论文部分内容阅读
近年来,随着社会的发展,网络变得越来越复杂,传统的网络管理无法适应复杂的网络环境,急需一种能够实时监控网络运行状况并且预测网络变化趋势的技术,网络运行态势感知正是在此环境下被提出。网络运行态势感知是通过对网络的态势信息进行分析和预测,需要在一定规则下,对来自各网络单元或各子网络的运行数据进行归纳、合并、关联、综合和提炼,其本质上是一个复杂的数据处理过程。模糊神经网络是将模糊理论与人工智能技术当中的神经网络技术相结合而产生,能够充分发挥二者的优势,是目前该领域的重要发展方向,也是解决复杂数据环境下,网络运行态势感知的强有力手段。因此,本文将模糊神经网络应用于网络运行态势感知中,围绕基于模糊神经网络和实时链路权重的网络运行态势评估模型、实时链路权重评价方法、模糊神经网络的结构及其学习算法等,进行了理论研究和仿真实验等工作,主要内容如下:1.研究了网络运行态势感知的总体模型,重点研究了网络运行态势评估的方法与模型,提出了一种基于模糊神经网络和实时链路权重的网络运行态势评估方案。该方案通过模糊神经网络评估链路运行质量,然后通过实时链路权重评价方法计算每条链路实时权重,最后通过二者的加权融合得到网络运行态势评估值。2.研究了模糊神经网络的结构与学习算法,通过对比现有的各种结构的优缺点和考虑态势感知的实时性需求,选择了一种四层的模糊神经网络结构,并且通过结合粒子群算法和反向传播(BP)算法,提出了一种混合学习算法,该混合算法充分发挥了粒子群算法的全局寻优能力和BP算法的局部寻优能力。最后通过仿真实验验证了算法的效率和正确性。3.采用NS2网络仿真软件搭建网络仿真环境,通过Gawk分析工具采集网络运行数据,根据所提方案进行网络运行态势评估仿真实验,实验验证了方案的可行性。