专利名称：认知网络中基于仿生过程的路由选择方法
技术领域：
本发明涉及一种认知网络中基于仿生过程的路由选择方法，属于计算机网络技术 领域。
背景技术：
未来网络具有如下特征网络规模将越来越大，多种网络并存，网络承载业务的服 务质量(QoQ参数变化范围较大。在这个典型的动态复杂网络中，如何实现网络资源的高 效利用，保障业务的QoS，是一个尚未解决的问题。针对该问题，认知网络应运而生。认知网 络中的部分节点具有学习和推理能力，通过测量或预测网络的环境参数，实现动态决策与 网元设备重构，达到适应网络环境、优化端到端性能的目标。针对复杂的网络环境，如何适 应环境，充分利用链路资源、网络资源、用户资源，获得端到端的优化目标是路由算法需要 解决的问题。依据认知网络的定义，基于仿生过程的认知路由选择方法是一个新的课题。
生物过程中的反应扩散是一种用来描述生物细胞的自组织过程。这个概念来自于 细胞的化学扩散，称为形态生成素，其中有两种形态发生类型激活剂和抑制剂。在组织形 成时，根据形态发生素的释放和细胞之间的非线性作用，细胞所表现的一种自组织的空间 分布形式。
趋化作用是微生物根据环境中某些化学品的浓度直接运动的过程。趋化过程的运 动方向根据微生物和环境之间的刺激，微生物根据化学品的梯度选择对应的路径。有两种 趋化作用(1)积极地趋化作用，其中化学梯度对微生物向源的移动产生了积极的刺激(如 化学梯度使得靠近食物源)，(2)消极的趋化作用，化学梯度产生消极的刺激使得微生物远 离源(例如化学梯度使得远离有毒源)。趋化过程启发了许多应用算法的发展，包括机器人 和网络负载平衡。
群体感应是细胞群体利用他们的群集的大小和密度生产特定类型的物质的过程。 群体感应的实例包括，细菌绿脓杆菌的群集行为使得人体尿路感染，霍乱弧菌的群集行为 使得乌贼体内产生光。在计算机科学中，已针对多种应用提出了群体感应的算法，包括移动 自组网的代理和水下传感网络。发明内容
本发明所要解决的技术问题是在认知网络中，提供一种基于仿生过程的路由选择 方法，主要目标是为认知网络中端到端的节点构建满足一定QoS的传输路径。
本发明为解决上述技术问题采用如下技术方案
一种认知网络中基于仿生过程的路由选择方法，包括如下步骤
步骤A，计算网络节点的拓扑中每一个节点的跳数值；
步骤B，将每个目标节点到源节点的任意连接的跳数值传给邻节点，每个节点接收 此跳数值后，将此跳数值减去1再发送给自己的相邻节点，如果某个节点接收到若干个跳 数值，则选择值最高的那个跳数值进行发送；3
步骤C，当跳数值到达源节点，便进行反向传播，同时对每个节点到目的地的跳数 值进行归一化；当某个节点的负载变化大于或等于负载阈值时，该节点就向邻节点传送新 负载值；
步骤D，根据相邻节点的归一化跳数值，与邻节点相连的链接梯度，其指定目的地 d的链接梯度计算公式如下
Gnjdji^j = α φ j+β ln, ^j+Yhdjj
其中，Gn, 表示节点中节点i到邻节点j的链接梯度，表示邻节点j的负 载，ln,表示节点η中的从i到相邻的j的链接负载，hd,j表示从节点j到目的地d的归 一化跳数值，α、β、Y表示相应参数的归一化权值。
步骤Ε，当一个新的流fs,d进入网络，该流从源头s到目的地d逐跳选择路由，通过 选择最大的Gn, 进行路由选择，直到流到达目的地。
进一步的，前述认知网络中基于仿生过程的路由选择方法中，当网络拓扑的具体 区域遇到故障需要在相邻节点间重新配置资源时，对于数据和多媒体这两种类型的流量， 主要计算步骤如下
步骤A，群体感应节点仏如果在某个节点m检测到故障，马上发送群体区域请求给 相邻节点Nm，在节点m和邻节点Nm间生成群体区域，每一个Nm提供其链接的剩余容量Cs,τ， 节点m确定多媒体和数据流的比率，根据剩余容量Cs, τ重新选择路由；
步骤B，如果剩余容量Cs,τ无法容纳所有故障链路中已存在的流量(SF, J，节点m与 相邻节点协商释放一定的容量，以尽量满足故障链路中已存在的流量为原则。
进一步的，前述认知网络中基于仿生过程的路由选择方法中，所述节点负载的计 算是基于每个链接的使用容量与空闲容量的总比率。
本发明采用以上技术方案具有如下有益效果
1，借鉴了生物过程中的反应扩散/趋化作用，将生物过程映射到通信网络的逐跳 路由选择过程，在发生故障重新选择路由时，算法可以模拟群体感应过程进行协调，以实现 自适应路由选择。
2，基于仿生过程的认知路由选择算法能够在复杂的认知网络环境下，充分利用链 路资源、网络资源、用户资源，为端到端的节点构建满足一定QoS的传输路径，获得端到端 的优化目标。
从资源优化的角度而言，当网络负载较重时，认知路由算法令业务均勻地分布在 网络中。当负载较轻时，认知路由算法应能提升用户的满意度，并利用网络和用户的存储能 力，提前消费网络资源，达到高效利用网络资源的目标。
图1是基于趋化作用/反应扩散的认知路由选择过程。
图2是基于群体感应的的故障路由选择过程。具体实施方案
下面结合附图对技术方案的实施作进一步的详细描述
基于趋化作用/反应扩散的路由选择算法，模仿了自主组织细胞的反应扩散过程，如图1所示，主要计算步骤如下
步骤A，计算一个N节点的拓扑的每一个节点η跳数。
步骤B，每个目标节点d将其到源节点的任意连接的跳数值(Hd)传给邻节点。每 个节点η接收Hd，减去1后传给相邻节点。如果一个节点收到多个Hd值，选择值最高的那 个Hd。
步骤C，Hd值达到源节点(在源点设为Hdf)，便进行反向传播，对每个节点到目的 地的Hd值Hdn(在0 1之间)进行归一化。一旦当一个节点的负载变化大于或等于负载 阈值(ΤΗρη)，就会检测到这种改变，并向邻节点传送新负载值。节点负载的计算是基于每 个链接使用的和空闲的容量的总比率。
步骤D，根据相邻节点的归一化跳数值，与邻节点相连的链接梯度，其指定目的地 d的链接梯度(例如其目的地为d，节点η中节点i到邻节点j的链接梯度GnIiI)计算公 式如下
Gn, d,卜 j = αφ J+ β In,卜 j+ y hd, j
其中，Φ」表示邻节点j的负载，ln, ^表示节点η中的从i到相邻的j的链接负 载，hd,j表示从节点j到目的地d的归一化跳数值，α、β、Y表示相应参数的归一化权值， 可通过策略配置。
这些根据策略配置的参数能够灵活得改变当前状态网络的运行状态。具体来说， 网络管理员可以制定策略，将目前网络负载的处理量作为一个整体，根据它改变这些参数 的值。例如，如果该网络负载较轻，探测路由时赋予最短路径(如α = 0.3，β = 0.2，γ =0. 5)优先权。另一方面，当网络负载重时，路由的优先权设在最大限度地均衡负载和稳 定的网络(例如 α = 0. 5，β = 0. 2，γ = 0. 3)。
当一个新的流fs,d进入网络，该流从源节点s到目的节点d逐跳选择路由，通过选 择最大的Gn,“ι进行路由选择，直到流到达目的节点。这一过程模仿微生物针对化学梯度 的积极趋化作用的机制。
群体感应过程的作用是有当网络拓扑的具体区域遇到故障时，在相邻节点重新 配置资源。假设该网络中有两种流量数据和多媒体(多媒体具有较高的优先级)，但是该 算法可以很容易地推广到多个流量。群体区域形成算法如图2所示，其步骤如下
步骤A，Qe如果在节点m检测到故障，马上发送群体区域请求给相邻节点Nm，在节 点m和邻节点Nm间生成群体区域，每一个Nm提供其链接的剩余容量Cs,τ，节点m确定多媒体 和数据流的比率，根据Cs,τ重新选择路由。
步骤B，如果剩余容量Cs,τ无法容纳所有故障链路中已存在的流量(SF, J，节点m与 相邻节点协商释放一定的容量，尽可能的满足这些流量。相邻节点丢弃低收益的流量，以保 证高收益流量的优先。
协商过程基于是否满足一系列阈值限制-这些阈值可以使节点在一定程度上丢 弃收益小的流量。例如，对于多媒体流，如果相邻节点的剩余容量(Cs,τ)不能容纳故障链路 上现有的多媒体流(SF,J。相邻节点将会丢弃数据流直到足够支持多媒体流。但是，邻节 点必须保持已有的数据流的聚合带宽等于所设置的数据流量最小阈值THD，不同流量的阈 值可以通过策略来确定，根据业务层以决定如何尽可能的权衡收益(低收益流量设置低阈 值，使得高收益流量具有优先权)，各种流量的公平性(给所有流量设置较高的最低阈值)。
本发明将生物过程映射到通信网络的逐跳路由过程，在发生故障重新选择路由 时，算法可以模拟这些过程进行协调，以实现自适应路由选择，如图2所示。在我们的仿生 路由中，假定网络中的每个节点存储距离目的节点的跳数。这些跳数值最初是在拓扑构造 时计算，在网络拓扑扩展/收缩时(如新的节点添加到网络或从网络中去除节点)自动更新。
趋化作用/反应扩散过程要求节点与相邻节点提供各自的负载信息。指定一个阈 值，每当节点负载的变化超过或等于阈值时向相邻节点传送负载信息。此信息创造了自组 织的“化学场”，用于发现路由。为了创建化学场，每个节点要使用邻近节点到目的地的跳数 值，直接连接到特定邻节点的链接负载，和自己的计算相对梯度场值的负载信息。梯度场值 用于发现从源到目的地的路由。
一个基于梯度的逐跳路由选择的例子如图1所示。最初的路径是节点3-1-5-6，选 择节点1的下一跳的梯度值，其中链接1-5的梯度值高于链接1-4和1-2的梯度值，所以选 择链接1-5。这个链接的梯度值高是因为节点5的负载低。
节点或链路故障时，节点运用群体感应过程，在这种情况下故障周围的节点将进 行协商，以确定受影响的流量重新选择路由所需资源的最低限度。如果网络运行时有多个 不同收益类型的流量，(通过策略)可以运行重新选择路由算法，区分高收益流量和低收益 流量的优先级。如图2所示，网络在在第400秒时链接5-6发生故障，群体区域在5，4和2 之间，共同协商寻找新的资源以及重新选择现有流的路由。在第400秒发生故障时，链路 5-6的链接梯度低于链路5-4的，节点5选择连接到节点4的链路作为新的路由。
权利要求
1.一种认知网络中基于仿生过程的路由选择方法，其特征在于，包括如下步骤步骤A，计算网络节点的拓扑中每一个节点的跳数值；步骤B，将每个目标节点到源节点的任意连接的跳数值传给邻节点，每个节点接收此跳 数值后，将此跳数值减去1再发送给自己的相邻节点，如果某个节点接收到若干个跳数值， 则选择值最高的那个跳数值进行发送；步骤C，当跳数值到达源节点，便进行反向传播，同时对每个节点到目的地的跳数值进 行归一化；当某个节点的负载变化大于或等于负载阈值时，该节点就向邻节点传送新负载 值；步骤D，根据相邻节点的归一化跳数值，与邻节点相连的链接梯度，其指定目的地d的 链接梯度计算公式如下G , · . = α φ .+ β 1 .+ γ h^ ·vjIi, d, ι ^ j^ j丄n，I^jδ LLd, j其中，Gn,表示节点中节点i到邻节点j的链接梯度，Φ」表示邻节点j的负载，In, 表示节点η中的从i到相邻的j的链接负载，hq表示从节点j到目的地d的归一化跳 数值，α、β、Y表示相应参数的归一化权值。步骤Ε，当一个新的流fs,d进入网络，该流从源头s到目的地d逐跳选择路由，通过选择 最大的Gn, 进行路由选择，直到流到达目的地。
2.根据权利要求1所述的认知网络中基于仿生过程的路由选择方法，其特征在于当 网络拓扑的具体区域遇到故障需要在相邻节点间重新配置资源时，对于数据和多媒体这两 种类型的流量，主要计算步骤如下步骤A，群体感应节点％如果在某个节点m检测到故障，马上发送群体区域请求给相邻 节点Nm，在节点m和邻节点Nm间生成群体区域，每一个Nm提供其链接的剩余容量Cs,τ，节点 m确定多媒体和数据流的比率，根据剩余容量Cs,τ重新选择路由；步骤B，如果剩余容量Cs, τ无法容纳所有故障链路中已存在的流量(SF, l)，节点m与相 邻节点协商释放一定的容量，以尽量满足故障链路中已存在的流量为原则。
3.根据权利要求1所述的认知网络中基于仿生过程的路由选择方法，其特征在于所 述节点负载的计算是基于每个链接的使用容量与空闲容量的总比率。
全文摘要
本发明提供一种认知网络中基于仿生过程的路由选择方法，属于计算机网络技术领域。本发明借鉴了生物过程中的反应扩散/趋化作用/群体感应过程，将生物过程映射到通信网络的逐跳路由选择过程，在发生故障重新选择路由时，可以模拟这些生物过程进行协调，以实现自适应路由选择。本发明能够在复杂的认知网络环境下，充分利用链路资源、网络资源、用户资源，为端到端的节点构建满足一定QoS的传输路径，获得端到端的优化目标。
文档编号H04L12/56GK102045261SQ20111000039
公开日2011年5月4日 申请日期2011年1月4日 优先权日2011年1月4日
发明者亓晋, 孙楠, 孙雁飞, 张娜娜, 张顺颐, 王攀, 顾成杰 申请人:南京邮电大学