本发明一般涉及计算机的网络流量管控领域，具体涉及基于反蚁群算法的网络快速流量优化方法。
背景技术：
在当前实践工程的发展中，用户根据自己的需求不断地提出更高服务质量的要求。因此尽量减少结点间拥塞，努力提高资源利用率，为终端用户提供更高的qos保证成为当前网络发展追求的主要目标。这些需求体现在业务层面不仅要求宽带接入网络而且还应提供更高的网络带宽，要求能够同时承载音频、视频、数据、互联网通信等业务，并能根据客户和应用的需求，提供差异化服务的能力。从目前网络技术的发展看，网络带宽的增长远高于处理器的增长速度和内存访问的增长速度，因此服务器端将成为网络传输中的一个瓶颈，通过高性能网络或局域网互联的服务器集群正成为实现高可伸缩的、高可用网络服务的有效结构。网络中的核心设备已经无法单独承受网络中数据流量和计算强度的日益增大的现状。因此如何对流量进行合理的优化控制正逐渐成为te(trafficengineering)研究中热点。
生物启发机制越来越多的被应用到网络的研究之中。蚁群算法是模拟蚂蚁寻找食物智能路径选择的一种生物启发式优化方法。学者们尝试了不同的方法进行网络流量优化的研究。陆俊针对网络资源管理中的负载均衡与优化问题，将蚁群算法与网络流量工程相结合，提出一种多蚁群的网络负载动态均衡方法，实现了网络资源的优化。丁建立提出混合蚂蚁算法实现网络资源均衡方法，通过遗传算法和蚁群算法结合求得最优解。陈俊坚等提出在蚂蚁寻找路径时，放弃按概率的方式跳转节点的寻路方式，采用按信息素较少的路径跳转节点的寻路方式，解决了qosr问题。
技术实现要素：
针对网络中链路上的流量分配问题，在引入收敛期望和收敛梯度的基础上提出了一种基于反蚁群算法的网络快速流量优化方法。根据蚂蚁在链路上寻优时路径上信息素的变化情况判断网络链路的负载情况，当链路上信息素大时分配少的流量，反之，链路分配多的流量。实验结果表明，通过链路上信息素变化控制可以实现网络负载平衡，它可以有效的提高网络的利用率，减少网络时延，提高带宽利用率，降低丢包率。基于反蚁群算法的网络快速流量优化方法的具体技术方案如下。
(a)判断链路当前流量；
(b)在下一迭代中重新分配链路。
与现有技术相比，本发明具有如下优点和技术效果：
在收敛期望和收敛梯度的基础上提出了一种蚁群算法解决网络负载动态平衡方法，既考虑了收敛速度又实现了网络中的负载均衡问题。仿真实验结果表明，该方法能够对网络链路上的流量进行判断，然后分配流量，达到了负载均衡，提高了网络效率。
附图说明
图1为实施方式中基于反蚁群算法的网络快速流量优化算法流程图。
具体实施方式
以下结合附图对本发明的实施方式作进一步说明，但本发明的实施不限于此。
基于反蚁群算法的网络快速流量优化算法，如图1所示，主要包括以下步骤：
(a)判断链路当前流量；
(b)在下一迭代中重新分配链路。
步骤(a)中判断链路当前流量，若当前流量达到链路容量，则报警。
令g＝(v，e)是一个有n个结点和m条边的连通无向图，v(g)是它的顶点集合，任一节点vi∈v，e(g)是边集e的链路集合，任一链路ei∈e，令n＝|v|，n＝|e|，ci表示链路ei的容量，i＝{1，2，，，，n}。li表示网络中链路ei的实际流量。图g的顶点vi有负载
一次迭代过程中链路上的蚂蚁数量为链路的当前流量。用li表示链路ei的当前流量。m表示总蚂蚁数量，mi表示链路上的蚂蚁数量，t表示迭代次数。
mi＝m·pi(2)
li＝mi/t(3)
一次迭代过程中链路所能承载的最大数据流量称为负载容量，用ci表示。所以链路的容量称为链路的负载极限。流量li不能超过链路的容量ci，每条链路上的流量li的范围为0-ci。
ci反映了条链路上的传输性能，它与链路的带宽，时延，丢包率等影响链路传输质量的因素有关，所以各条链路的容量是不一样。要随机的设定每条链路的ci值，这样就可以与实际的网络链路情况结合起来，但ci值一旦设定便不再更改。如果li不小于链路容量ci,则报警。
步骤b根据步骤a中的判断结果，在下一次迭代中重新分配链路，将未分配的流量分配到li小于链路容量ci的链路中去。