专利名称：移动代理系统和约束网络层析成像方法
技术领域：
本发明涉及通讯领域，尤其涉及一种移动代理系统和约束网络层析成像方法。
背景技术：
CT(层析成像)技术也称计算机层析(断层)成像技术，是20世纪70年代初首先在医学工程上成功应用并蓬勃发展起来的一项新技术。目前，CT技术在医学工程上已经有一套完善的理论和方法，广泛应用于医学临床诊断和病理研究。该完善的理论和方法还被应用于射电天文学、雷达探测、电子显微镜图形学、无损探伤、地震学、地质勘探等非医学领域。
随着互联网的飞速发展，网络已从单纯的数据传输发展到同时支持多种类型信息的传输，网络结构、流量与行为也在发生着根本的变化。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。目前，主要通过网络测量的方法来获取网络性能内部特性和识别网络拓扑结构。
网络测量的方法有不同的分类方法，按照测量过程中测量设备是否主动发送探测包可分为主动测量和被动测量两类；按照测量系统所处的位置，又可分为基于路由器的测量、端到端的测量以及路由器协助的测量。目前广泛使用基于路由器的测量方法，也就是常说的“内在”的测量方法，在网络节点或者网络节点之间直接主动或者被动测量，该方法有许多潜在的缺陷1、对一般用户是不可能得到的。
2、可能不会覆盖到你所感兴趣的路径上。
3、在网络高负载的情况下，不可能进行测量的。
4、存在大尺度网络上有测量和测量数据收集的问题。
5、每个测量点测量得到的数据组成一个端到端的路径数据信息是一个很困难的任务。
在常说的“外在”的测量方法中，在假定没有节点的配合下，通过端到端的测量来诊断问题。这里已经有许多实际工具来测量端到端的性能，如Ping和traceroute等诊断工具广泛的用来确定IP网络连通性。round-trip丢失、延迟。Pathchar和traceroute用来估计链路级的可用带宽、包延迟和丢失速率。但这些方法有如下的几个潜在的缺陷1、由于ICMP包在路由器里处理的低优先级，因此测量得到的延迟不能代表正常流量的延迟。
2、有些工具需要一些特殊的假设，比如路由节点不能存在防火墙，相对称的正向/反向链路，需要存储与转发路由器。
3、ICMP包不能被网络管理员容忍，经常被ICMP包过滤器过滤掉，以至不能响应。
4、需要得到路由器的协作。
随着网络朝着分布化、非协作、异质管理和基于边缘控制的方向演变，上述缺陷限制了所述“内在”的和“外在”的方法的使用。为了弥补这些不足，国际上多个研究机构都在寻找其它途径来研究网络的整体性能及其相互影响，利用医学、地震学、地质勘探等领域成功应用的成熟的理论和方法应用于通信网络领域，衍生出了网络层析成像。它是基于一种端到端的技术来获取网络中那些不能直接观察到的信息，它通过发送多种探测包给指定的接收节点，观察并分析接受节点所获得的信息；最后通过统计和推断来获得各种网络信息，包括链路级的参数和拓扑结构等信息。
根据是否有约束条件，我们把网络层析成像分为约束网络层析成像和非约束网络层析成像。现有的网络层析成像都是属于后者，非约束网络层析成像主要可以分为基于多播探测包和基于单播探测包两类方法。对于一次固定测量，多播测量提供了比单播更多的数据，基于多播包探测框架的网络层析成像有较好的可扩展性。马萨诸塞州大学Lo Presti，N.G.Duffield等在2002年提出了基于多播端到端测量的内在队列延迟分布估计框架，描述了估计链路延迟分布的pmfs函数，使网络层析成像的结果与实际值更逼近。两个因素促进了基于单播探测包的链路级参数估计，一是某些网络可能不支持多播，二是单播包相对于多播包有更大的灵活性。但对于一次固定测量，单播将会获得更少的信息，因而求解的难度加大。M.Coates and R.Nowak采用了多个背靠背包克服在单播网络层析成像方程欠定问题。密歇根大学Shih and Hero发展出基于链路延迟累积量产生函数方法，最近他又提出了使用有限混合模型来估计网络链路延迟函数。莱斯大学Coates and Nowak使用基于内在延迟估计的序贯蒙特卡洛框架，这个框架能够追踪时变网络延迟行为。G.Liang和Yolanda Tsang分别提出了基于极大似然估计器的内在延迟估计算法，但是在迭代求解极大似然值的时候，前者用了伪了EM(ExpectationMaximization)算法，后者用了MMPLE(Multiscale Maximum PenalizedLikelihood Estimator)算法。
约束网络层析成像是指通过一定网络技术，采集部分链路待估计参数的确定性范围或者确定值，以此作为网络层析成像反演过程中的先验信息，约束网络层析成像具有以下几个优点1、对于似然函数为多峰的情况，约束条件有助于迭代算法避免陷入局部最小值，提高了解的精度和稳定性，同时可以避免迭代进入边界极大值，导致所谓边界效应。
2、由于测量误差和求解系统方程的病态性，导致了参数解的多解性，采用约束条件，则可以排除不符合约束条件的解。
3、约束条件有助于用来确定迭代初始值，可以减少迭代的步数，从而减少计算时间。
现有技术中一种非约束网络层析成像模型的逻辑拓扑结构示意图如图1所示。
非约束网络层析成像指在没有任何链路先验信息的条件下，基于端到端路径的测量直接估计网络链路参数。如图1所示，该方法先定义链路与路径的基本概念，链路(Link)是指两个节点之间没有中间节点直接相联系，而且可以是单向或者双向的。路径(Path)是指两个节点之间相联系，中间有一个和多个链路。信息从源节点沿着一条路径发送到目的节点，该路径一般要经过好几个节点。X＝(X1，K，XJ)′为J维随机向量，它代表了需要获取的网络动态，比如，链路延迟、链路丢包信息。Y＝(Y1，K，YI)′为I维的路径测量向量。网络层析成像目的就是从观察值Y估计出X来。网络层析成像一般可以表示为Y＝AX。
(公式1)A为已知的I×J的路由矩阵。由网络拓扑结构和每个路由器中的路由表决定。在本发明中，我们限制为一个固定的路由计划和忽视动态路由可能，A为固定的0-1矩阵。比如图1所示的逻辑拓扑结构的A矩阵可以表示为 (公式2)公式1反映了网络测量集合性本质，X分布估计其实质就是一个反问题。在多数网络层析成像场合A不是满秩，矩阵I≤J是很典型的情况(当然如果满足满秩条件，则直接计算即可得到)。因此，必须要一些限制条件或者假设来保证公式1代表的模型的可识别性。一般网络层析成像模型都假设X所有子成分相互都是统计独立的，也就是说链路与链路之间的参数是统计独立的，因此，我们可以假定Xj～fj(θj) (3)fi是强度函数，θj为它的参数，表示各链路的参数。那么，所有模型的参数为θ＝(θ1，K，θJ)，子成分。对于网络链路延迟估计，fj(·)则为pmfs(discrete probability mass functions)函数或者多个高斯叠加的连续概率函数。对网络丢包估计，fj(·)则为服从贝努利分布的pmfs函数。由公式1和公式3可以得到似然函数l(Y，θ)＝log p(Y，θ) (4)公式4表示给定测量路径数据Y的条件下，待估计参数向量θ与Y的关系式。对不同的估计对象p(·)与fj(·)有不同的关系。对网络链路延迟估计问题p(Y，θ)＝fi(θ)*fj(θ)*Λ(5)*表示卷积符号，i，j表示路径上的链路。对网络链路丢包估计问题，则可以表示为p(Y,θ)=Πi∈patnfi(θ)...(6)]]>对于公式(4)，估计θ最经典的方法为最大似然估计，也就是∂∂θl(Y,θ)=0...(7)]]>但是公式(7)对网络层析成像这样复杂问题很难得到其解析表达式，因此一般使用迭代求解方法来求极大值，该类迭代算法有很多种，EM算法是典型和目前为止运用效果非常好的一种算法，无论在延迟估计还是在丢包估计中。公式(7)的EM算法表示如下E步Q(θ,θ^)=E[l(θ)|Y;θ^(t)]...(8)]]>M步θ^(t+1)=argmaxθQ(θ,θ^)...(9)]]>由于非约束层析成像，链路向量θ没有明确的约束条件，或者说约束条件过宽，比如说正值性条件，链路参数不大于路径参数的条件，从而导致EM算法在实际应用中存在以下三个缺陷1、容易陷入局部最小值；2、初始值敏感；3、容易陷入边界极大值。
这三个缺陷反映在非约束网络层析成像中的就是估计得到由于估计精度不够，估计器性能稳定性差，以及多解性。
现有技术中一种非约束网络层析成像的单播链路延迟分布估计的算法为密歇根大学的Meng Fu Shih算法。该算法主要分为二部分1、CGF(累积量生成函数)模型。
假设在一个域内路由矩阵是已知的，i＝1，...，n为第i探测包路径，j＝1，...，m为第j条网络内部链路，rij＝{0，1}为路由矩阵中第i条探针路径经历第j条链路的路由系数，当第i探测包路径包含链路j的时候，rij＝1，否则rij＝0；假设在测量时间内，链路时延分布是平稳的，则第i探测包路径经过的端到端时延可以表示为Yi=ri1Xi1+···+rimXim=Σj=1mrijXij...(10)]]>其中随机变量Xij表示第i探测路径经过第j条链路的时延，Xij相互之间假设是独立同分布的，互不相关。采用随机变量Yi的CGF来描述端到端时延的统计特征。
KYi(t)=logE[etYi],i=1,···n,t∈(-∞,∞)...(11)]]>将(10)式带入(11)式中可以得到KYi(t)=logE[et(ri1Xi1+ri2Xi2+···rimXim)]=Σj=1mrijKXj(t)=R.KX(t)...(12)]]>公式(3)中，KXi(t)=log∫-∞∞etxpXi(x)dx]]>与Xi的概率密度函数pxi(x)成一一对应关系。因此，只要求出链路的CGF，就可以得到网络的概率密度分布。但在实际求解时，主要通过求etx期望的方式来等效地求解路径的CGF。
2、反演算法。
反演算法简单地通过求逆矩阵的形式求解KXJ(t)=Σi=1nbjiKYi(t)=B.KYi(t)...(13)]]>其中B＝(RTR)TR-误差校正由于log函数的非线性，因此，通过这种方式推导的是时延CGF偏差估计值，对公式(6)得到的结果进行校正，可以得到链路CGF的无偏移估计K^Xj(t)=Σi=1nbjilog(M^Yi(t))+E^[ωj]+12E^[ωj2]...(14)]]>而 为矩法估计的经验平均E^[ωj]=1-Πi=1nE^[(M^Yi(t))bji]M^Xj(t)...(15)]]>E^[ωj2]=1-2Πi=1nE^[(M^Yi(t))bji]M^Xj(t)+Πi=1nE^[(M^Yi(t))2bji]M^2Xj(t)...(16)]]>
其中，M^Xj(t)=Πi=1n(M^Yi(t))bji]]>为第j条链路时延矩量母函数的无偏估计， 的计算可以通过滑窗法或者蒙特卡罗方法。这种偏差校正的方法，依赖于测量数据的经验平均，在测量结果很准确的情况下，校正可以有效的去处log函数带来的非线性偏差。然而，一旦测量误差增大，这种校正方法就无法起到修正作用，反而会极大地增大估计值与真实值之间的误差。仿真结果也验证了这一点。
上述现有技术的非约束网络层析成像的缺点为在实际网络层析成像问题求解中，其解是不稳定的、多解的。其原因主要为1、从总体来看，现有的网络层析成像方法大都假定网络状态参数在一定的时间范围内是非时变和稳定的(即变化范围很小，可以忽略)，由于实际网络状态是不断变换的(即网络状态参数是时变、非平稳的)。
2、从测量的角度来看，都是有误差的，由于网络环境复杂性和非平稳性，两个目的节点上测量得到的误差不可能是相同的。
3、从路由矩阵角度来看，由于路由算法具有很大相似性以及背靠背包对技术的采用，导致各方程系数具有非常高的相似性。
综上所述，上述现有技术的非约束网络层析成像的方程一定是病态的超定方程，而非良态的超定方程，这导致一个严重的后果无论选用什么迭代算法来解这个方程，无论迭代多少步，其估计值不会收敛到真值，而且其估计值呈现不稳定，在真值附近较大范围内跳动。也就是解呈现多解性特点。因此，非约束网络层析成像虽然能够比较好的估计出参数，但是不能根本上解决以上多解性问题，从而导致估计器性能不稳定和其解精度不高。
发明内容
本发明的目的是提供一种移动代理系统和约束网络层析成像方法，从而可以消除网络层析成像估计值的多解性，提高了网络层析成像估计值的精确度和稳定性。
本发明的目的是通过以下技术方案实现的一种移动代理系统，包括移动代理簇在网络层析成像的端到端测量过程中，执行部分端到端测量任务，收集端到端测量过程中获得的不同节点之间的探测包延迟信息和/或探测包丢包信息，并将收集到的信息传递给代理控制中心；代理控制中心产生和初始化移动代理，为移动代理指定任务，管理移动代理的执行，根据移动代理簇传递过来的信息，通过计算后获得网络层析成像的约束条件。
包括任务分配模块用于给移动代理指定任务，配置参数；约束条件计算模块用于将移动代理簇传递过来的探测包延迟信息和/或探测包丢包信息用统计学反问题的方法进行求解，获得网络层析成像的约束条件；代理管理模块用于产生和初始化所有的移动代理，追踪每一个移动代理，管理每一个移动代理的行为。
还包括代理通信模块提供移动代理之间、移动代理与代理管理器之间的通信支持。
还包括数据管理模块用于对移动代理簇传递过来的探测包延迟信息和/或探测包丢包信息，以及通过计算获得的网络层析成像的约束条件进行存储和管理。
一种约束网络层析成像方法，包括步骤A、通过移动代理系统获得网络层析成像的约束条件；B、利用所述约束条件，对网络层析成像的端到端测量过程中获得的网络层析成像求解过程进行约束，获得网络层析成像的真实值。
所述的步骤A具体包括A1、将移动代理系统和移动代理执行环境部署到待测量网络中授权访问的网络节点；A2、在所述待测量网络中给指定的接收节点发送探测包，执行网络层析成像的端到端测量过程，通过所述部署的移动代理系统收集不同节点之间的探测包延迟信息和/或探测包丢包信息，根据该信息通过计算后获得网络层析成像的约束条件。
所述的步骤A2具体包括A21、在端到端测量过程中，通过所述部署的移动代理系统中的移动代理簇收集不同节点之间的探测包延迟信息和/或探测包丢包信息，将该信息传递给移动代理系统中的代理控制中心；A22、所述代理控制中心的约束条件计算模块将接收到的探测包延迟信息和/或探测包丢包信息用统计学反问题的方法进行求解，获得网络层析成像的约束条件。
所述的探测包延迟信息包括端到端时延信息或者链路时延信息。
所述的步骤B具体包括利用所述约束条件，通过设定的算法对所述端到端测量过程中获得的网络层析成像估计值进行求解，将满足约束条件的解确定为网络层析成像的真实值。
所述的设定的算法包括共扼梯度法或最速下降法或快速共扼梯度法式。
由上述本发明提供的技术方案可以看出，本发明提出了通过移动代理进行约束信息的收集机制，为待估计的网络链路参数提供了一个约束条件，通过该约束条件对网络层析成像估计值进行筛选。从而可以消除网络层析成像估计值的多解性，提高了网络层析成像估计值的精确度和稳定性。使获得的网络链路参数极好地逼近了真实值。
图1为现有技术中一种非约束网络层析成像模型的逻辑拓扑结构示意图；图2为本发明所述ACC(Agent Control Center，代理控制中心)的结构示意图；图3为本发明所述约束网络层析成像方法的实施例的处理流程图。
具体实施例方式
本发明提供了一种移动代理系统和约束网络层析成像方法，本发明的核心为通过移动代理等网络技术收集一定链路先验信息，然后，基于端到端路径的测量，综合利用链路先验信息和测量数据来估计网络链路参数。
移动代理是软件代理的一种，它可以代替人或者其它程序执行某种任务的程序，移动代理可以根据要求挂在某一主机上运行，然后再转移到网络中其它地方继续执行，最后返回消息和结果。
移动代理的主要特征为可在异构网络的主机间移动；可受理委托，并具有自我决定权。所谓自我决定权即是可决定自身的行动去向；可决定自己的服务对象，甚至有自身复制的权利，并将复制的代理同样地发送到网上。移动代理的主要技术特征可归纳为动态执行、异步计算、并行处理和智能化。支持移动代理计算的主机上需要提供MAE(移动代理执行环境)。
移动代理近年来发展迅速，它独特的自主性、智能性和移动性为分布式计算和网络控制引入了一种全新的模型，在下一代信息网络中将得到广泛应用。目前，人们正致力于移动代理基本技术及其在信息检索、电子商务、网络管理等方面应用的研究。本发明把移动代理引入到网络层析成像中，通过移动代理来收集链路参数的约束条件。
本发明所述收集网络链路先验信息的移动代理系统主要由两个部分构成ACC和移动代理簇。
移动代理簇的主要功能包括1、在端到端测量过程中，执行部分端到端测量任务；2收集端到端测量过程中获得的不同节点之间的探测包延迟信息和探测包丢包信息，并将该探测包延迟信息和探测包丢包信息传递给ACC。
获得网络层析成像的约束条件的功能由ACC来完成。ACC的主要功能包括产生和初始化所有的移动代理；为所有的移动代理指定任务；管理移动代理的执行，获得网络层析成像的约束条件。ACC的结构示意图如图2所示，包括如下模块任务分配模块用于给各个移动代理指定任务，配置参数。
约束条件计算模块用于提供网络层析成像的约束条件的计算功能，将移动代理簇传递过来的探测包延迟信息和探测包丢包信息用统计学反问题的方法进行求解，获得部分链路待估计参数的确定性范围或者确定值，以此作为网络层析成像反演过程中的先验信息，即作为网络层析成像的约束条件。比如，将收集得到的端到端时延信息或者链路时延信息用统计学反问题的方法进行求解，获得链路时延的分布特征。
代理管理模块用于追踪每一个移动代理，管理每一个移动代理的行为，比如，启动，挂起，调度和终止验证代理，验证移动代理的身份，捕捉移动代理的状态。
代理通信模块提供移动代理之间、移动代理与代理管理器之间的通信支持。
数据管理模块用于对移动代理簇传递过来的探测包延迟信息和/或探测包丢包信息，以及通过计算获得的网络层析成像的约束条件进行存储管理。该探测包延迟信息包括端到端时延信息或者链路时延信息。
在实际应用中，可以对上述移动代理系统进行进一步的扩展，可以利用移动代理的协作性、分布性和智能性完成时延测量任务的动态迁移，适应测量节点失效的变化，布置移动代理在测量点上执行部分的计算估计任务。从而可以有效地减少数据包的发送数目，减少网络的额外负载开销。
本发明所述约束网络层析成像方法的实施例的处理流程如图3所示，包括如下步骤步骤3-1通过移动代理来获得网络层析成像的约束条件。
本发明首先需要把上述移动代理系统和MAE部署到待测量网络中授权访问的网络节点。本发明并不需要在网络中的所有节点上都部署上述移动代理系统和MAE，而是只在授权访问的少量节点上部署上述移动代理系统和MAE。
然后，在网络中给指定的接收节点发送探测包，执行端到端测量过程，通过部署的移动代理簇收集端到端测量过程中的探测包延迟信息和探测包丢包信息，并将该探测包延迟信息和探测包丢包信息传递给ACC。该探测包延迟信息包括端到端时延信息或者链路时延信息。
ACC接收到移动代理簇传递过来的探测包延迟信息和探测包丢包信息后，通过约束条件计算模块将该探测包延迟信息和探测包丢包信息用统计学反问题的方法进行求解，获得网络层析成像的约束条件。比如，将收集得到的端到端时延信息或者链路时延信息用统计学反问题的方法进行求解，可以得到获得链路时延的分布特征，得到单条链路或者多条链路真实的链路参数值或者链路参数的变动范围，将这些已经获得的链路参数值作为约束网络层析成像的约束条件。
步骤3-2、利用获得的网络层析成像的约束条件，对端到端测量过程中获得的网络层析成像求解过程进行约束，获得网络层析成像的真实值。
在获得了网络层析成像的约束条件后，便可以利用该约束条件，通过共扼梯度、最速下降法和快速共扼梯度法式等各种迭代算法进行求解。对端到端测量过程中获得的网络层析成像估计值进行筛选，将满足约束条件的解确定为真正解，获得网络层析成像的真实值。
下面描述上述筛选过程的一种具体实现方式。
假如获得的约束条件为L，则根据公式(1)和约束优化理论，可以得到如下筛选公式minF(X)=12||y-Ax||2]]>s.tAx=B0≤x≤LM...(17)]]>对公式(17)进行求解可以利用很多迭代算法，比如共扼梯度法、最速下降法和快速共扼梯度法。
以共扼梯度法为例，上述公式(17)的迭代过程包括如下步骤1、取初始点x0，允许误差ε＞0，令k＝0；2、计算函数负梯度pk＝-f(xk)；3、求解min f(xk+λpk)s.t. λ≥0。
设λk是一维搜索的最优解4、xk+1＝xk+λkpk；5、判断‖f(xk)‖＜ε是否满足，若满足，令x*＝xk+1，输出x*，计算停止；否则转到步骤6；
6、如果k＝n-1，令x0＝xk+1，k＝0，转②；否则转⑦；7、计算。
本发明还提供了一种应用上述方法的约束最优化单播链路时延估计算法。
首先建立链路时延约束最优化模型，定义函数f(KXi(t))=12||KYi(t)-Σj=1mrijKXi(t)||2...(18)]]>将链路时延估计转化为以下约束最优化问题minf(KX(t))s.t.gi(KXi(t))≥0i=1,2,...lhj(KXi(t))≥0j-1,2,...lqs(KXi(t))≥Kmins=1,2,...m...(9)]]>其中KX(t)=[KXl(t),...KXm(t)]T,KY(t)=[KYl(t),...KYn]T,]]>l为能够收集到时延约束的链路条数，m为总的链路条数。gi(KXi(t))=KXi(t)-KTmin(t),]]>KTmin(t)为通过移动代理收集到的第i条链路时延CGF极小值；hj(KXj(t))=KTmax(t)-KXj(t),]]>KTmax(t)为移动代理收集到的第j条链路时延CGF上限值；qs(KXs(t))=KXs(t),]]>Kxs(t)为第s条链路时延CGF值基本约束值，这是因为时延值总是大于0的，所以可以得到每条链路CGF的一个约束值。将f(KXj(t))展开f(KX(t))=12(KX(t))TRTR(KX(t))-(KY(t))TR(KX(t))+C...(20)]]>利用建立的约束最优化模型中的约束条件构造约束矩阵A=A1A2,B=B1B2,LM=KXb(t)...(21)]]>其中，B1=[KX1max···KXLmax]T,B2=[KX1min···KXLmin]T]]>而系数矩阵A1KL(t)＝B1，A2＝-A1。KL(t)＝[KX1(t).........KXL(t)]T为能够收集到的链路CGF值。KXb(t)＝[KXT1，............KXTm]T是每条链路时延CGF的基本约束值集合。问题就转化为标准的带约束二次型规划问题目标函数求解min(f(x))=min(12XTHX+fTX)]]>s.tAx≤Bx≤LM...(22)]]>公社(22)中，二次型系数矩阵H＝RTR，一次项系数矩阵f＝(-1)RT(KY(t))。常数C并不影响对Kx(t)的优化结果。求解这个约束最优化问题，可以利用基于内部映射牛顿法的子空间置信域法。
以上所述，仅为本发明较佳的具体实施方式
，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
权利要求
1.一种移动代理系统，其特征在于，包括移动代理簇在网络层析成像的端到端测量过程中，执行部分端到端测量任务，收集端到端测量过程中获得的不同节点之间的探测包延迟信息和/或探测包丢包信息，并将收集到的信息传递给代理控制中心；代理控制中心产生和初始化移动代理，为移动代理指定任务，管理移动代理的执行，根据移动代理簇传递过来的信息，通过计算后获得网络层析成像的约束条件。
2.根据权利要求1所述的移动代理系统，其特征在于，所述的代理控制中心包括任务分配模块用于给移动代理指定任务，配置参数；约束条件计算模块用于将移动代理簇传递过来的探测包延迟信息和/或探测包丢包信息用统计学反问题的方法进行求解，获得网络层析成像的约束条件；代理管理模块用于产生和初始化所有的移动代理，追踪每一个移动代理，管理每一个移动代理的行为。
3.根据权利要求2所述的移动代理系统，其特征在于，所述的代理控制中心还包括代理通信模块提供移动代理之间、移动代理与代理管理器之间的通信支持。
4.根据权利要求2所述的移动代理系统，其特征在于，所述的代理控制中心还包括数据管理模块用于对移动代理簇传递过来的探测包延迟信息和/或探测包丢包信息，以及通过计算获得的网络层析成像的约束条件进行存储和管理。
5.一种约束网络层析成像方法，其特征在于，包括步骤A、通过移动代理系统获得网络层析成像的约束条件；B、利用所述约束条件，对网络层析成像的端到端测量过程中获得的网络层析成像求解过程进行约束，获得网络层析成像的真实值。
6.根据权利要求5所述的方法，其特征在于，所述的步骤A具体包括A1、将移动代理系统和移动代理执行环境部署到待测量网络中授权访问的网络节点；A2、在所述待测量网络中给指定的接收节点发送探测包，执行网络层析成像的端到端测量过程，通过所述部署的移动代理系统收集不同节点之间的探测包延迟信息和/或探测包丢包信息，根据该信息通过计算后获得网络层析成像的约束条件。
7.根据权利要求6所述的方法，其特征在于，所述的步骤A2具体包括A21、在端到端测量过程中，通过所述部署的移动代理系统中的移动代理簇收集不同节点之间的探测包延迟信息和/或探测包丢包信息，将该信息传递给移动代理系统中的代理控制中心；A22、所述代理控制中心的约束条件计算模块将接收到的探测包延迟信息和/或探测包丢包信息用统计学反问题的方法进行求解，获得网络层析成像的约束条件。
8.根据权利要求7所述的方法，其特征在于，所述的探测包延迟信息包括端到端时延信息或者链路时延信息。
9.根据权利要求5、6、7或8所述的方法，其特征在于，所述的步骤B具体包括利用所述约束条件，通过设定的算法对所述端到端测量过程中获得的网络层析成像估计值进行求解，将满足约束条件的解确定为网络层析成像的真实值。
10.根据权利要求9所述的方法，其特征在于，所述的设定的算法包括共扼梯度法或最速下降法或快速共扼梯度法式。
全文摘要
本发明提供了一种移动代理系统和约束网络层析成像方法，该移动代理系统主要包括移动代理簇在网络层析成像的端到端测量过程中，执行部分端到端测量任务，收集端到端测量过程中获得的不同节点之间的探测包延迟信息和/或探测包丢包信息，并将收集到的信息传递给代理控制中心；代理控制中心产生和初始化移动代理，为移动代理指定任务，管理移动代理的执行，根据移动代理簇传递过来的信息，通过计算后获得网络层析成像的约束条件。利用本发明，通过使用这些约束条件可以消除网络层析成像估计值的多解性，提高了网络层析成像估计值的精确度和稳定性。
文档编号H04L12/26GK101030895SQ20061005831
公开日2007年9月5日 申请日期2006年3月1日 优先权日2006年3月1日
发明者胡光岷, 钱峰, 刘星, 苗福友 申请人:华为技术有限公司, 电子科技大学