基于信息量的流量矩阵估测方法技术

本发明专利技术公开了一种基于信息量的流量矩阵估测方法，包括步骤：S101、获取全网最新的网络拓扑和链路流量信息；S102、利用简单重力模型获得初始的概率向量g和一个概率向量f’；S103、利用概率向量g，寻找在概率空间F中与其Kullback-Leiber距离最小的概率向量f；S104、在概率空间G中求解与概率向量f的Kullback-Leiber距离最小的概率向量，赋值给概率向量g；S105、判断概率向量f与概率向量f’之差的欧几里得距离是否小于值epsil，如果差值比epsil小，则转到步骤S107，否则执行步骤S106；S106、将概率向量f的值赋给概率向量f’，并转到S103；S107、获得最后估算的流量矩阵。本发明专利技术所述的基于信息量的流量矩阵估测方法能够在无法区分网络节点链路状态的情况下，对流量矩阵进行高精确度的估算。

【技术实现步骤摘要】

本专利技术涉及网络测量
，尤其涉及一种。
技术介绍
随着互联网的飞速发展，网络已经成为人们生活不可缺少的一部分，同时网络的结构也发生着根本的变化。为了成功地设计、控制和管理网络，就必须很好地了解和掌握网络的内部特性。网络性能参数是优化网络系统的重要条件,随着网络规模和复杂性的增长，对网络性能参数的要求也越来越高。为了更好地进行网络管理、网络设计、路由配置、网络监控，迫切需要有关流量方面的信息。如果能够监控网络流量的全部状态，以全网的观点来观察和了解网络流量的特性及流向情况建立网络流量的完整视图，从而有望在确保网络正常运行的基础上，更好地进行网络管理、网络设计，优化网络的规划和路由配置。流量矩阵是其中一个很重要的参数，它反应了网络中所有源节点到目的节点对间 的流量情况，它作为网络流量工程的重要输入参数。随着网络向大型化、异构化，分布式发展，使得Internet结构日益复杂。目前大多直接测量网络流量矩阵的方法与网络体系结构和网络协议密切相关，并且需要网络内部相关节点的密切协作，具有较高的测量精确度，但也存在一些缺陷，主要表现在如下几个方面(I)网络测量依赖于特定的网络协议，如TC本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信息量的流量矩阵估测方法，其特征在于，所述流量矩阵估测方法包括步骤 SlOU获取全网最新的网络拓扑和链路流量信息； 5102、利用简单重力模型获得初始的概率向量g和一个概率向量f’； 5103、利用概率向量g，寻找在概率空间F中与其库尔贝克-莱贝尔Kullback-Leiber距离最小的概率向量f ; 5104、在概率空间G中求解与f的Kullback-Leiber距离最小的概率向量，赋值给概率向量g ; 5105、判断概率向量f与概率向量f’的向量之差的欧几里得距离是否小于值epsil，如果差值比epsil小，则转到步骤S107，否则继续执行步骤S106 ； 5106、将概率向量f的值赋给概率向量f’，然后执行步骤S103； 5107、利用公式X= N*f获得最后估算的流量矩阵X，其中N表示网络的总流量，f为步骤S103求得的概率向量。2.根据权利要求I所述的流量矩阵估测方法，其特征在于，所述简单重力模型为N , 其中x(i, *)表示从节点i进入网络的...

【专利技术属性】
技术研发人员：陈兴渝，孟洛明，刘珂，王颖，詹志强，亓峰，邱雪松，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：