论文部分内容阅读
当前,网络管理正从集中式向分布式方向发展,多Agent系统以其在解决分布智能问题方面所具有的优势而成为构造下一代网络管理系统的一条全新思路。然而,目前基于多Agent系统的网络管理还处在研究探索阶段,大量的研究工作多集中于如何利用移动Agent来构造分布式网络管理系统,虽然能够有效提高网络管理系统的分布管理、动态升级和功能扩展等能力,但是缺乏对网络管理智能的支持。此外,已有的网络管理模型大都采用“自然语言+框图”的非形式化方式进行描述,无论用多少篇幅来进行详尽说明,都难以消除描述中的不一致和歧义性,其结果往往造成人们对于规范理解的歧义性和在系统开发实现过程中的随意性。针对上述问题,本论文基于计算机支持协同工作的思想,围绕基于多Agent系统的分布式网络管理技术,开展了关于大规模网络环境下的分布式智能管理模型及其形式化建模方法的研究。
首先,研究了Agent系统在网络管理环境中的适用性,提出了一种适合大规模网络的分布式智能管理模型——MADINM模型。该模型采用基于域的管理策略,利用Agent的多种特性,既能够实现网络的分布式管理,又能够实现网络的智能化管理。理论分析与实验结果均表明,在管理大规模网络时,MADINM模型在性能上优于现有的管理方案。其次,研究了基于数据挖掘技术的智能Agent的自学习机制,提出了一种新的序列模式挖掘算法——基于定位索引投影的序列模式挖掘算法(LiSpan)。该算法采用模式增长、分而治之的思想,通过引入定位索引的概念,避免了对投影数据库的扫描,进一步减少了系统的开销。第三,提出了一种利用有色Petri网对分布式网络管理模型进行形式化建模的方法。利用该方法所建立的形式化模型,能够对分布式网管模型中多Agent系统的组成结构和运行机制进行全面的刻画,能够描述模型中用到的Agent的各种特性。最后,通过实现一个基于MADINM模型的原型系统,验证了该模型具有管理的分布性和智能性,能够实现网络的自治管理。