CN108429577A - 一种基于PROMETHEE方法的卫星QoS路由算法 - Google Patents

Abstract

本发明公开了一种基于PROMETHEE方法的卫星QoS路由算法，通过两两比较来确定在每个QoS目标下各可行路径的优劣。通过优先函数和评价准则，为每条可行路径确定其优先性，最后通过定义净优度，确定可行路径的绝对优先性，进而确定此时符合业务的最优路径。此方法比启发式算法和遗传算法实现简单，没有太过复杂的计算过程，算法收敛性较好。由于不同的星上业务具有不同的QoS优先特性，计算过程中只需调整业务的QoS权重，本发明算法就可以为不同的业务提供QoS保障。并且在路由过程中，充分评价了路径中每个QoS属性信息，为业务提供了多QoS保障。

Description

一种基于PROMETHEE方法的卫星QoS路由算法

技术领域

本发明涉及一种卫星网络路由算法，具体说是一种多QoS约束卫星网络路由算法。

背景技术

卫星通信***可为用户提供大容量、远距离和机动灵活的话音、数据、图像等通信业务，具有覆盖面广、组网灵活、使用便捷等优点。由于LEO卫星的高速运动，造成LEO卫星网络拓扑变化频繁，并导致链路频繁切换，传统地面网络路由协议已不能适用于卫星网络环境。随着信息技术的快速发展和信息应用的日益丰富，星上多媒体业务正处于高速发展阶段，并且星上业务对多QoS的需求越来越高，现有的卫星路由协议已不能较好的满足业务对多QoS的要求。根据近十年对星上QoS路由算法的研究发现，现有的卫星路由算法核心主要考虑最短路径，只实现了时间约束、传输质量等单指标的优化，对多目标优化考虑不足，并且对于卫星网络性能的动态性考虑严重不足，导致业务对星上资源、链路集中式抢占，造成拥塞，进而降低整个网络吞吐量。

目前，有研究人员提出了提出一种自适应路由协议，在LEO层，若卫星的队列占用长度超过某一阈值，对时延敏感业务之外的呼叫进行转移，通过相邻最少拥塞状态的LEO卫星实现绕路转发。也有研究人员提出了提出一种基于蜂群位置优化的卫星网络QoS路由策略，该策略提出一种改进的M-BMDP算法，有效缓解网络拥塞问题，时延、丢包率特性都有很好的改善。还有研究人员提出一种基于高动态链路状态的QoS路由机制，分析影响链路状态的因素，在此基础上基于时变链路状态和业务需求得到路径代价函数和约束条件，建立路由优化模型，实现业务的单个QoS需求。上述提出的算法有的只考虑单个QoS，并且是以牺牲其他网络性能为前提，有的考虑多个QoS，但并没有考虑不同QoS需求之间的优先关系；并且均未考虑网络整体利用率。

发明内容

为解决现有技术存在的上述问题，本发明设计一种能考虑星上业务对多QoS需求的路由算法，算法在为不同的业务提供差异化的多QoS保障的同时，路由算法能快速收敛，并且提高了网络资源利用率。

为了实现上述目的，本发明的技术方案如下：一种基于PROMETHEE方法的卫星QoS路由算法，包括以下步骤：

A、屏蔽LEO卫星网络拓扑动态性；

B、构建可行路径集和路径多属性决策矩阵；

C、通过PROMETHEE法从可行路径集中选出最能符合业务QoS需求的路径；

D、根据各方案净优度φ(p_i)大小进行排序，得到最终各方案由优到劣的排序，从而得到符合当前业务QoS需求的最优路径。

进一步的，构建可行路径集和路径多属性决策矩阵的具体步骤为：

B1、每隔一个时间片，卫星节点将与自身相连的链路信息进行全网泛洪，进而每个卫星节点都存储全网链路状态信息；

B2、在某时刻，源节点接收到业务时，针对此时的网络拓扑，考察从源节点到目的节点包含的链路，并通过优选法以跳数为限制，得到一定数量的从源节点到目的节点的可行路径集P'＝{p₁,p₂,…,p_n}；

B3、根据下表所示QoS信息的计算方法，计算可行路径集中每条路径的多个QoS属性信息；

w(e)表示链路e的某个QoS指标值，w(p)表示路径的相应某个QoS指标值；

B4、用(a¹,a²,…,a^m)分别表示在某时刻t下，从源节点到目的节点的一条可行路径的时延、带宽、丢包率、资源消费量、抖动、跳数等m个QoS属性信息，对n条可行链路的QoS信息做数据归一化，得到路径多属性决策矩阵：

进一步的，通过PROMETHEE法从可行路径集中选出最能符合业务QoS需求的路径，具体是：

C1、使用最小二乘法来确定各个QoS属性优先系数，由决策人把m个属性的重要性成对比较，把第p个属性对第q个属性的相对重要性记为β_pq，并认为这是属性p的权w_p和属性q的权w_q之比的近似值，β_pq≈w_p/w_q；

若决策人能准确估计β_pq,则有：

且

当时，

若决策人对β_pq估计不准确，则上列各式中的等号为近似号；这时用最小二乘法；即

受约束于:w_p＞0(p＝1,2,…m)

用拉格朗日乘子法求解，则拉格朗日函数为：

L对w_l(l＝1,2,…m)求偏导数，并令其为0，得m个代数方程：

由上式、共j+1个方程，其中有w₁,w₂,…w_m、λ共m+1个变量，因此求得

w＝[w₁,w₂,…w_m]^T；

C2、用G(V,E)来表示卫星网络拓扑基本模型；其中，V表示网络中卫星节点集合；E代表整个卫星网络的星间链路ISLs集合；用e_ij表示节点i到j的星间链路，其中e∈E，i,j∈V；

假设p_i和p_k是可行路径集P'中任意两条路径，p_i＝{e₁,e₂,…,e_i}，p_k＝{e₁,e₂,…,e_k}，优先函数是用来描述在某一QoS属性上p_i关于p_k的优先程度，即根据各路径方案QoS属性值之间差距的大小来判断两个路径之间的优劣；函数的值从0到1，函数值越小，p_i和p_k之间的差异越小；当函数值为0时，p_i和p_k为无差异；当函数值越接近1，p_i优于p_k的程度越高；

用f_j表示路径p_i、p_k在QoS属性j上的优先函数，和表示对应的QoS属性值，记则

上式优先函数的值或为0，或由评价函数G(d)确定；

评价函数G(d)是用来将属性之间的差距转化为实际的优先程度大小，公式如下：

因为决策矩阵A中数据在(0,1)之间，σ取0.5。

进一步的，属性优先度Q(p_i,p_k)＝w_jf_j(p_i,p_k)，在进行路径的两两比较时，若优先函数f_j(p_i,p_k)＞0，即代表路径p_i在QoS属性j上优于p_k；属性优先度w_jf_j(p_i,p_k)代表了路径相对于特定业务在某一QoS属性上的优先程度；其中，w为业务对各QoS属性的优先系数，并且满足

进一步的，优先指数表示路径p_i相对与其他路径的优先程度；

以可行路径集中的所有可行路径为节点，优先指数R(p_i,p_k)作为由p_i指向p_k的弧线上的值；同样，优先指数R(p_k,p_i)表示从其他节点出发，指向p_i节点的有向弧，代表节点p_i较其他节点处于劣势的部分；

综合上述两种情况，得到优先指数矩阵：

进一步，路径净优度表示路径在可行路径集中的绝对优先程度，节点的路径优度为节点的路径劣度为

可见，路径优度φ⁺(p_i)越大，p_i相对于其他路径方案级别越高，路径劣度φ^-(p_i)越小，其他方案比p_i级别高的可能性越小；综上，可得到净优度φ(p_i)＝φ⁺(p_i)-φ^-(p_i)；

即：

根据各方案净优度φ(p_i)大小进行排序，即可得到最终各方案由优到劣的排序，从而得到符合当前业务QoS需求的最优路径。

与现有技术相比，本发明具有以下有益效果：

1、本发明将多目标决策理论中的PROMETHEE方法应用于卫星网络路由上。其核心思想是通过两两比较来确定在每个QoS目标下各可行路径的优劣。通过优先函数和评价准则，为每条可行路径确定其优先性，最后通过定义净优度，确定可行路径的绝对优先性，进而确定此时符合业务的最优路径。此方法比启发式算法和遗传算法实现简单，没有太过复杂的计算过程，算法收敛性较好。由于不同的星上业务具有不同的QoS优先特性，计算过程中只需调整业务的QoS权重，本发明算法就可以为不同的业务提供QoS保障。并且在路由过程中，充分评价了路径中每个QoS属性信息，为业务提供了多QoS保障。

2、本发明算法在路由过程中，由于需要对路径信息进行评价，若某些链路正处于繁忙状态，则包含这些链路的路径在评价中就会处于劣势，最终结果就会绕过这些繁忙链路，即算法会减少星上链路拥塞，提高链路利用率，增加网络整体吞吐量。

附图说明

图1是某时间片下网络拓扑图；

图2是高斯评价函数图；

图3是p_i节点的优势特征图；

图4是p_i节点的劣势特征图。

具体实施方式

下面结合附图对本发明进行进一步地描述。

本发明首先确立了卫星星座，采用LEO卫星网络模型，并采用拓扑控制机制来屏蔽其拓扑的动态变化，如图1所示。接着，根据业务确定从源节点到目的节点的可行路径集，并计算QoS属性信息，通过最小二乘法计算卫星网络中业务对QoS属性之间的优先系数；在对路径进行两两比较时，通过高斯评价函数确定路径在各个QoS属性上的优先性，如图2；最后，根据图3和图4分别计算路径节点的优势特征和劣势特征，最后计算路径的净优度来确定最终符合业务需求的路径，保证了业务对多QoS的需求。

本申请采用LEO卫星网络模型，其星座轨道参数如下：

LEO层的轨道参数为：轨道高度780km，轨道平面数目6个，轨道内卫星数11个，轨道倾角86.4°，角速度3.6°/min，最小仰角8°；

进一步地，所述LEO层采用Iridum星座，提供全球覆盖。

一种基于PROMETHEE方法的卫星QoS路由算法的构建，包括以下步骤：

A、屏蔽LEO卫星网络拓扑动态性

根据卫星网络的可预测性、周期性、规则性等特点，针对卫星网络拓扑动态变化特性，本发明采用基于离散化的虚拟拓扑将***周期划分时间片，在每个时间片内，认为卫星拓扑是静态固定的，再对静态的节点序列计算路由。

B、构建可行路径集和路径多属性决策矩阵

B1、链路状态信息LSI包括链路的时延、可用带宽、丢包率、资源消费量、抖动、跳数等QoS信息。每隔一个时间片，卫星节点将与自身相连的链路信息进行全网泛洪，进而每个卫星节点都存储全网链路状态信息。

B2、在某时刻，源节点接收到业务时，针对此时的网络拓扑，考察从源节点到目的节点包含的链路，并通过优选法以跳数为限制，得到一定数量的从源节点到目的节点的可行路径集P'＝{p₁,p₂,…,p_n}。

B3、根据下表所示QoS信息的计算方法，计算可行路径集中每条路径的多个QoS属性信息。

w(e)表示链路e的某个QoS指标值，w(p)表示路径的相应某个QoS指标值。

B4、用(a¹,a²,…,a^m)分别表示在某时刻t下，从源节点到目的节点的一条可行路径的时延、带宽等m个QoS属性信息，对n条可行链路的QoS信息做数据归一化，得到路径多属性决策矩阵：

C、路由算法设计

本发明的算法基本思想是：针对LEO卫星网络结构和拓扑的动态特性，考虑业务的多个QoS需求，根据不同的业务具有不同的QoS优先特性，对路径的时延、剩余带宽等QoS属性定义不同的优先系数，确定约束条件，通过PROMETHEE法从可行路径集中选出最能符合业务QoS需求的路径。

C1、本发明使用最小二乘法来确定各个QoS属性优先系数，由决策人把m个属性的重要性成对比较，把第p个属性对第q个属性的相对重要性记为β_pq，并认为这就是属性p的权w_p和属性q的权w_q之比的近似值，β_pq≈w_p/w_q。

若决策人能准确估计β_pq,则有：

且

当时，

若决策人对β_pq估计不准确，则上列各式中的等号应为近似号。这时可用最小二乘法。即解

受约束于:w_p＞0(p＝1,2,…m)

用拉格朗日乘子法解这一有约束纯量优化问题，则拉格朗日函数为：

L对w_l(l＝1,2,…m)求偏导数，并令其为0，得m个代数

方程：

由上式及共j+1个方程，其中有w₁,w₂,…w_m及λ共m+1个变量，因此可以求得

w＝[w₁,w₂,…w_m]^T (7)

C2、定义1：用G(V,E)来表示卫星网络拓扑基本模型。其中，V表示网络中卫星节点集合。E代表整个卫星网络的星间链路ISLs集合。用e_ij表示节点i到j的星间链路，其中e∈E，i,j∈V。

定义2：假设p_i和p_k是可行路径集P'中任意两条路径，p_i＝{e₁,e₂,…,e_i}，p_k＝{e₁,e₂,…,e_k}，优先函数是用来描述在某一QoS属性上p_i关于p_k的优先程度，即根据各路径方案QoS属性值之间差距的大小来判断两个路径之间的优劣。函数的值从0到1，函数值越小，p_i和p_k之间的差异越小；当函数值为0时，p_i和p_k为无差异；当函数值越接近1，p_i优于p_k的程度越高。

用f_j表示路径p_i、p_k在QoS属性j上的优先函数，和表示对应的QoS属性值，记则

上式优先函数的值或为0，或由评价函数G(d)确定。

评价函数G(d)是用来将属性之间的差距转化为实际的优先程度大小。由于各QoS属性之间具有不可公度性，所以算法使用高斯评价函数，公式如下：

因为决策矩阵A中数据在(0,1)之间，σ取0.5。

定义3：属性优先度Q(p_i,p_k)＝w_jf_j(p_i,p_k)

在进行路径的两两比较时，若优先函数f_j(p_i,p_k)＞0，即代表路径p_i在QoS属性j上优于p_k。属性优先度w_jf_j(p_i,p_k)代表了路径相对于特定业务在某一QoS属性上的优先程度。其中，w为业务对各QoS属性的优先系数，并且满足

定义4：优先指数

表示路径p_i相对与其他路径的优先程度。

以可行路径集中的所有可行路径为节点，优先指数R(p_i,p_k)作为由p_i指向p_k的弧线上的值。在路径优先关系图上，表现为从p_i节点出发，指向其他节点的有向弧，代表节点p_i较其他节点具有优势的部分，如图3。

同样，优先指数R(p_k,p_i)表示从其他节点出发，指向p_i节点的有向弧，代表节点p_i较其他节点处于劣势的部分，如图4。

综合上述两种情况，可以得到优先指数矩阵：

D路径选择

定义5路径净优度

路径净优度表示路径在可行路径集中的绝对优先程度，由图3，可以得到节点的路径优度同理，由图4得到节点的路径劣度

显然，路径优度φ⁺(p_i)越大，p_i相对于其他路径方案级别越高，路径劣度φ^-(p_i)越小，其他方案比p_i级别高的可能性越小。综上，可得到净优度φ(p_i)＝φ⁺(p_i)-φ^-(p_i)。

即：

根据各方案净优度φ(p_i)大小进行排序，就可以得到最终各方案由优到劣的排序，从而得到符合当前业务QoS需求的最优路径。

本发明不局限于本实施例，任何在本发明披露的技术范围内的等同构思或者改变，均列为本发明的保护范围。

Claims (6)

1.一种基于PROMETHEE方法的卫星QoS路由算法，其特征在于，包括以下步骤：

A、屏蔽LEO卫星网络拓扑动态性；

B、构建可行路径集和路径多属性决策矩阵；

C、通过PROMETHEE法从可行路径集中选出最能符合业务QoS需求的路径；

D、根据各方案净优度φ(p_i)大小进行排序，得到最终各方案由优到劣的排序，从而得到符合当前业务QoS需求的最优路径。

2.根据权利要求1所述一种基于PROMETHEE方法的卫星QoS路由算法，其特征在于，构建可行路径集和路径多属性决策矩阵的具体步骤为：

B1、每隔一个时间片，卫星节点将与自身相连的链路信息进行全网泛洪，进而每个卫星节点都存储全网链路状态信息；

B2、在某时刻，源节点接收到业务时，针对此时的网络拓扑，考察从源节点到目的节点包含的链路，并通过优选法以跳数为限制，得到一定数量的从源节点到目的节点的可行路径集P'＝{p₁,p₂,…,p_n}；

B3、根据下表所示QoS信息的计算方法，计算可行路径集中每条路径的多个QoS属性信息；

w(e)表示链路e的某个QoS指标值，w(p)表示路径的相应某个QoS指标值；

B4、用(a¹,a²,…,a^m)分别表示在某时刻t下，从源节点到目的节点的一条可行路径的时延、带宽、丢包率、资源消费量、抖动、跳数等m个QoS属性信息，对n条可行链路的QoS信息做数据归一化，得到路径多属性决策矩阵：

3.根据权利要求1所述一种基于PROMETHEE方法的卫星QoS路由算法，其特征在于，通过PROMETHEE法从可行路径集中选出最能符合业务QoS需求的路径，具体是：

C1、使用最小二乘法来确定各个QoS属性优先系数，由决策人把m个属性的重要性成对比较，把第p个属性对第q个属性的相对重要性记为β_pq，并认为这是属性p的权w_p和属性q的权w_q之比的近似值，β_pq≈w_p/w_q；

若决策人能准确估计β_pq,则有：

且

当时，

若决策人对β_pq估计不准确，则上列各式中的等号为近似号；这时用最小二乘法；即

受约束于:w_p＞0(p＝1,2,…m)

用拉格朗日乘子法求解，则拉格朗日函数为：

L对w_l(l＝1,2,…m)求偏导数，并令其为0，得m个代数方程：

由上式、共j+1个方程，其中有w₁,w₂,…w_m、λ共m+1个变量，因此求得

w＝[w₁,w₂,…w_m]^T；

C2、用G(V,E)来表示卫星网络拓扑基本模型；其中，V表示网络中卫星节点集合；E代表整个卫星网络的星间链路ISLs集合；用e_ij表示节点i到j的星间链路，其中e∈E，i,j∈V；

假设p_i和p_k是可行路径集P'中任意两条路径，p_i＝{e₁,e₂,…,e_i}，p_k＝{e₁,e₂,…,e_k}，优先函数是用来描述在某一QoS属性上p_i关于p_k的优先程度，即根据各路径方案QoS属性值之间差距的大小来判断两个路径之间的优劣；函数的值从0到1，函数值越小，p_i和p_k之间的差异越小；当函数值为0时，p_i和p_k为无差异；当函数值越接近1，p_i优于p_k的程度越高；

用f_j表示路径p_i、p_k在QoS属性j上的优先函数，和表示对应的QoS属性值，记则

上式优先函数的值或为0，或由评价函数G(d)确定；

评价函数G(d)是用来将属性之间的差距转化为实际的优先程度大小，公式如下：

因为决策矩阵A中数据在(0,1)之间，σ取0.5。

4.根据权利要求3所述一种基于PROMETHEE方法的卫星QoS路由算法，其特征在于，属性优先度Q(p_i,p_k)＝w_jf_j(p_i,p_k)，在进行路径的两两比较时，若优先函数f_j(p_i,p_k)＞0，即代表路径p_i在QoS属性j上优于p_k；属性优先度w_jf_j(p_i,p_k)代表了路径相对于特定业务在某一QoS属性上的优先程度；其中，w为业务对各QoS属性的优先系数，并且满足

5.根据权利要求3所述一种基于PROMETHEE方法的卫星QoS路由算法，其特征在于，优先指数表示路径p_i相对与其他路径的优先程度；

以可行路径集中的所有可行路径为节点，优先指数R(p_i,p_k)作为由p_i指向p_k的弧线上的值；同样，优先指数R(p_k,p_i)表示从其他节点出发，指向p_i节点的有向弧，代表节点p_i较其他节点处于劣势的部分；

综合上述两种情况，得到优先指数矩阵：

6.根据权利要求1所述一种基于PROMETHEE方法的卫星QoS路由算法，其特征在于，路径净优度表示路径在可行路径集中的绝对优先程度，节点的路径优度为节点的路径劣度为

可见，路径优度φ⁺(p_i)越大，p_i相对于其他路径方案级别越高，路径劣度φ^-(p_i)越小，其他方案比p_i级别高的可能性越小；综上，可得到净优度φ(p_i)＝φ⁺(p_i)-φ^-(p_i)；

即：

根据各方案净优度φ(p_i)大小进行排序，即可得到最终各方案由优到劣的排序，从而得到符合当前业务QoS需求的最优路径。