一种卫星网络SDN多控制域的规划方法技术

本发明专利技术涉及一种卫星网络SDN多控制域的规划方法，包括如下的步骤：S1：对LEO卫星网络中的卫星控制器节点和交换机节点进行编码，在约束关系下随机初始化多控制域规划方案；S2：进行个体适应度值计算；S3：确定各个层级的结合能和结合态；S4：在光子的发射、吸收部分的更新策略中引入自适应权重和反向学习机制，更新电子状态；S5：循环步骤S3至S4进行迭代寻优，直至达到最大迭代次数，输出最佳结合能和结合态；S6：解码，形成最优的卫星网络SDN多控制域的规划策略。本发明专利技术使用原子轨道搜索算法并进行优化改进，引入自适应权重和反向学习机制更新电子状态以适用于卫星网络多控制域的规划问题，以提升网络时延性能并实现网络均衡负载。以提升网络时延性能并实现网络均衡负载。以提升网络时延性能并实现网络均衡负载。

【技术实现步骤摘要】
一种卫星网络SDN多控制域的规划方法


[0001]本专利技术属于卫星网络技术，具体是一种基于改进原子轨道搜索算法的卫星网络SDN多控制域的规划方法。该方法需在基于SDN的卫星网络架构，构建了卫星网络的时延和网络负载均衡模型，通过改进的原子轨道搜索算法优化多控制域的规划的效果，进一步降低网络时延和提高控制器的负载均衡效果。

技术介绍

[0002]软件定义网络(Software Define Network，SDN)解耦了控制平面和数据平面，能够以全局视角分配网络资源，并制定有效的资源分配策略，同时具有灵活集中控制的优势特征。SDN抽象了网络的不同、可区分的层，使网络变得敏捷和灵活。SDN由应用平面、数据平面和控制平面共同组成。应用平面由各种网络应用组成；数据平面由网络中的物理交换机组成；控制平面作为SDN的核心，管理整个网络的策略和流量。这SDN的三个平面主要通过API接口实现通信，北向接口建立了应用平面和控制平面的通信，控制平面和数据平面的通信与交互主要由南向接口得以实现。SDN的出现，改变了传统网络分布式管理的思路，可通过控制平面的控制器来管理底层硬件设备，编排网络业务，同时降低了运维成本，提升了运维效率。
[0003]随着卫星互联网技术的迅猛发展和卫星网络用户的快速增长，传统卫星网络存在的网络配置不灵活、多种协议并存、不同网络异构等弊端逐渐显现。借鉴SDN在地面网络的成熟经验，考虑将SDN引入卫星网络，使得数据平面的卫星仅需完成简单的数据转发和硬件配置，控制平面的卫星完成流表的下发和资源配置等功能，简化了卫星网络配置，降低了网络成本。
[0004]原子轨道搜索算法(Atomic orbital search,AOS)是于2021年提出的一种新型智能优化算法，该算法主要是基于量子原子理论而提出的，该算法借鉴了电子密度构型、原子对能量的吸收及发射的基本原理进行迭代寻优，具有寻优能力强，收敛速度较快的优势。原子轨道搜索算法中的一个电子代表一个个体种群，电子的能量状态对应个体种群的目标函数值，通过光子速率来代表光子对电子作用的概率，若随机概率大于光子速率则说明光子对电子存在一定的作用，否则认为光子对电子不存在作用，可能为粒子或磁场作用等。光子对电子的作用又可基于各层的结合能进行判断，当该电子的能量状态大于所有电子能量状态的平均值时，体现了光子的发射作用，否则为光子的吸收作用。
[0005]即使采用了原子轨道搜索算法，现有的卫星网络SDN多控制域的规划问题仍然体现在卫星网络时延长，负载不够均衡。
[0006]基于此，特提出本专利技术。

技术实现思路

[0007]本专利技术的目的在于解决卫星网络时延和负载均衡因素共同影响下的卫星网络多控制域的规划问题，提出一种基于改进原子轨道搜索算法的卫星网络SDN多控制域的规划
方法。本专利技术使用原子轨道搜索算法并进行优化改进，引入自适应权重和反向学习机制更新电子状态以适用于卫星网络多控制域的规划问题，根据多控制域的规划方法匹配控制器与交换机的关系，以提升网络时延性能并实现网络均衡负载。
[0008]本专利技术提供的一种卫星网络SDN多控制域的规划方法，采用基于SDN的卫星网络架构，基于改进原子轨道算法对卫星网络时延和负载均衡模型进行求解，根据输出具有最低能量状态的电子，解码成卫星网络多控制域的规划方法，其包括如下的步骤：
[0009]S1：对LEO卫星网络中的卫星控制器节点和交换机节点进行编码，在约束关系下随机初始化多控制域规划方案；
[0010]S2：进行个体适应度值计算；
[0011]S3：确定各个层级的结合能和结合态；
[0012]S4：在光子的发射、吸收部分的更新策略中引入自适应权重和反向学习机制，更新电子状态；
[0013]S5：循环步骤S3至S4进行迭代寻优，直至达到最大迭代次数，输出最佳结合能和结合态；
[0014]S6：解码，形成最优的卫星网络SDN多控制域的规划策略。
[0015]进一步的，所述卫星网络SDN的控制平面采用分布式部署方式，主控制器部署在地面站，在GEO卫星部署区域控制器，并选择部分LEO卫星部署从控制器，采用LEO卫星铱星网络拓扑结构，并将所有的LEO卫星均视为交换机节点。
[0016]进一步的，所述卫星网络时延包括星间传播时延、控制域内的排队时延和控制器节点的任务处理时延。
[0017]进一步的，所述负载均衡情况通过负载均衡参数BL得以表示，负载均衡参数用于评价LEO卫星控制器节点负载的差异程度，其由公式(10)表示：
[0018][0019]式中，f
i
表示控制器c
i
其控制域内的流量请求情况，f
p
表示控制器c
p
其控制域内的流量请求情况。
[0020]进一步的，所述S3中，将各层中的电子编码序列的平均值记为结合态，结合能为各个个体适应度值的平均值。
[0021]进一步的，所述S4中，自适应权重采用式(12)表示
[0022][0023]其中，mgen为最大迭代次数，gen为当前迭代次数。
[0024]进一步的，所述S4中，光子的发射作用采用式(13)表示
[0025][0026]光子的吸收作用采用式(14)表示
[0027][0028]其中，与分别为第k层第i个电子的当前个体和更新的个体，α
i
、γ
i
为(0，1)之间的随机数向量，LE为原子中最低能量状态的个体，BS为原子的结合态；LE
k
为第k层中最低能量状态的个体，BS
k
为第k层中的结合态，w为自适应权重。
[0029]进一步的，所述S4中的反向学习机制包括：
[0030]1)针对整体最优个体，对LE进行反向学习，如式(15)所示
[0031][0032]其中，代表对整体最优个体LE(原子中最低能量状态的个体)进行反向学习后的个体，lb为最小控制域的编号，这里是1，m为控制域的数量，r为(0,1)的随机数，LE为原子中最低能量状态的个体；
[0033]2)针对各层最优个体，对LE
k
进行反向学习，如式(16)所示
[0034][0035]其中，为对第k层最优个体LE
k
(第k层中最低能量状态的个体)进行反向学习后的个体，lb为最小控制域的编号，这里是1，m为控制域的数量，r为(0,1)的随机数，LE
k
为第k层中最低能量状态的个体；
[0036]3)通过比较与的适应度值，保留适应度值较小的个体作为(代表第k层第i个电子更新后变成的第k层第(i+1)个电子的个体)；对于整体最优个体和各层最优个体进行反向学习，通过比较得到第(i+1)个电子的个体但可能会破坏了个体的约束条件，当出现这种情况时，要对更新后破坏了约束条件的个体进行约束修复(约束修复是指随机生成一组新的满足约束条件的多控制域规划方法)，使其适用于卫星网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卫星网络SDN多控制域的规划方法，其特征在于，包括如下的步骤：S1：对LEO卫星网络中的卫星控制器节点和交换机节点进行编码，在约束关系下随机初始化多控制域规划方案；S2：进行个体适应度值计算；S3：确定各个层级的结合能和结合态；S4：在光子的发射、吸收部分的更新策略中引入自适应权重和反向学习机制，更新电子状态；S5：循环步骤S3至S4进行迭代寻优，直至达到最大迭代次数，输出最佳结合能和结合态；S6：解码，形成最优的卫星网络SDN多控制域的规划策略。2.如权利要求1所述的卫星网络SDN多控制域的规划方法，其特征在于，所述卫星网络SDN的控制平面采用分布式部署方式，主控制器部署在地面站，在GEO卫星部署区域控制器，并选择部分LEO卫星部署从控制器，采用LEO卫星铱星网络拓扑结构，并将所有的LEO卫星均视为交换机节点。3.如权利要求1所述的卫星网络SDN多控制域的规划方法，其特征在于，所述卫星网络的时延包括星间传播时延、控制域内的排队时延和控制器节点的任务处理时延。4.如权利要求1所述的卫星网络SDN多控制域的规划方法，其特征在于，所述卫星网络的负载均衡情况通过负载均衡参数BL得以表示，负载均衡参数用于评价LEO卫星控制器节点负载的差异程度，其由公式(10)表示：式中，f
i
表示控制器c
i
其控制域内的流量请求情况，f
p
表示控制器c
p
其控制域内的流量请求情况。5.如权利要求1所述的卫星网络SDN多控制域的规划方法，其特征在于，所述S3中，将各层中的电子编码序列的平均值记为结合态，结合能为各个个体适应度值的平均值。6.如权利要求1所述的卫星网络SDN多控制域的规划方法，其特...

【专利技术属性】
技术研发人员：钱克昌，万颖，王宇，熊达鹏，邢鹏，朱沁雨，董尧尧，张云帆，高天昊，刘文文，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
类型：发明
国别省市：