监控软件采用这种方法，它不会对网络性能造成影响，但实时性差且一般需要管理权限，而且无法分析得到能耗信息。
技术实现思路
为了解决现有技术的不足，本专利技术提供了基于蚁群算法的网络探测优化方法，利用算法的随机分布式特点，设计一种利用蚁群对网络能耗信息进行探测和采集、并将能耗作为度量指标对网络路由进行优化的方法；基于蚁群算法的网络探测优化方法，包括：网络中各节点根据流量分布，释放出流蚂蚁进行巡游，流蚂蚁在到达某个节点后，生成探测蚂蚁探知周围网络的状况，在掌握路径的下一跳可选节点的链路延迟信息、带宽利用信息和下一跳可选节点的当前功率值后，流蚂蚁筛选出候选节点，启发式地构建到达目标的巡游路径；在到达目的节点或超过最大生存时间后，流蚂蚁提交记录的路径信息，路径信息组成本次迭代的路径集，计算拓扑子集的总能耗，继而计算更新的信息素，让流蚂蚁原路返回释放更新的信息素；经过若干次的迭代，流量逐渐集中到部分路径上来，生成满足数据传输需求的低能耗的拓扑子集。基于蚁群算法的网络探测优化方法，包括：步骤(1)：加载目标网络数据；初始化每条路径上的信息素；步骤(2)：网络中每个源节点按照数据流传输方向释放出流蚂蚁向目的节点移动，每只流蚂蚁都与一个流量需求一一对应；每只流蚂蚁都配置有自身流量需求对应的源节点、目的节点和带宽需求；每只流蚂蚁在移动过程中，记录走过的路径，采集路径上每个节点的当前功率值；流蚂蚁在到达某个中间节点后，将除去上一跳节点外的其它所有相邻非休眠链路的节点作为可选节点，根据下一跳可选节点的个数生成对应个数的探测蚂蚁；每只探测蚂蚁探测与当前中间节点连接的下一跳可选节点的链路延迟信息、带宽利用信息和下一跳可选节点的当前功率值，探测蚂蚁将探测结果反馈给流蚂蚁，探测蚂蚁被销毁；流蚂蚁根据探测结果从下一跳可选节点中进一步筛选出当前中间节点的下一跳候选节点；步骤(3)：判断是否筛选出候选节点，如果筛选出候选节点，则计算转移概率，流蚂蚁根据各候选节点转移概率，采用轮盘赌的方式选择下一跳节点，进入步骤(4)；如果没有筛选出候选节点，则直接选择可用带宽最高链路，流蚂蚁移动至下一跳节点，进入步骤(4)；步骤(4)：判断流蚂蚁是否到达目的节点，如果流蚂蚁到达目的节点，则将流蚂蚁采集的信息提取出来，交付中央控制节点；如果流蚂蚁未达到目的节点，则进一步判断当前流蚂蚁是否到达最大生存时间，如果到达最大生存时间，则将当前流蚂蚁采集的信息提取出来，交付中央控制节点；然后将当前流蚂蚁销毁；如果未到达最大生存时间，则返回步骤(3)；待所有流蚂蚁提交信息后，中央控制节点将所有流蚂蚁采集的信息进行汇总，采集的信息包括流蚂蚁所经过的路径和每个节点的当前功率值，从而得到网络的拓扑子集，计算拓扑子集的总功率，根据总功率计算更新的信息素；而后成功到达目的地的流蚂蚁原路返回，返回期间向所经过的路径释放更新的信息素，并根据流蚂蚁原路返回的路径，修改路径上每个节点的MPLS转发表；进入步骤(5)；步骤(5)：判断是否满足终止条件，如果是，就结束，输出最小能耗网络拓扑子集，调度对应的流量，关闭空闲节点；如果否，就返回步骤(2)。进一步的，所述目标网络数据，包括：网络拓扑信息和流量需求；所述网络拓扑信息，包括：网络中的各节点设备及其承载的线卡的工作状态，设备的底座功率PCi、安装的各个线卡的功率PLi、各设备线卡数Mi、各节点之间链路链接的情况和每条链路的最大带宽容量cij；所述流量需求，包括：各流量的源节点、目的节点和传输需要占用的带宽wk。进一步的，所述初始化每条路径上的信息素，是将每条链路上N个流量需求对应的N种信息素置为一个常数τ0。进一步的，所述链路延迟信息的计算步骤为：设探测蚂蚁准备从当前节点出发，加入当前节点发送队列的时间为ti，到达下一节点的时间为tj，则通过两节点间的时间差测出链路延迟delayij，即delayij＝tj-ti。进一步的，所述带宽利用信息的计算过程为：通过路由设备端口属性直接读出当前链路的最大带宽容量cij和当前链路已经被占用的流量进一步的，所述下一跳可选节点的当前功率值的计算过程为：节点设备的底座功率与处于工作状态的线卡额定功率之和，再加上有流量通过时线卡能耗的增加值，即PCi+α*PLi+b*ωi*PLi。其中a为该节点设备上所有工作线卡的数量，b为有流量通过的线卡数量，ωi对于指定节点设备为一个常数，表示节点i的线卡上在有流量经过时功率增加的百分比。进一步的，流蚂蚁根据探测结果从下一跳可选节点中进一步筛选出当前中间节点的下一跳候选节点筛选依据是：若当前链路已经被占用的流量与带宽需求之和所占带宽比例不超过最大利用率θcij，即则保留该链路对应的节点为候选节点，否则删除。进一步的，计算转移概率：其中，t表示算法迭代次数，Pijd(t)表示以d为目的节点的蚂蚁在第t次迭代中从当前节本文档来自技高网...

【技术保护点】
1.基于蚁群算法的网络探测优化方法，其特征是，包括：网络中各节点根据流量分布，释放出流蚂蚁进行巡游，流蚂蚁在到达某个节点后，生成探测蚂蚁探知周围网络的状况，在掌握路径的下一跳可选节点的链路延迟信息、带宽利用信息和下一跳可选节点的当前功率值后，流蚂蚁筛选出候选节点，启发式地构建到达目标的巡游路径；在到达目的节点或超过最大生存时间后，流蚂蚁提交记录的路径信息，路径信息组成本次迭代的路径集，计算拓扑子集的总能耗，继而计算更新的信息素，让流蚂蚁原路返回释放更新的信息素；经过若干次的迭代，流量逐渐集中到部分路径上来，生成满足数据传输需求的低能耗的拓扑子集。

【技术特征摘要】
1.基于蚁群算法的网络探测优化方法，其特征是，包括：网络中各节点根据流量分布，释放出流蚂蚁进行巡游，流蚂蚁在到达某个节点后，生成探测蚂蚁探知周围网络的状况，在掌握路径的下一跳可选节点的链路延迟信息、带宽利用信息和下一跳可选节点的当前功率值后，流蚂蚁筛选出候选节点，启发式地构建到达目标的巡游路径；在到达目的节点或超过最大生存时间后，流蚂蚁提交记录的路径信息，路径信息组成本次迭代的路径集，计算拓扑子集的总能耗，继而计算更新的信息素，让流蚂蚁原路返回释放更新的信息素；经过若干次的迭代，流量逐渐集中到部分路径上来，生成满足数据传输需求的低能耗的拓扑子集。2.如权利要求1所述的基于蚁群算法的网络探测优化方法，其特征是，步骤(1)：加载目标网络数据；初始化每条路径上的信息素；步骤(2)：网络中每个源节点按照数据流传输方向释放出流蚂蚁向目的节点移动，每只流蚂蚁都与一个流量需求一一对应；每只流蚂蚁都配置有自身流量需求对应的源节点、目的节点和带宽需求；每只流蚂蚁在移动过程中，记录走过的路径，采集路径上每个节点的当前功率值；流蚂蚁在到达某个中间节点后，将除去上一跳节点外的其它所有相邻非休眠链路的节点作为可选节点，根据下一跳可选节点的个数生成对应个数的探测蚂蚁；每只探测蚂蚁探测与当前中间节点连接的下一跳可选节点的链路延迟信息、带宽利用信息和下一跳可选节点的当前功率值，探测蚂蚁将探测结果反馈给流蚂蚁，探测蚂蚁被销毁；流蚂蚁根据探测结果从下一跳可选节点中进一步筛选出当前中间节点的下一跳候选节点；步骤(3)：判断是否筛选出候选节点，如果筛选出候选节点，则计算转移概率，流蚂蚁根据各候选节点转移概率，采用轮盘赌的方式选择下一跳节点，进入步骤(4)；如果没有筛选出候选节点，则直接选择可用带宽最高链路，流蚂蚁移动至下一跳节点，进入步骤(4)；步骤(4)：判断流蚂蚁是否到达目的节点，如果流蚂蚁到达目的节点，则将流蚂蚁采集的信息提取出来，交付中央控制节点；如果流蚂蚁未达到目的节点，则进一步判断当前流蚂蚁是否到达最大生存时间，如果到达最大生存时间，则将当前流蚂蚁采集的信息提取出来，交付中央控制节点；然后将当前流蚂蚁销毁；如果未到达最大生存时间，则返回步骤(3)；待所有流蚂蚁提交信息后，中央控制节点将所有流蚂蚁采集的信息进行汇总，采集的信息包括流蚂蚁所经过的路径和每个节点的当前功率值，从而得到网络的拓扑子集，计算拓扑子集的总功率，根据总功率计算更新的信息素；而后成功到达目的地的流蚂蚁原路返回，返回期间向所经过的路径释放更新的信息素，并根据流蚂蚁原路返回的路径，修改路径上每个节点的MPLS转发表；进入步骤(5)；步骤(5)：判断是否满足终止条件，如果是，就结束，输出最小能耗网络拓扑子集，调度对应的流量，关闭空闲节点；如果否，就返回步骤(2)。3.如权利要求2所述的基于蚁群算法的网络探测优化方法，其特征是，所述目标网络数据，包括：网络拓扑信息和流量需求；所述网络拓扑信息，包括：网络中的各节点设备及其承载的线卡的工作状态，设备的底座功率PCi、安装的各个线卡的功率PLi、各设备线卡数Mi、各节点之间链路链接的情况和每条链路的最大带宽容量cij；所述流量需求，包括：各流量的源节点、目的节点和传输需要占用的带宽wk。4.如权利要求2所述的基于蚁群算法的网络探测优化方法，其特征是，所述链路延迟信息的计算步骤为...

【专利技术属性】
技术研发人员：王华，姜传奇，伊善文，李晓乐，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37