CN104753784A - 大数据传输型场景下基于列生成算法的dtn路由方法 - Google Patents

Abstract

本发明属于无线通信技术领域，具体涉及一种大数据传输型场景下基于列生成算法的DTN路由方法，其包括：接触信息消息库，用于记录两个节点接触时所有的状态信息；数据报队列消息库，用于在链路拥塞和节点数据报队列接近饱和时对整个传输状态进行调度；流量需求消息库，用于为线性规划算法提供当前流量统计，得到传输网络即时的消息注入数量和数据包丢弃数量。本发明的技术优点在于：在普通环境下的大数据传输场景中，相比于常用的定向路由策略，基于列生成算法的DTN路由策略取得了更好的投递率。

Description

大数据传输型场景下基于列生成算法的DTN路由方法

技术领域

本发明属于无线通信技术领域，具体涉及一种大数据传输型场景下基于列生成算法的DTN路由方法。

背景技术

大数据传输场景具有传输数据节点多，链路不稳定，网络情况复杂等显著特点，网络中的节点一般会按一定规律和路线进行移动。在普通环境中大数据传输型场景下一般采取定向型路由策略，如数据骡策略、先知策略等，由于缺少对全局节点实时信息的处理，使得其本质上得不到全局的最优解。因此，需要将全局节点的实时信息进行线性提取并将求全局最优路由策略抽象为求线性规划问题。在一般的DTN协议族中，先知路由的规则与之类似，但是由于先知路由不能针对不同的网络情况采取不同的认知程度级别，一定程度上浪费了网络资源。而且目前也没有一种先知路由能够有效解决大规模线性规划问题。

Jain曾提出六种定向路由策略，分别基于六种对网络的认知程度，其中最简单（即认知状态最少）的一个抽象类为“初次接触”，类中除了记录每个节点的邻居节点外没有记录任何其他的有用信息。六种认知模型随着认知程度的变化在采取相同的算法时会有明显的性能提升趋势。采用这种认知抽象类的节点会随机选取邻居节点开始运动。其他的认知抽象类除了基本信息外还记录了特定通路激活时间。试验后发现，采取其他认知抽象类的算法在性能上要大大优越于采取“初次接触”抽象类的算法。在认知抽象类中，对网络信息的认知程度均依赖于三个消息库的完整程度，普通的洪泛路由策略对三个认知消息库不做任何处理，在大数据量传输网络场景下由于缺少对全网的认知，洪泛路由的性能表现是最差的。部分认知模型只采用了三个认知消息库中的一个或两个，如先知路由，这类路由在大数据传输场景的子网络结构中不能够满足性能要求。

发明内容

本发明的目的在于提供一种大数据传输型场景下基于列生成算法的DTN路由方法，其在大数据传输型场景下基于列生成算法的DTN路由策略利用消息抽象类得到原始线性规划模型。

实现本发明目的的技术方案在于，一种大数据传输型场景下基于列生成算法的DTN路由方法，其包括：接触信息消息库，用于记录两个节点接触时所有的状态信息；数据报队列消息库，用于在链路拥塞和节点数据报队列接近饱和时对整个传输状态进行调度；流量需求消息库，用于为线性规划算法提供当前流量统计，得到传输网络即时的消息注入数量和数据包丢弃数量。

本发明的技术优点在于：在普通环境下的大数据传输场景中，相比于常用的定向路由策略，基于列生成算法的DTN路由策略取得了更好的投递率，另外，基于列生成算法的DTN路由策略能够在链路出现损毁时进行一定程度的自我修复和性能恢复，并在节点消息队列长度和数据包最大生存时间处于在特定范围时取得性能最优。

附图说明

图1是大数据传输型场景仿真实验图。

具体实施方式

下面对本发明作进一步详细描述。

本发明一种大数据传输型场景下基于列生成算法的DTN路由方法，其包括：接触信息消息库，接触信息消息库用于记录两个节点接触时所有的状态信息。数据报队列消息库，用于在链路拥塞和节点数据报队列接近饱和时对整个传输状态进行调度；流量需求消息库，用于为线性规划算法提供当前流量统计，得到传输网络即时的消息注入数量和数据包丢弃数量。

所述的接触信息消息库在接触状态信息中最有代表性的就是两个节点接触的平均等待时间，当认知模型按时间不变式调用接触信息消息库时，能够获得两个节点接触时的所有状态信息。

所述的数据报队列消息库，其包含了任何节点在任意时刻的数据报队列占用情况，是整个线性规划构建过程中不可缺少的消息。

在大数据传输场景下采取列生成算法，采用全部三个消息库，即全认知模型。在复杂网络原始线性规划模型中，决策变量包括：消息集合、边集合以及传输过程中连续的传输时间间隔。在本发明中消息库作为算法输入数据：包含：

V：复杂网络点集

E：复杂网络边集

P：传输过程中连续的传输时间间断，即连续传输时间集合，对Iq                                               P，有Iq=[tq-1，tq)

ce,t：在t时刻边e上的信息容量，eE

de,t：在t时刻边e上的信息延迟，eE

bv：节点v的信息容量

K：消息集合

I--v：是E中所有以v为目标节点的边的集合

Ov：是E中所有以v为源节点的边的集合

s(k):k的源节点，其中kK

w(k):k的注入时间，其中kK

d(k):k的目的节点，其中kK

m(k):k的大小，其中kK

        R：路径集合

具体步骤为：

步骤一、得到决策变量：

：表示在t时期（tP），消息k在节点v占用的缓冲区大小；

：表示在I时期（IP），消息k抵达边e时已经传输的消息大小；

：表示在I时期（IP），消息k离开边e时已经接受的消息大小。

步骤二、得到目标函数：

目标函数需达到的结果是减少平均传输时延，等价于减少所有消息的时延总和，可以表示为：

                  (1)

即求网络中所有传输消息时延总和的最小值。

步骤三、得到约束条件：

为了限制线性规划过程中产生的多余运算，只使用5个约束条件。

：表示在时期Iq中消息k在边e传输的信息总和，设其为Sum,则：

Sum=   (2)

                                   (3)

                                     (4)

                 (5)

                      (6)

根据DW分解原理，综合约束条件(2),(3),(4),(5),(6)可得受限制主问题RMP如下：

      (7)

其中，R是消息k的源节点与目的节点间所有路径的集合。

步骤四、利用列生成算法进行求解：

由于线性规划模型为了避免产生过多的互运算而减少了约束条件的数量，导致决策变量的数量大幅增加，这是由于规划过程中为每一条可能的通路都准备关联路径造成的，但是实际应用中，在最优情况下只有一少部分决策变量会参与数据流运算，此时必须利用列生成算法将这一少部分决策变量从变量集中甄别并剥离。

根据线性规划理论，列生成算法可以对指数级别的数据量进行处理。

对下列主问题约束条件：

                         (8)

列生成算法会生成RPM并计算出相应的最佳二元决策变量作为初始解，对于（7）式可得其初始解为：

                                        (9)

最后，再将初始解求价格问题，并将产生的附加列加入新的受限主问题，最后反复递归，就可以得到全局近似最优解。

本发明在普通环境下的大数据传输场景中，相比于常用的定向路由策略，基于列生成算法的DTN路由策略取得了更好的投递率，另外，基于列生成算法的DTN路由策略能够在链路出现损毁时进行一定程度的自我修复和性能恢复，并在节点消息队列长度和数据包最大生存时间处于在特定范围时取得性能最优。

Claims (3)

1.大数据传输型场景下基于列生成算法的DTN路由方法，其特征在于：包括：接触信息消息库，用于记录两个节点接触时所有的状态信息；数据报队列消息库，用于在链路拥塞和节点数据报队列接近饱和时对整个传输状态进行调度；流量需求消息库，用于为线性规划算法提供当前流量统计，得到传输网络即时的消息注入数量和数据包丢弃数量。

2.根据权利要求1所述的大数据传输型场景下基于列生成算法的DTN路由方法，其特征在于：生成算法步骤为：

步骤一、得到决策变量                                                ：

表示在t时期（tP），消息k在节点v占用的缓冲区大小；

表示在I时期（IP），消息k抵达边e时已经传输的消息大小；

表示在I时期（IP），消息k离开边e时已经接受的消息大小；

其中，V表示复杂网络点集，P表示传输过程中连续的传输时间间断；

步骤二、得到目标函数：

目标函数需达到的结果是减少平均传输时延，等价于减少所有消息的时延总和，表示为：

 ；

步骤三、得到约束条件：

为了限制线性规划过程中产生的多余运算，只使用5个约束条件：

：表示在时期Iq中消息k在边e传输的信息总和，设其为Sum,则：

Sum=    (1)

                                   (2)

                                     (3)

                 (4)

                      (5)

根据DW分解原理，综合约束条件(1),(2),(3),(4),(5)可得受限制主问题RMP如下：

      (6)

其中，R是消息k的源节点与目的节点间所有路径的集合；

步骤四、利用列生成算法进行求解：

根据线性规划理论，列生成算法可以对指数级别的数据量进行处理：

对下列主问题约束条件：

                            (7)

列生成算法会生成RPM并计算出相应的最佳二元决策变量作为初始解，对于（6）式可得其初始解为：

                                       (8)

最后，再将初始解求价格问题，并将产生的附加列加入新的受限主问题，最后反复递归，就可以得到全局近似最优解。

3.根据权利要求1所述的大数据传输型场景下基于列生成算法的DTN路由方法，其特征在于：所述的决策变量包括：消息集合、边集合以及传输过程中连续的传输时间间隔。