一种无线mesh网络中的负载均衡方法与流程

技术特征：

1.一种无线mesh网络的负载均衡方法，通过建立负载均衡优化模型和面向QoE的负载均衡优化机制和进行工程等效处理，以及将将工程化处理获得的优化解与通过建立负载均衡优化模型获得的优化解进行对比，并自适应修正负载均衡优化模型，实现无线mesh网络的网络资源优化利用，包括如下步骤：

A、建立负载均衡优化模型和面向QoE的负载均衡优化机制；

B、工程化等效分解；

C、将工程化处理获得的优化解与通过建立负载均衡优化模型获得的优化解进行对比，并自适应修正负载均衡优化模型。

2.根据权利要求1的方法，对于所述步骤A其特征在于：优化模型具体为：

$lexmin({\[\mathrm{\μ}\]}_1,\mathrm{...},{\[\mathrm{\μ}\]}_n,\frac{1}{\left|A\right|}\underset{\{i,j\}\∈A}{\Σ}{\mathrm{\μ}}_{\left\{ij\right\}})$

$\begin{array}{cc}s.t.\underset{s\∈S}{\Σ}{\mathrm{\φ}}_k^s=1& \∀k\∈K\end{array}$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

$\underset{j\∈V\left(i\right)}{\Σ}{\mathrm{\θ}}_{ij}^s=\left\{\begin{array}{c}1,i\≠r,\∀i\∈N,s\∈S\\ 0,i\≠r,\∀i\∈N,s\∈S\end{array}\right.$

${\mathrm{\θ}}_{ij}^s+{\mathrm{\θ}}_{ji}^s={\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S$

$\underset{j\∈V\left(i\right)}{\Σ}(x_{ij}^{ks}-x_{ji}^{ks})=\left\{\begin{array}{c}{\mathrm{\φ}}_k^s,i\≠o_k,\∀i\∈N,k\∈K,s\∈S\\ 0,i\≠o_k,d_k,\∀i\∈N,k\∈K,s\∈S\\ -{\mathrm{\φ}}_k^s,i=d_k,\∀i\∈N,k\∈K,s\∈S\end{array}\right.$

$x_{ij}^{ks}+x_{ji}^{ks}\≤{\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S,k\∈K$

$\underset{s\∈S}{\Σ}\underset{k\∈K}{\Σ}{b}_k(x_{ij}^{ks}+x_{ji}^{ks})=c_{\left\{ij\right\}}{\mathrm{\μ}}_{\left\{ij\right\}},\∀\{i,j\}\∈A$

其中N为节点集合，A为链路集合，i,j为节点标识，{i,j}为非直连链路，c_{ij}为链路{i,j}的容量，V(i)为节点i的邻近节点集合，r∈N为根节点集合，K为业务流集合，k为业务流标识，k的发送节点为o_k∈N，k的接收节点为d_k∈N，链路{o_k,d_k}的流量需求为b_k，S为生成树集合，s∈S为生成树标识，μ_{ij}均为决策变量，当生成树s∈S中的业务流k所在路径包含链路{i,j}时则反之则若业务流k使用生成树s∈S进行传输则反之则若{i,j}属于生成树s∈S则反之则若路径{i,j}为生成树s∈S上根节点r与节点z∈N\{r}之间的路径上的子路径则反之则μ_{ij}为{i,j}上的负载，μ_{ij}∈[0,1]，为(n+1)个函数的字典序最小化，其首先最小化最差链路负载[μ]₁，然后最小化使得[μ]₁不被惩罚的最差链路负载[μ]₂，然后最小化使得[μ]₁和[μ]₂不被惩罚的最差链路负载[μ]₂，并此类推，若生成树s∈S仅包含{i,j}的正向链路，则若生成树s∈S仅包含{i,j}的反向链路，则

3.根据权利要求1的方法，对于所述步骤A其特征在于：建立面向QoE的负载均衡优化机制：a.AP点周期性的向其自治域网关节点反馈自身的QoE量化值，并将具有较低QoE量化值的数据放入待切换队列；b.各自治域网关节点根据相应的反馈信息计算自己所在地域QoE量化值，若其相应的QoE量化值为最高等级，则向网络管理中心发送切换请求，反之则转至步骤a；c.网络管理中心在收到切换请求后，通过获取其他服务器的负载状态信息请求服务器距离做加权处理，并切换至目的服务器，并将该服务器的物理信息发送至需要切换的AP点；d.AP点根据网络管理中心返回的相关信息对AP点向目的服务器发送切换请求；e.当切换队列中所有AP点均被进行切换处理，转至步骤a。

4.根据权利要求1的方法，对于所述步骤B其特征在于：工程化等效分解，具体步骤为：a.令l＝1，使用规则[μ^*]_l＝min_μ∈M{τ:τ≥[μ]_l,[μ]_t≤[μ^*]_t},t＝1,2,...,l-1获得[μ^*]_l，使用优化模型

$\min \frac{1}{\left|A\right|}\underset{\{i,j\}\∈A}{\mathrm{\Σ}}{\mathrm{\μ}}_{\left\{\mathrm{ij}\right\}}$

$\begin{array}{ccc}s.t.& \underset{s\∈S}{\Σ}{\mathrm{\φ}}_k^s=1& \∀k\∈K\end{array}$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

$\underset{j\∈V\left(i\right)}{\Σ}{\mathrm{\θ}}_{ij}^s=\left\{\begin{array}{c}1,i\≠r,\∀i\∈N,s\∈S\\ 0,i\≠r,\∀i\∈N,s\∈S\end{array}\right.$

${\mathrm{\θ}}_{ij}^s+{\mathrm{\θ}}_{ji}^s={\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S$

$\underset{j\∈V\left(i\right)}{\Σ}(x_{ij}^{ks}-x_{ji}^{ks})=\left\{\begin{array}{c}{\mathrm{\φ}}_k^s,i\≠o_k,\∀i\∈N,k\∈K,s\∈S\\ 0,i\≠o_k,d_k,\∀i\∈N,k\∈K,s\∈S\\ -{\mathrm{\φ}}_k^s,i=d_k,\∀i\∈N,k\∈K,s\∈S\end{array}\right.$

$x_{ij}^{ks}+x_{ji}^{ks}\≤{\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S,k\∈K$

$\underset{s\∈S}{\Σ}\underset{k\∈K}{\Σ}{b}_k(x_{ij}^{ks}+x_{ji}^{ks})=c_{\left\{ij\right\}}{\mathrm{\μ}}_{\left\{ij\right\}},\∀\{i,j\}\∈A$

${\mathrm{\μ}}_{\left\{ij\right\}}\≤r_t+d_{t\left\{ij\right\}},\∀t\∈\{1,2,\mathrm{...},n\}$

${\mathrm{tr}}_t+\underset{\{i,j\}\∈A}{\Σ}{d}_{t\left\{ij\right\}}\≤{\mathrm{\θ}}_t^{*}$

d_t{ij}≥0,r_t≥0

进行求解，其中θ＝(θ_l:l＝1,2,...,|A|)为矢量，b.若l＝|A|则停止计算[μ^*]_l，最优解集合为反之则令l＝l+1，并返回至步骤A的子步骤a，d_t{i,j}为第t次迭代计算中的链路{i,j}的权重系数，r_t为第t次迭代的根节点r的权重系数，M为满足步骤A中优化模型所有约束条件的μ＝(μ_{ij}:{i,j}∈A)的集合，t为迭代次数，[μ]_l为[μ]的第l个元素，n为正整数，且1≤n≤|A|，[μ]＝([μ]_l:l＝1,2,...,|A|)为按非增序列对μ中的元素进行排序后的矢量，对于给定矢量μ＝(μ_{ij}:{i,j}∈A)∈M，θ＝(θ_l:l＝1,2,...,|A|),

5.根据权利要求1的方法，对于所述步骤B其特征在于：通过模型

${\mathrm{\θ}}_l^{*}=\min ({\mathrm{lr}}_l+\underset{\{i,j\}\∈A}{\mathrm{\Σ}}{d}_{l\left\{\mathrm{ij}\right\}})$

$\begin{array}{ccc}s.t.& \underset{s\∈S}{\Σ}{\mathrm{\φ}}_k^s=1& \∀k\∈K\end{array}$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i\≠z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

${\mathrm{\θ}}_{ij}^s\≥y_{ij}^{zs},\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀(i,j)\∈A$

$\underset{j\∈V\left(i\right)}{\Σ}(y_{ij}^{zs}-y_{ji}^{zs})=\left\{\begin{array}{c}1,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\\ 0,i=z,\∀z\∈N\backslash \left\{r\right\},\∀s\∈S,\∀i\∈N\backslash \left\{r\right\}\end{array}\right.$

$\underset{j\∈V\left(i\right)}{\Σ}{\mathrm{\θ}}_{ij}^s=\left\{\begin{array}{c}1,i\≠r,\∀i\∈N,s\∈S\\ 0,i\≠r,\∀i\∈N,s\∈S\end{array}\right.$

${\mathrm{\θ}}_{ij}^s+{\mathrm{\θ}}_{ji}^s={\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S$

$\underset{j\∈V\left(i\right)}{\Σ}(x_{ij}^{ks}-x_{ji}^{ks})=\left\{\begin{array}{c}{\mathrm{\φ}}_k^s,i\≠o_k,\∀i\∈N,k\∈K,s\∈S\\ 0,i\≠o_k,d_k,\∀i\∈N,k\∈K,s\∈S\\ -{\mathrm{\φ}}_k^s,i=d_k,\∀i\∈N,k\∈K,s\∈S\end{array}\right.$

$x_{ij}^{ks}+x_{ji}^{ks}\≤{\mathrm{\β}}_{\left\{ij\right\}}^s,\∀\{i,j\}\∈A,s\∈S,k\∈K$

$\underset{s\∈S}{\Σ}\underset{k\∈K}{\Σ}{b}_k(x_{ij}^{ks}+x_{ji}^{ks})=c_{\left\{ij\right\}}{\mathrm{\μ}}_{\left\{ij\right\}},\∀\{i,j\}\∈A$

${\mathrm{\μ}}_{\left\{ij\right\}}\≤r_t+d_{t\left\{ij\right\}},\∀t\∈\{1,2,\mathrm{...},n\}$

${\mathrm{tr}}_t+\underset{\{i,j\}\∈A}{\Σ}{d}_{t\left\{ij\right\}}\≤{\mathrm{\θ}}_t^{*},\∀t\∈\{1,2,\mathrm{...},l-1\}$

d_t{ij}≥0,r_t≥0

获得对于l＝2,3,...,|A|。

6.根据权利要求1的方法，对于所述步骤C其特征在于：在传输场景g内，将工程化处理获得的优化解与通过负载均衡优化模型获得的优化解进行对比，若二者的优化解集合完全一致，则将该优化解作为传输场景g内的优化解；若二者的优化解集合不一致，则将工程化处理获得的优化解作为传输场景g内的最终优化解集合，并修正负载均衡优化模型中的无线mesh网络的可调参数使其获得工程化处理的优化解集合，并将修正后的负载均衡优化模型作为下一个传输场景g+1的负载均衡优化模型；无线mesh网络中具有相关应用属性的业务传输场景时间为G＝{1,2,...,g,g+1}，将在G内获得的g+1个优化解集合进行统计平均处理，并将该统计平均处理优化解集合与获得的g+1个优化解集合修正负载均衡优化模型，并将该模型作为下一次无线mesh网络系统中具有应用属性的业务传输场景时间G+1的先验负载均衡优化模型。