专利名称：网络链路性能测量方法
技术领域：
本发明涉及一种网络性能测量方法，特别是网络链路性能测量方法。
技术背景网络外部测量技术是近年来国际上提出一种新的网络测量技术，将医学上的CT思想引入 到网络测量中，根据网络外部边界节点的测量来分析和测量网络内部链路的报文丢失率和延 时等性能参数以及拓扑结构。文献"Network loss tomography using striped unicast probes, IEEE/ACM Transactions on Networking, 2006,Vol.l4(4), p697-710"公开了一种基于端到端网 络测量的链路丢失率推测方法。该方法首先采用一个树型网络拓扑结构，利用根节点主动发 送"包串"作为测量报文；然后在叶子节点对测量报文进行接收；最后根据测量报文接收的 偏序关系，对网络内部链路性能进行推测。实际上，在该文献中，链路丢失率分析模型是一 个测量报文接收的偏序关系，但该关系并不适用于网络链路延迟时间推测和分析。所以现在 基于端到端测量的网路内部链路性能推测存在的问题是没有一个统一的性能分析模型来同 时分析和测量网络内部链路性能，如链路延迟时间和丢失率。 发明内容为了克服现有技术无法利用一个统一的性能分析模型来测量网络内部链路性能的不足， 本发明提供一种网络链路性能测量方法，通过分析网络链路性能特点，建立统一的性能分析 线型模型；该线型模型中，当路由矩阵的秩不等于其增广矩阵的秩，在无法获得非齐次线性 方程组最优解的情况下，通过数学变化，将问题转化为一个多目标优化问题，并利用遗传算 法求非齐次线性方程组的次优解；最后，通过统计次优解在离散化区间概率分布来获得网络 链路性能。本发明解决其技术问题所采用的技术方案 一种网络链路性能测量方法，其特点是包括 以下步骤(a) 在分析网络链路丢失率和延迟时间与路径丢失率和延迟时间基础上，建立网络链路性能分析的统一线性模型，y=AY ;式中，Y是端到端性能参数，是一个行向量转置；A是路由矩阵；X是所要求解的链路性 能参数列向量；该线性模型表示非齐次方程有解的前提条件是W(力^Min，即路由矩阵A的秩必须等于其增广矩阵(4y)的秩；(b) 如果WM)"My)，即路由矩阵A的秩不等于其增广矩阵(/(iy)的秩，贝ijmin /=la],卩i + ai,2" +... + - "min/沙2,卩i+y2,2"+…"2,m义m力imin/"叫Y",Pl十y",2"十…+少",/ ^m-r"l xie[ZlJ,Zl，2]J2e[Z2,l，Z2，2]".Jme[Zw,i'Z, ,2]利用遗传算法求得多目标优化的次优解；(c)为了克服传统的二进制编码所带来的"海明悬崖(Ha國ing Cliff)"问题，采用格 雷码，适应度函数定义为/00 ",.=1 ;(d)通过对解空间离散化，统计次优解落在离散化解空间的情况，得到链路性能概率分布图；选择概率分布图中最大值所对应区间的中心位置数值，即链路丢失率或链路延迟时间。 本发明的有益效果是将网络链路性能分析模型统一为一个线性分析模型，通过数学转化，将链路性能测量问题转化成一个多目标优化问题，利用遗传算法求得网络内部链路性能的次优解，并通过统计分析得到链路性能参数，如链路延迟时间和丢失率。 下面结合附图和实施例对本发明作详细说明。
图1是本发明网络链路性能测量方法建立的网络测量模型。 图2是本发明网络链路性能测量方法的流稈图。
具体实施方式
参照图1 2，具体步骤如下首先，建立一个统一网络链路性能分析模型。 在网络测量模型中，任意路径之间报文传输延迟等于所组成的各个链路延迟时间之和，该关系称为网络链路延迟时间分析模型，可表示为式(l)。D,=力,1 +力,2 + ...+力,乂 (1)在网络测量工程中，任意路径f^报文成功传输率等于所组成的各个链路成功传输率之乘积，可表示为W = 7,',x 、2 x…x (2)其中W为第,个路径成功传输率，",^(1^5^为组成该路径的链路成功传输率。对式(2) 两边分别取对数(ig)，则有从式(3)可以看出，路径与链路成功传输率之间通过对数数学变化后，也存在线性关系； 只要能计算出链路成功传输率s ，链路丢失率"可通过《 ='"得到。综合公式(1)和(3)，网络链路与路径性能之间存在线性关系，统一表示为 ",',2+ ■■"(.,_/ (4)再结合图l网络测量模型，则有7 = 1 (5)在(5)式中，Y为端到端性能参数，是一个行向量转置，A为路由矩阵，X为所要求解的链 路性能参数列向量，本发明将(5)式称为网络链路性能分析线性模型。它不仅适用与链路延迟 时间分析，而且也适用于链路丢失率分析。需要注意的是对于丢失率，在线性模型的基础上， 只有通过对所求的解再经过指数转化后，才能得到最终目标解。其次，将非齐次线性方程组求解转化成多目标优化问题。(5)式有解的前提条件是ww)^Mn，即路由矩阵A的秩必须等于其增广矩阵(^o的秩。如 果W^^(草)，这时利用线性代数方法无法对(5)求解。如果将(4)式改写为如下形式 /广l力,i+力,2+…",.,厂nl ，贝U (5)式可改写为(6)式。min /=+ ai,2" +... + fll，-m - " 1 min/2=b2,lxl+",2X2+-."2,/ ^m-"I >as[Zl,l,Zi,2〗"2S[Z2，l,Z2'2]，.""me[Zra,l'Zm,2] (6) 在(6)式中，[Z,》Z"KB,^)表示每一决策变量(所要测量的链路性能)变化区间。这样就将基于端到端测量的链路性能测量问题转化为多目标优化问题，可通过遗传算法来求得多目标问题的次优解。第三步，利用遗传算法求解线型分析模型次优解。编码本发明采用格雷码(GrayCode),因为相邻整数之间海明距离均为l，可以克服传 统的二进制编码所带来的"海明悬崖"(Hamming Cliff)问题，即某些相邻整数的二进制代 码之间有很大的海明距离。适应度函数适应度函数的创建采用权重系数变换法，即根据子目标函数/,.0^=1,2，...,^在 多目标优化问题中的重要程度，赋予权重^，则多目标优化问题的目标函数为各个子目标函 数y,.W的线性加权和，可表示为公式(7)所示。<formula>formula see original document page 6</formula>在链路性能测量问题中，由于每个子目标函数对测量结果的影响重要程度相同，故取<formula>formula see original document page 6</formula>为此，适应度函数可定义为式(8):<formula>formula see original document page 6</formula>如果将fW作为多目标优化问题的评价函数，则可将多目标优化问题转化为单目标优化 问题，则可利用单目标优化的遗传算法求解多目标优化问题。初始种群本发明通过对小种群规模下的随机生成的初始种群进行调整，剔除重复个体， 调整各个基因座上基因出现的频率，使个体尽量均匀地分布在整个解空间上，以达到初始种群 基因多样化的目的。在基于端到端测量的链路性能测量方法中，均匀分布初始种群生成算法 如下。St印l:随机生成初始种群；St印2:计算初始种群中任意两个个体之间海明距离^，如果"d，则取除其中任意一个； 否则两个个体均保留。St印3:如果个体数量小于种群的需求，随机产生若干个体补充到种群中，Goto St印2。 St印4:检测种群中每一基因座的组成；如果0在基因座所占比例大于50%,则随机选择部 分0基因变异成1，使0位所占比例为50%，反之随机选择部分1基因变异成0，使0位所占比例为50%;St印5:初始种群生成完毕。本发明选用初始种群数为1000，终止代数次数为80。 遗传操作。选择算子在基于链路性能测量的多目标优化问题求解过程中，通过选择算子来对种群 中的个体进行自然选择操作，使得适应度较高的个体能够以较大的概率被遗传到下一代群体。选择算子具体的算法实现如下St印l:将初始种群按照前后顺序分为x组，，为子目标函数的个数。 St印2:对每一组个体处理如下(1) 对于组数为''的个体，利用第个子目标函数计算其函数值；(2) 以一定的概率Pg从第z组个体中根据子目标函数值选取若干个个体，子目标函数值越小，说明该个体适应性越强，则选取的可能性越大。(3) ,++,如果,&， Goto(l)，否则Goto(Step3)。St印3:将选取的;c组按照组号前后顺序组合，构成本次迭代新的种群。 交叉算子本发明采用单点交叉(One-point Crossover),即在种群中按照一定的概率 &随机选择两个配对的染色体，并随机产生一个交叉点，在该点相互交换两个配对个体的部 分基因组。在操作交叉算子时，为了防止近亲繁殖，要求只有当参与交叉的个体间汉明距离 超过一定的阈值时，才允许二者之间进行执行交叉运算。最初的阈值可采用初始群体海明距 离的平均值，其随着迭代次数的增加而减少。变异算子变异算子用新的基因值代替原有基因值，改变个体染色体结构，产生新的染色体，以提高种群的多样性，对早熟有一定的抑制作用。本发明选取种群的变异概率为 4=0.005 。对每个个体编码按照变异概率，随机指定某一个基因座上值发生变异，即"0"变为T或"1"变为"0"。第四步，统计分析链路性能概率分布。在链路延迟测量过程中，决策变量最小值为0，最大值为一次测量中该链路所属有路径 网络延迟性能的最小值，标记为《;则该链路延迟时间的解向量空间可表示为[O， 《]。而在 丢失率测量过程中，本发明假设每条链路的成功传输率介于10%与100%之间，由于在测量过程中要取掉百分号％，并要进行一次对数运算，故每一条链路成功传输率的解向量空间可表示为[1， 2]。根据测量精度，将解向量空间等份为多个离散化的小区间；然后多次执行遗传算 法，可得到多组链路性能的次优解，对每一个次优解落在离散化区间的情况进行统计，可得 到链路性能的概率分布图，其最大值概率所对应离散化区间中心值可表示为该链路性能参数 的值，也是本发明所要测量的链路性能的值。
权利要求
1、一种网络链路性能测量方法，其特征在于包括下述步骤(a)在分析网络链路丢失率和延迟时间与路径丢失率和延迟时间基础上，建立网络链路性能分析的统一线性模型，Y＝AX；式中，Y是端到端性能参数，是一个行向量转置；A是路由矩阵；X是所要求解的链路性能参数列向量；该线性模型表示非齐次方程有解的前提条件是R(A)＝R(A|Y)，即路由矩阵A的秩必须等于其增广矩阵(A|Y)的秩；(b)如果R(A)≠R(A|Y)，即路由矩阵A的秩不等于其增广矩阵(A|Y)的秩，则minf1＝|a1，1x1+a1，2x2+...+a1，mxm-Y1|minf2＝|y2，1x1+y2，2x2+...+y2，mxm-Y2|......minfn＝|yn，1x1+yn，2x2+...+yn，mxm-Yn|x1∈[Z1，1，Z1，2]，x2∈[Z2，1，Z2，2]，...，xm∈[Zm，1，Zm，2]利用遗传算法求得多目标优化的次优解；(c)为了克服传统的二进制编码所带来的“海明悬崖(Hamming Cliff)”问题，采用格雷码，适应度函数定义为<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mi>F</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow> </mrow></mfrac><mo>=</mo><mfrac> <mn>1</mn> <mrow><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msub> <mi>ω</mi> <mi>i</mi></msub><msub> <mi>f</mi> <mi>i</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow> </mrow></mfrac><mo>;</mo> </mrow>]]></math></maths>(d)通过对解空间离散化，统计次优解落在离散化解空间的情况，得到链路性能概率分布图；选择概率分布图中最大值所对应区间的中心位置数值，即链路丢失率或链路延迟时间。
全文摘要
本发明公开了一种网络链路性能测量方法，通过分析网络链路性能特点，建立统一的性能分析线型模型；该线型模型中，当路由矩阵的秩不等于其增广矩阵的秩，在无法获得非齐次线性方程组最优解的情况下，通过数学变化，将问题转化为一个多目标优化问题，并利用遗传算法求非齐次线性方程组的次优解；最后，通过统计次优解在离散化区间概率分布来获得网络链路性能。本发明将网络链路性能分析模型统一为一个线性分析模型，通过数学转化，将链路性能测量问题转化成一个多目标优化问题，利用遗传算法求得网络内部链路性能的次优解，并通过统计分析得到链路性能参数，如链路延迟时间和丢失率。
文档编号H04L12/26GK101599870SQ20091002313
公开日2009年12月9日 申请日期2009年6月30日 优先权日2009年6月30日
发明者烨 姚, 蔡皖东 申请人:西北工业大学