时变网络中定长随机中断场景最大错误分离路径获取方法技术

本发明专利技术属于网络技术领域，公开了一种时变网络中定长随机中断场景最大错误分离路径获取方法，搜索出源到汇的所有路径，再为每条路径计算冲突边集，将对应的冲突边集有交集的两条路径视为冲突路径；对冲突路径采用贪心的策略，从空集开始，不断的以迭代的方式扩充一个路径集合，在每次迭代中选择权重最小的新的路径，对选出的权重最小路径和当前该集合中所有路径不冲突，则将新路径并入集合，构造出在时间上保持一定安全距离的最大的空间分离路径。本发明专利技术有效提高了从源到汇的发送数据的成功率。本发明专利技术在问题建模的过程中，本发明专利技术还从经济性的角度，考虑了总通信开销的限定，确保所求得的路径集合是满足成本限制的最大集合。求得的路径集合是满足成本限制的最大集合。求得的路径集合是满足成本限制的最大集合。

【技术实现步骤摘要】
时变网络中定长随机中断场景最大错误分离路径获取方法


[0001]本专利技术属于网络
，尤其涉及一种时变网络中定长随机中断场景最大错误分离路径获取方法，具体涉及一种带权时变网络在定长随机中断下的最大错误分离路径的启发式构造方法。

技术介绍

[0002]目前，在时变网络的许多应用中，传输可靠性分析能够预估网络对错误的抵抗力，从而为改善网络传输性能提供理论基础和指导。例如，保证在空间通信中交换紧急信息的卫星网络的传输可靠性至关重要。但是，由于两种不同形式的中断导致网络拓扑不断变化，时变网络特别容易受到攻击。
[0003]第一种类型的中断被称为固有中断，这源自网络的固有特性。例如，移动网络中手机携带者周期性移动；公路交通网中的车辆在每天特定时间段内发车；卫星网中通信卫星在轨道上周期性运动等。这类中断具有规律性，链接的变化可提前预知。第二类中断表现为外在的和具有不可预测性，被称为随机中断。例如，关于网络拓扑演变的预测本身出错，或是由于意外的物理遮挡、硬件故障和自然灾害等种种不可预见的因素导致的链接或节点出错。不可预测的中断会大大降低网络性能，而随机性的引入，也会进一步增加网络建模和在理论上进行可靠性分析的难度。
[0004]时变图对于具有动态连通性的网络(如车辆网络)是一种有用的模型，然而，尽管它们具有强大的建模能力，但时变图的许多重要特征仍未得到很好的理解。在研究时变图基本性质方面存在大量工作，诸如连通性、距离、组合性质等。但是，对于时变图鲁棒特性的研究的工作很少。传统的静态网络是通过研究网络的最小割集，来度量网络在面对数次中断后依然能够保持连通的能力。不幸的是，这种度量方法在时变网络中是完全无效的。这是因为时变网络在不同时刻有着不同的拓扑，而网络中断的时间非常长，它的连通性必须在更长的时间间隔内来测量。为了考虑时变网络中的可靠传输问题，就必须关注故障的时间特性，即故障发生的时刻和该故障持续的时间。已有工作研究基于随机时变图的鲁棒性，在关注确定性时变图这方面的现有工作中，并未充分考虑故障的时间特性，也没有精确刻画时变网中通信特点。一些工作假设每个链路仅仅在一个时间切片中处于活动状态，并且网络中只发生永久性的故障，显然这些假设并不符合实际情况。
[0005]已有工作通过计算最大独立路径来反应网络本身鲁棒特性，未考虑网络中边上的权重和传输成本的限制。
[0006]通过上述分析，现有技术存在的问题及缺陷为：
[0007](1)有关时变图鲁棒特性的研究的工作很少。传统静态网中，往往通过找寻节点分离路径或者边分离路径来增强鲁棒性，而这种方法在时变网中不适用。这是因为，静态网中的链路中断是永久的，时变网中连接故障后之后随着拓扑本身的变化，该连接可能会重现，而连接的稀疏性，使得在物理上完全分离的节点/边分离路径并不存在。
[0008](2)时变网络鲁棒性的研究着眼于随机时变图，而本专利技术关注的是确定性时变图。
[0009](3)有关确定性时变图鲁棒性的工作，采用了不恰当的假设，未充分考虑故障的时间特性，也没有精确刻画时变网中通信特点，并不符合实际情况。这些假设包括：每个链路仅仅在一个时间切片中处于活动状态，并且网络中只发生永久性的故障等。
[0010](4)现有技术考虑了在网络中进行多重备份路由来降低端到端的丢包率，但是现有技术页没有合理的控制备份路径的权重和以满足通信耗费的限制，造成通信成本增加。
[0011](5)现有技术的路径计算方法在迭代中反复构造线型图，对一些不发生变化的信息重复计算，复杂度太高。
[0012]为了更好的理解时变图的鲁棒特性，本专利技术提出了一种时变网络在随机中断场景下的鲁棒性增强技术。时变网络中的连接时断时续，每条链路上的错误也会持续一段时间，连通性稀疏且链路容易受到破坏和攻击导致失效，有关时变条件下的鲁棒性研究非常关键。本专利技术特别关注时变网中故障的时间特性，在空间中搜寻最多的在时间上保持一定
‘
安全距离
’
的路径集合。这个条件比静态网中严格的空间分离路径更松弛，更能符合时变网中边的稀疏性，和链路出错间歇性影响连通性的特点。本专利技术能够将时变网络中，由于意外故障带来的单个链路中断的影响，限制在单条从数据源到汇的路径中，并在增强鲁棒性的同时考虑成本控制，使总的通信花费满足给定的限制。

技术实现思路

[0013]针对现有技术存在的问题，本专利技术提供了一种时变网络中定长随机中断场景最大错误分离路径获取方法。
[0014]本专利技术目的在于更关注在应用层面，在利用最大独立路径进行多路径路由提高发送数据成功率的同时，有效控制通信成本。本专利技术关注随机中断下的鲁棒性增强技术，将所有的链路预测失误都直接当错误来处理。本专利技术用时变图表示网络。
[0015]本专利技术构造出的错误分离路径个数非常接近于直接使用当前最先进的数学规划工具包得出的最优解，以确保足够多的错误分离路径可用于多路径传输，有效提高从源到汇的发送数据的成功率。同时，在问题建模的过程中，本专利技术还从经济性的角度，考虑了总通信开销的限定，确保所求得的路径集合是满足成本限制的最大集合。
[0016]本专利技术是这样实现的，一种时变网络中定长随机中断场景最大错误分离路径获取方法，包括：
[0017]搜索出源到汇的所有路径，再为每条路径计算冲突边集，将对应的冲突边集有交集的两条路径视为冲突路径；
[0018]对所述冲突路径采用贪心的策略，从空集开始，不断的以迭代的方式扩充一个路径集合，在每次迭代中选择权重最小的新的路径，对选出的权重最小路径和当前该集合中所有路径不冲突，则将新路径并入集合，构造出在时间上保持一定安全距离的最大的空间分离路径。
[0019]进一步，所述时变网络中定长随机中断场景最大错误分离路径获取方法进一步包括：
[0020]步骤一，进行图的变换，将时变网络转化为线型图(linear graph)；
[0021]步骤二，在中从源s出发进行深度优先搜索，求解从s到汇点t的所有路径集
合
[0022]步骤三，计算路径集合中每条路径J对应的阻断集合R(δ，J)；其中，δ是已知的链路错误的最长持续时间，即单个链路中断持续时间不超过δ个时隙。
[0023]进一步，R的计算方法是：首先，将路径J上的每个节点代表的连接加到R(δ，J)中，因为每一条链接的错误都将影响J的正确性。之后，再次检查路径J上的每个节点代表的连接(e，t
’
)。若t
’
比t落后的时间不超过t，即t
’‑
t＜δ，说明连接(e，t
’
)的正确性会被另一连接(e，t)的正确性影响，则把(e，t)加入R(δ，J)中。
[0024]步骤四，基于每条路径J对应的阻断集合R(δ，J)构造路径冲突矩阵M；其中，第i行第k列的元素M
ik
代表第i条路径J
i
和第k条路径J
k
的冲突情况，M
ik
＝0说明J<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时变网络中定长随机中断场景最大错误分离路径获取方法，其特征在于，所述时变网络中定长随机中断场景最大错误分离路径获取方法包括：搜索出源到汇的所有路径，再为每条路径计算冲突边集，将对应的冲突边集有交集的两条路径视为冲突路径；对所述冲突路径采用贪心的策略，从空集开始，不断的以迭代的方式扩充一个路径集合，在每次迭代中选择权重最小的新的路径，对选出的权重最小路径和当前该集合中所有路径不冲突，则将新路径并入集合，构造出在时间上保持一定安全距离的最大的空间分离路径。2.如权利要求1所述的时变网络中定长随机中断场景最大错误分离路径获取方法，其特征在于，所述时变网络中定长随机中断场景最大错误分离路径获取方法进一步包括：步骤一，进行图的变换，将时变网络转化为线型图步骤二，在中从源s出发进行深度优先搜索，求解从s到汇点d的所有路径集合步骤三，计算路径集合中每条路径J对应的阻断集合R(δ,J)；R的计算方法是：首先，将路径J上的每个节点代表的连接加到R(δ,J)中，因为每一条链接的错误都将影响J的正确性；之后，再次检查路径J上的每个节点代表的连接(e,t
’
)；若t
’
比t落后的时间不超过t，即t
’‑
t&lt;δ，说明连接(e,t
’
)的正确性会被另一连接(e,t)的正确性影响，则把(e,t)加入R(δ,J)中；其中，δ是已知的链路错误的最长持续时间，即单个链路中断持续时间不超过δ个时隙；步骤四，基于每条路径J对应的阻断集合R(δ,J)构造路径冲突矩阵M；其中，第i行第k列的元素M
ik
代表第i条路径J
i
和第k条路径J
k
的冲突情况,M
ik
＝0说明J
i
和J
k
是相容的，彼此之间是错误分离路径；M
ik
＝0代表两条路径冲突；步骤五，计算每条路径J对应的权重w
J
，将路径集合中的所有路径按照路径权重从小到大的顺序排序；步骤六，基于冲突矩阵M和排序后的路径集合构建最终选出的错误分离路径集合S,其初始值为空集；具体的，采用迭代的方法不断的将排序后的路径集合中的路径依次拿出，试图加入S；若第i次拿出的路径J
i
与S中任意路径J
p
(1≤p≤|S|)都不冲突，将J
i
加入S；否则放弃，继续检查下一条路径；当搜索过中所有的路径后，过程结束，此时S不能容纳更多路径，S是最大的错误分离路径集合。3.如权利要求2所述的时变网络中定长随机中断场景最大错误分离路径获取方法，其特征在于，所述步骤一转化方法包括：对于每个在时变图中的连接(e,t)，在线型图中转换为一个对应的节点，并将此节点命名为v
e,t
；同时，为源节点s和汇节点d各自单独创建一个节点；若从(e1,t1)到(e2,t2)为一条可行路径，则在线型图中为节点到节点添加一条有向连接；若前一个节点为s则从s到v
e,t
添加一条有向边，若后一个节点为d则从v
e,t
到d添加一条有向边。4.如权利要求1所述的时变网络中定长随机中断场景最大错误分离路径获取方法，其特征在于，所述时变网络中定长随机中断场景最大错误分离路径获取方法进一步包括：
第一步：从数据源s出发，采用深度优先遍历的方法，找到从s到目标节点d的所有路径，将这些路径存储在集合中；第二步：在给定错误持续时间δ的情况下，计算每条路径J的阻断边集R(δ,J)，阻断集合可表示为R(δ，J)＝{(e，t)|(e，t
’
)∈C
J
，s.t.0≤t
’‑
t＜δ}；其中C
J
是路径J的边集集合；第三步：计算每条路径J
i
的权值具体计算方法为第四步：对J
sd
集合中的所有的路径按照权值从小到大的顺序进行排序为集合中的所有的路径按照权值从小到大的顺序进行排序为其中，q1,q2,q3,...,q
m
是序列1,2,...,m的置换且第五步：用集合S存储所有的最终选出的路径，初始时设置第六步：计算路径冲突矩阵M
m
×
m
.冲突矩阵的内容和每条路径阻断集合密切相关。比如为了确定J
i
和J
k
是否冲突，即M
ik
的值，则需要看R(δ,J
i
)和R(δ,J
k
)是否有交集，有交集则M
ik
＝1，无交集则M
ik
＝0；第七步：从头开始遍历1,2,...,m的序列，在第k次的迭代中第七步：从头开始遍历1,2,...,m的序...

【专利技术属性】
技术研发人员：赵闻博，王登峰，焦仲科，张攀，张华，
申请(专利权)人：西安空间无线电技术研究所，
类型：发明
国别省市：