认知行为模型首先检测网络当前的状态,然后根据观察到的网络条件和参数进行调整、判决、执行。认知技术使得通信实体具有认知周围环境的能力,并能根据周围环境的变化智能、自主、自适应地动态变化。将认知的概念和功能引入现有的信息网络就构成了认知网络。然而,以端到端QoS (Quality of Service)性能最优化为目标的认知网络的研究在国内外还都处于萌芽阶段,仅有一个大致的网络概念模型和少量认知路由算法。认知网络中QoS机制的实现,即资源预约、资源调度和管理等问题至今还缺乏可行的解决方案。因此,本文将基于网络行为模型,研究认知网络的QoS保障机制,本文是国家高技术研究发展计划(863计划)课题的一部分。本文主要提出了三个算法和机制,包括基于蚁群算法的多径路由并行传输协议、预留资源的自适应借用策略、以及基于神经网络的混合网络流量预测模型。详细内容如下。(1)在认知网络中支持流媒体传输的多径路由算法方面,本文通过改进蚁群算法,提出能够规避和快速缓解拥塞的多径路由协议命名为AMP算法。AMP算法在源节点和目的节点之间寻找多条独立的可用路径,并构成有效传输路径集。根据每条路径上的带宽资源和网络负载情况,对集合中的路径进行优先级排队,确定多条传输路径并行传输,改善流媒体业务的服务质量。当主路由发生拥塞时,迅速使用路径集中的备用录用替换原有路由,保证传输的连续性。同时,启动新的路径搜索算法,即在目的节点和源节点同时发送寻路蚂蚁,双方向发现新路由,能够更加迅速的发现新路径,规避拥塞。另外,AMP算法使用改进了的蚂蚁寻路准则,使得该算法可以实现多QoS约束的最优路由,即同时满足时延和带宽约束的路由。(2)在预留资源的自适应借用与吞吐量优化方面,本文引入自适应借用的思想,提出了预留资源的借用策略,命名为RBFR策略。在传统的信息网络中,预留资源在有效期内具有独占性和专用性,而数据业务的突发特点使发送端输出的数据流不连贯,造成相应的预留资源不定期的处于闲置状态,导致资源浪费。在网络负载较重的情况下,占整体资源比例较大的预留资源有部分闲置,而网络中剩余的可用资源无法满足更多应用的接入需求,限制了吞吐量的提高。因此,充分利用认知网络的自学习和重配置功能,实现预留资源的自适应借用,是提高网络吞吐量、改进网络性能的重要手段。于是,本文将节点的资源类型分为三类：预留资源、本地资源和额外资源,提出在保证已预留资源的数据流服务质量的前提下,允许实时业务在满足相应规定时借用节点闲置的预留资源,非实时业务不允许借用其他节点的资源。RBFR策略还给出了相应的资源分配和借用规则,并使额外资源在使用完毕后按本文给出的规则归还。RBFR策略不仅保证了实时业务和非实时业务的公平性,而且可以灵活协调多种业务,优化配置网络资源,改善系统整体吞吐量,提高资源利用效率。(3)在认知网络的流量调度与负载均衡方面,本文将神经网络的预测方法引入认知网络,提出基于神经网络的混合神经网络预测模型,命名为Ant Double-BP模型。该模型利用神经网络的非线性处理和容噪能力,综合考虑终端的分布状况和用户业务的QoS需求,实时跟踪网络状态,预测网络流量。另外,该模型使用蚁群算法训练BP (Back Propagation)神经网络的权值,使得BP网络的权值不依赖于训练样本；并在拟合之前剔除原始数据中的异常数据,这些做法都排除了训练样本对模型精度的影响。同时,使用混合的小波神经网络模型预测网络流量,提高了对非线性、多时间尺度变化的网络流量的预测精度。