论文部分内容阅读
随着移动通信技术的迅速发展和互联网相关应用的逐渐普及,当前信息网络正在向着大容量、高带宽、高可靠性、低延时和广覆盖发展。借助软件定义网络(Software Defined Network,SDN)技术,网络设备制造和运营商可以在基于密集波分复用的光网络(Optical Networks with Dense Wavelength Division Multiplexing,ON-DWDM)中实现光网络容量和带宽的大幅提升、网络架构的灵活扩展和网络资源的动态按需调配。在通过SDN改进ON-DWDM时,首先要确定SDN控制器在光网络中的数量和位置,即SDN多控制器放置问题(SDN Multi-Controller Placement Problem,SDN-MCPP),这是当前SDN的研究热点之一。为了在差异化的网络环境中满足多样化的运营商和用户需求,控制器放置算法必须提供目标值互不占优的一组控制器放置方案。本文研究ON-DWDM中SDN-MCPP的建模及其多目标智能求解算法。论文前两章简要概述传统光网络、ON-DWDM及其国内外研究组织,介绍ON-DWDM的组成部件和架构、SDN架构和关键技术以及SDN应用于ON-DWDM带来的优势,讨论SDN-MCPP及其研究现状,并关注于SDN-MCPP中的多目标优化模型及其求解算法。本文的主要工作和贡献包括以下两大部分:(1)构建SDN-MCPP多目标模型,设计多目标智能求解算法。本文首先分析已有的SDN-MCPP算法,大多为启发式算法,鲜有同时考虑部署成本、负载差异和传播时延这3个目标的模型及其相应的智能算法。本文建立ON-DWDM中SDN-MCPP的三目标优化模型,同时优化控制器部署成本、控制器负载差异和控制网络传播时延。为求解该模型,设计了二进制编码方案,并提出基于信息熵感知的多目标混合进化算法(Multi-Objective Hybrid Evolution with Information Entropy Awareness,MOHEIEA)。其主要特征包括:利用将聚类算法和均匀初始化相结合的混合算法以生成初始种群,特殊设计所提编码方案的编码转换、信息熵感知和混合进化机制,并根据不同进化阶段而自适应地调整交叉和变异概率,还在每一代进化完毕,通过扰动修改机制以修正种群内部署成本过高的个体。所提算法融合了前述多种机制以提升算法收敛性,并增强“解”的多样性。最后,在Internet OS3E、Interroute和Cogentco网络拓扑中完成算法的性能仿真,结果显示所提算法能够在一定程度上取得比对比算法更占优且更多样的“解”,适用于各种规模不同的网络,从而验证了所提算法的有效性和通用性。(2)构建SDN-MCPP超多目标模型并设计超多目标智能求解算法。本文在已有第3章工作的基础上,建立了五目标优化模型,同时优化控制器部署成本、控制器负载差异、控制器间的传播时延、控制器—交换节点间的传播时延和控制网络的不可靠性。为求解该模型,在基于信息熵感知的超多目标进化算法(Many-Objective Hybrid Evolution with Information Entropy Awareness-Extended,MOHEIEA-E)中添加改进的精英选择策略和解集分布性维护策略。其主要特征包括:通过宽松非支配排序选择种群中的精英个体,并根据Harmonic平均距离估计个体的分布性。MOHEIEA-E融合了前述多种机制以提升算法的求解能力。最后,在Cogentco网络拓扑中完成算法的性能仿真,结果显示MOHEIEA-E能够在一定程度上取得比对比算法分布性和收敛性更占优的解集,从而验证了改进算法的有效性。