CN109242242B - 一种用于确定***保护专网业务风险建模的方法和*** - Google Patents
一种用于确定***保护专网业务风险建模的方法和*** Download PDFInfo
- Publication number
- CN109242242B CN109242242B CN201810837438.3A CN201810837438A CN109242242B CN 109242242 B CN109242242 B CN 109242242B CN 201810837438 A CN201810837438 A CN 201810837438A CN 109242242 B CN109242242 B CN 109242242B
- Authority
- CN
- China
- Prior art keywords
- service
- node
- path
- fault
- link
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004891 communication Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 230000007246 mechanism Effects 0.000 claims abstract description 22
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 210000000349 chromosome Anatomy 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 18
- 108090000623 proteins and genes Proteins 0.000 claims description 12
- 239000000835 fiber Substances 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 7
- 101150084750 1 gene Proteins 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000009396 hybridization Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000010187 selection method Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 108091034117 Oligonucleotide Proteins 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
Abstract
本发明提供一种用于确定***保护专网网络的业务风险的方法及***,属于***保护专网网络的通信领域。本发明方法包括:步骤一,对***保护专网网络进行故障定位,确定故障类型并根据故障类型告警;步骤二,创建基于业务风险的重路由机制构建路由优化数学模型;步骤三,根据上述基于业务风险的重路由机制构建的路由优化数学模型及触发自动重路由的通信链路上承载的稳定控制业务,构建路由优化模型。本发明实现了业务平均传输延时和全网业务均衡度的加权和最小。本发明有效地降低业务的运行风险,避免了业务损失,进一步增强了实时***保护专网网络通信***的健壮性和灵活性。
Description
技术领域
本发明涉及***保护专网网络的通信领域,并且更具体地涉及一种用于确定***保护专网业务风险建模的方法和***。
背景技术
与传统WDM网络相比,Mesh组网作为ASON网络的主要组网方式之一,具有灵活、易扩展的特点。在这种组网方式下,恢复路径可以有很多条,提高了网络的安全性,并最大程度上利用整个网络资源。在Mesh组网中,为使中断业务得以重新接通,除延用传统的专用保护和共享保护外,还能够借助于重路由机制实现业务的即时恢复。
动态重路由是GMPLS/ASON带来的核心特性之一,是一种兼顾保护能力和资源利用效率的保护方式,也是对传统保护方式革命性的补充和改进。有了它,抗多次断纤的保护/恢复成为了可能。
发明内容
本发明的目的在于能够有效降低业务的运行风险,进一步增强实时***保护专网网络的健壮性和稳定性,确保通信网络和电网***的稳定可靠运行,提出了一种用于确定***保护专网网络的业务风险的方法,包括:
步骤一,对***保护专网网络进行故障定位,确定故障类型并根据故障类型告警;
步骤二,创建基于业务风险的重路由机制构建路由优化数学模型,具体为:
其中,为业务的平均通信时长,Ti为业务i的时延,L为业务个数,BD为业务均衡度,Li为第i条链路上承载的业务个数,m为网络链路个数,Tmax为最大业务时延,Lmax 为链路承载的最大业务个数,α和β为两个常系数,约束部分表示业务时延约束和链路业务数目约束;
步骤三,
根据上述基于业务风险的重路由机制构建的路由优化数学模型及触发自动重路由的通信链路上承载的稳定控制业务,构建路由优化模型,具体如下:
对***保护专网网络中的稳定控制业务初始化,构建网络拓扑G(V,E,W),设置业务列表 S(vs,vd);
其中V为节点集合,E为链路集合,W为每条链路的权值—时延,vs为业务起始节点,vd为业务目的节点;
在网络拓扑G中删除中断链路X,得到新的网络拓扑G’;
为业务集合S中的每条业务寻找前k条时延最短路径,形成业务可选路径集Sk;
将每条业务看作染色体的一个基因,染色体长度为业务个数,基因编码采用自然数编码,染色体i的适应度函数为
随机产生初始群体,选择函数为轮盘赌选择法,染色体i被选择的概率为
交叉过程采用基于位置的杂交运算法,变异过程为随机改变某个染色体中1个基因的位置,采用传统的遗传算法,基于一定的迭代次数,从业务的可选路径集中筛选出一个最优组合;
输出得到的业务路径组合、平均业务通信时延和业务均衡度,根据输出判断业务路径风险,平均业务通信时延越小和业务均衡度于0的业务路经,业务路径风险值越低。
可选的,步骤一具体是构建网络拓扑G、业务集合S和故障告警集合A,当网络中随机链路Li发生故障Fi时,业务Si在宿节点产生异常,确定故障类型并产生告警信息Ai,形成故障告警集合A与疑似故障链路集合F的二部图,对二部图进行预处理,简化二部图,集合F中,除去必定不故障的集合FN,留下必定故障的集合FY和疑似故障的集合FS;利用故障定位算法,最终确定FS中的故障元素,从而确定网络中故障链路集合FF。
可选的,重路由机制配置有一条从首节点A经过节点D和节点G到节点K的LSP,节点D和节点G之间断纤,重路由流程为:
节点D的FIU或OTU检测到告警后,上报主控GMPLS模块;
节点D主控GMPLS模块检查受影响的智能业务,向首节点A发送Notify消息;
首节点A的GMPLS模块收到Notify消息后,计算出一条端到端恢复路径,然后沿计算好的路径,经中间节点向末节点K方向发送PATH消息,在沿途各节点建立反向交叉连接;
末节点K的GMPLS模块收到PATH消息后,经由中间节点向首节点A方向发送RESV 消息,在沿途各节点建立正向交叉连接;
首节点A收到末节点发过来的RESV消息后,打开告警监视,再向下游节点发送开告警的PATH消息。下游节点收到该消息后均打开对新业务路径的告警监视,整条LSP的告警监视打开后,如果是不可返回式业务则删除老路径。
本发明还提出了一种用于确定***保护专网网络的业务风险的***,包括:
故障定位及警告单元,对***保护专网网络进行故障定位,确定故障类型并根据故障类型告警;
构建数学模型单元,创建基于业务风险的重路由机制构建路由优化数学模型,具体为:
其中,为业务的平均通信时长,Ti为业务i的时延,L为业务个数,BD为业务均衡度,Li为第i条链路上承载的业务个数,m为网络链路个数,Tmax为最大业务时延,Lmax 为链路承载的最大业务个数,α和β为两个常系数,约束部分表示业务时延约束和链路业务数目约束;
构建优化模型单元,根据上述基于业务风险的重路由机制构建的路由优化数学模型及触发自动重路由的通信链路上承载的稳定控制业务,构建路由优化模型,具体如下:
对***保护专网网络中的稳定控制业务初始化,构建网络拓扑G(V,E,W),设置业务列表 S(vs,vd);
其中V为节点集合,E为链路集合,W为每条链路的权值—时延,vs为业务起始节点,vd为业务目的节点;
在网络拓扑G中删除中断链路X,得到新的网络拓扑G’;
为业务集合S中的每条业务寻找前k条时延最短路径,形成业务可选路径集Sk;
将每条业务看作染色体的一个基因,染色体长度为业务个数,基因编码采用自然数编码,染色体i的适应度函数为
随机产生初始群体,选择函数为轮盘赌选择法,染色体i被选择的概率为
交叉过程采用基于位置的杂交运算法,变异过程为随机改变某个染色体中1个基因的位置,采用传统的遗传算法,基于一定的迭代次数,从业务的可选路径集中筛选出一个最优组合;
输出得到的业务路径组合、平均业务通信时延和业务均衡度,根据输出判断业务路径风险,平均业务通信时延越小和业务均衡度于0的业务路经,业务路径风险值越低。
可选的,故障定位及警告单元具体是构建网络拓扑G、业务集合S和故障告警集合A,当网络中随机链路Li发生故障Fi时,业务Si在宿节点产生异常,确定故障类型并产生告警信息Ai,形成故障告警集合A与疑似故障链路集合F的二部图,对二部图进行预处理,简化二部图,集合F中,除去必定不故障的集合FN,留下必定故障的集合FY和疑似故障的集合FS;利用故障定位算法,最终确定FS中的故障元素,从而确定网络中故障链路集合FF。
可选的,重路由机制配置有一条从首节点A经过节点D和节点G到节点K的LSP,节点D和节点G之间断纤,重路由流程为:
节点D的FIU或OTU检测到告警后,上报主控GMPLS模块;
节点D主控GMPLS模块检查受影响的智能业务,向首节点A发送Notify消息;
首节点A的GMPLS模块收到Notify消息后,计算出一条端到端恢复路径,然后沿计算好的路径,经中间节点向末节点K方向发送PATH消息,在沿途各节点建立反向交叉连接;
末节点K的GMPLS模块收到PATH消息后,经由中间节点向首节点A方向发送RESV 消息,在沿途各节点建立正向交叉连接;
首节点A收到末节点发过来的RESV消息后,打开告警监视,再向下游节点发送开告警的PATH消息。下游节点收到该消息后均打开对新业务路径的告警监视,整条LSP的告警监视打开后,如果是不可返回式业务则删除老路径。
本发明的优点在于:
(1)本发明实现了业务平均传输延时和全网业务均衡度的加权和最小。
(2)本发明有效地降低业务的运行风险,避免了业务损失,进一步增强了实时***保护专网网络通信***的健壮性和灵活性。
附图说明
图1为本发明一种用于确定***保护专网网络的业务风险的方法重路由机制流程图;
图2为本发明一种用于确定***保护专网网络的业务风险的方法故障定位及警告模型结构图;
图3为本发明一种用于确定***保护专网网络的业务风险的方法二部图示意图;
图4为本发明一种用于确定***保护专网网络的业务风险的方法故障定位及警告流程图;
图5为本发明一种用于确定***保护专网网络的业务风险的方法主动融合算法原理图;
图6为本发明一种用于确定***保护专网网络的业务风险的方法流程图;
图7为本发明一种用于确定***保护专网网络的业务风险的***结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明提供一种用于确定***保护专网网络的业务风险的方法,如图6所示,包括:
步骤一,对***保护专网网络进行故障定位,确定故障类型并根据故障类型告警;
如图4所示,故障定位具体流程为,构建如图2所示的网络拓扑G、业务集合S、故障告警集合A作为输入,建立如图3所示的二部图,找到所有涉及的故障链路集合F,确定故障类型并根据故障类型告警;其次,进行预处理,简化二部图,集合F中,除去必定不故障的集合FN,留下必定故障的集合FY和疑似故障的集合FS;利用故障定位算法,最终确定FS中的故障元素,从而确定网络中故障链路集合FF。
如图2网络拓扑G有业务S0、S1和S2,当链路L(5,10)产生故障时,业务S0和S2产生告警A0和A2。则疑似故障链路集合为{F(7,6),F(6,5),F(2,5),F(5,10),F(10,13)},又根据业务 S1是良好的,排除链路{F(7,6),F(6,5)}。最终形成如上图所示的二部图,如果是单链路故障场景,则故障链路必然是(5,10);如果是多链路故障场景,由于A2只能由F(5,10)引起,则必然故障链路为(5,10),疑似故障链路为(2,5)和(10,13),则故障链路的集合可能是{F(2,5),F(5,10)}, {F(10,13),F(5,10)}或者{F(2,5),F(5,10),F(10,13)}。
其中故障定位原理如图5所示。图5指的是故障定位的一个简单场景,首先对告警信息进行预处理,得到如图5中所示的二部图,确定疑似故障链路的范围;根据预处理的信息,确定需要发送检测业务的路由,并发送检测业务,如图5所示;根据检测业务产生的告警信息,精确定位故障链路的位置1。例如,在图中链路e12和链路e23故障,导致业务spw1和spw2中断,生成二部图,通过证明,可能的故障路径集合是{e12,e23}和{e23}。然后再在链路e12和链路e23中发送检测业务,确定最终故障链路的组合。主动融合算法仅在局部发送检测业务,业务仅为1跳,占用资源较少,检测时间较短。
步骤二,创建基于业务风险的重路由机制构建路由优化数学模型,具体为:
其中,为业务的平均通信时长,Ti为业务i的时延,L为业务个数,BD为业务均衡度,Li为第i条链路上承载的业务个数,m为网络链路个数,Tmax为最大业务时延,Lmax 为链路承载的最大业务个数,α和β为两个常系数,约束部分表示业务时延约束和链路业务数目约束;
其中,如图1所示,重路由机制配置有一条从首节点A经过节点D和节点G到节点K的LSP,节点D和节点G之间断纤,重路由流程为:
节点D的FIU或OTU检测到告警后,上报主控GMPLS模块;
节点D主控GMPLS模块检查受影响的智能业务,向首节点A发送Notify消息;
首节点A的GMPLS模块收到Notify消息后,计算出一条端到端恢复路径,然后沿计算好的路径,经中间节点向末节点K方向发送PATH消息,在沿途各节点建立反向交叉连接;
末节点K的GMPLS模块收到PATH消息后,经由中间节点向首节点A方向发送RESV 消息,在沿途各节点建立正向交叉连接;
首节点A收到末节点发过来的RESV消息后,打开告警监视,再向下游节点发送开告警的PATH消息。下游节点收到该消息后均打开对新业务路径的告警监视,整条LSP的告警监视打开后,如果是不可返回式业务则删除老路径。
步骤三,
根据上述基于业务风险的重路由机制构建的路由优化数学模型及触发自动重路由的通信链路上承载的稳定控制业务,构建路由优化模型,具体如下:
初始化,构建网络拓扑G(V,E,W),设置业务列表S(vs,vd);
其中V为节点集合,E为链路集合,W为每条链路的权值—时延,vs为业务起始节点,vd为业务目的节点;
在网络拓扑G中删除中断链路X,得到新的网络拓扑G’;
为业务集合S中的每条业务寻找前k条时延最短路径,形成业务可选路径集Sk;
将每条业务看作染色体的一个基因,染色体长度为业务个数,基因编码采用自然数编码,染色体i的适应度函数为
随机产生初始群体,选择函数为轮盘赌选择法,染色体i被选择的概率为
交叉过程采用基于位置的杂交运算法,变异过程为随机改变某个染色体中1个基因的位置,采用传统的遗传算法,基于一定的迭代次数,从业务的可选路径集中筛选出一个最优组合;
输出得到的业务路径组合,以及平均业务通信时延和业务均衡度。
本发明还提供一种用于确定***保护专网网络的业务风险的***,如图7所示,***200 具体包括:
故障定位及警告单元201,对***保护专网网络进行故障定位,确定故障类型并根据故障类型告警,具体为构建网络拓扑G、业务集合S和故障告警集合A,当网络中随机链路Li发生故障Fi时,业务Si在宿节点产生异常,确定故障类型并产生告警信息Ai,形成故障告警集合A与疑似故障链路集合F的二部图,对二部图进行预处理,简化二部图,集合F 中,除去必定不故障的集合FN,留下必定故障的集合FY和疑似故障的集合FS;利用故障定位算法,最终确定FS中的故障元素,从而确定网络中故障链路集合FF。
构建数学模型单元202,创建基于业务风险的重路由机制构建路由优化数学模型,具体为:
其中,为业务的平均通信时长,Ti为业务i的时延,L为业务个数,BD为业务均衡度,Li为第i条链路上承载的业务个数,m为网络链路个数,Tmax为最大业务时延,Lmax 为链路承载的最大业务个数,α和β为两个常系数,约束部分表示业务时延约束和链路业务数目约束;
其中,重路由机制配置有一条从首节点A经过节点D和节点G到节点K的LSP,节点 D和节点G之间断纤,重路由流程为:
节点D的FIU或OTU检测到告警后,上报主控GMPLS模块;
节点D主控GMPLS模块检查受影响的智能业务,向首节点A发送Notify消息;
首节点A的GMPLS模块收到Notify消息后,计算出一条端到端恢复路径,然后沿计算好的路径,经中间节点向末节点K方向发送PATH消息,在沿途各节点建立反向交叉连接;
末节点K的GMPLS模块收到PATH消息后,经由中间节点向首节点A方向发送RESV 消息,在沿途各节点建立正向交叉连接;
首节点A收到末节点发过来的RESV消息后,打开告警监视,再向下游节点发送开告警的PATH消息。下游节点收到该消息后均打开对新业务路径的告警监视,整条LSP的告警监视打开后,如果是不可返回式业务则删除老路径。
构建优化模型单元203,根据上述基于业务风险的重路由机制构建的路由优化数学模型及触发自动重路由的通信链路上承载的稳定控制业务,构建路由优化模型,具体如下:
对***保护专网网络中的稳定控制业务初始化,构建网络拓扑G(V,E,W),设置业务列表 S(vs,vd);
其中V为节点集合,E为链路集合,W为每条链路的权值—时延,vs为业务起始节点,vd为业务目的节点;
在网络拓扑G中删除中断链路X,得到新的网络拓扑G’;
为业务集合S中的每条业务寻找前k条时延最短路径,形成业务可选路径集Sk;
将每条业务看作染色体的一个基因,染色体长度为业务个数,基因编码采用自然数编码,染色体i的适应度函数为
随机产生初始群体,选择函数为轮盘赌选择法,染色体i被选择的概率为
交叉过程采用基于位置的杂交运算法,变异过程为随机改变某个染色体中1个基因的位置,采用传统的遗传算法,基于一定的迭代次数,从业务的可选路径集中筛选出一个最优组合;
输出得到的业务路径组合、平均业务通信时延和业务均衡度,根据输出判断业务路径风险,平均业务通信时延越小和业务均衡度于0的业务路经,业务路径风险值越低。
本发明实现了业务平均传输延时和全网业务均衡度的加权和最小。
本发明有效地降低业务的运行风险,避免了业务损失,进一步增强了实时***保护专网网络通信***的健壮性和灵活性。
Claims (6)
1.一种用于确定***保护专网网络的业务风险的方法,其特征在于,包括:
步骤一,对***保护专网网络进行故障定位,确定故障类型并根据故障类型告警;
步骤二,创建基于业务风险的重路由机制构建路由优化数学模型,具体为:
其中,为业务的平均通信时长,Ti为业务i的时延,L为业务个数,BD为业务均衡度,Li为第i条链路上承载的业务个数,m为网络链路个数,Tmax为最大业务时延,Lmax为链路承载的最大业务个数,α和β为两个常系数,约束部分表示业务时延约束和链路业务数目约束;
步骤三,
根据上述基于业务风险的重路由机制构建的路由优化数学模型及触发自动重路由的通信链路上承载的稳定控制业务,构建路由优化模型,具体如下:
对***保护专网网络中的稳定控制业务初始化,构建网络拓扑G(V,E,W),设置业务列表S(vs,vd);
其中V为节点集合,E为链路集合,W为每条链路的权值—时延,vs为业务起始节点,vd为业务目的节点;
在网络拓扑G中删除中断链路X,得到新的网络拓扑G’;
为业务集合S中的每条业务寻找前k条时延最短路径,形成业务可选路径集Sk;
将每条业务看作染色体的一个基因,染色体长度为业务个数,基因编码采用自然数编码,染色体i的适应度函数为:
随机产生初始群体,选择函数为轮盘赌选择法,染色体i被选择的概率为
交叉过程采用基于位置的杂交运算法,变异过程为随机改变某个染色体中1个基因的位置,采用传统的遗传算法,基于一定的迭代次数,从业务的可选路径集中筛选出一个最优组合;
输出得到的业务路径组合、平均业务通信时延和业务均衡度,根据输出判断业务路径风险,平均业务通信时延越小和业务均衡度趋于0的业务路经,业务路径风险值越低。
2.根据权利要求1所述的方法,其特征在于:所述的步骤一具体是构建网络拓扑G、业务集合S和故障告警集合A,当网络中随机链路Li发生故障Fi时,业务Si在宿节点产生异常,确定故障类型并产生告警信息Ai,形成故障告警集合A与疑似故障链路集合F的二部图,对二部图进行预处理,简化二部图,集合F中,除去必定不故障的集合FN,留下必定故障的集合FY和疑似故障的集合FS;利用故障定位算法,最终确定FS中的故障元素,从而确定网络中故障链路集合FF。
3.根据权利要求1所述的方法,其特征在于:所述的重路由机制配置有一条从首节点A经过节点D和节点G到节点K的LSP,节点D和节点G之间断纤,重路由流程为:
节点D的FIU或OTU检测到告警后,上报主控GMPLS模块;
节点D主控GMPLS模块检查受影响的智能业务,向首节点A发送Notify消息;
首节点A的GMPLS模块收到Notify消息后,计算出一条端到端恢复路径,然后沿计算好的路径,经中间节点向末节点K方向发送PATH消息,在沿途各节点建立反向交叉连接;
末节点K的GMPLS模块收到PATH消息后,经由中间节点向首节点A方向发送RESV消息,在沿途各节点建立正向交叉连接;
首节点A收到末节点发过来的RESV消息后,打开告警监视,再向下游节点发送打 开告警的PATH消息,下游节点收到该消息后均打开对新业务路径的告警监视,整条LSP的告警监视打开后,如果是不可返回式业务则删除老路径。
4.一种***保护专网网络的业务风险优化建模***,其特征在于,包括:
故障定位及警告单元,对***保护专网网络进行故障定位,确定故障类型并根据故障类型告警;
构建数学模型单元,创建基于业务风险的重路由机制构建路由优化数学模型,具体为:
其中,为业务的平均通信时长,Ti为业务i的时延,L为业务个数,BD为业务均衡度,Li为第i条链路上承载的业务个数,m为网络链路个数,Tmax为最大业务时延,Lmax为链路承载的最大业务个数,α和β为两个常系数,约束部分表示业务时延约束和链路业务数目约束;
构建优化模型单元,根据上述基于业务风险的重路由机制构建的路由优化数学模型及触发自动重路由的通信链路上承载的稳定控制业务,构建路由优化模型,具体如下:
对***保护专网网络中的稳定控制业务初始化,构建网络拓扑G(V,E,W),设置业务列表S(vs,vd);
其中V为节点集合,E为链路集合,W为每条链路的权值—时延,vs为业务起始节点,vd为业务目的节点;
在网络拓扑G中删除中断链路X,得到新的网络拓扑G’;
为业务集合S中的每条业务寻找前k条时延最短路径,形成业务可选路径集Sk;
将每条业务看作染色体的一个基因,染色体长度为业务个数,基因编码采用自然数编码,染色体i的适应度函数为:
交叉过程采用基于位置的杂交运算法,变异过程为随机改变某个染色体中1个基因的位置,采用传统的遗传算法,基于一定的迭代次数,从业务的可选路径集中筛选出一个最优组合;
输出得到的业务路径组合、平均业务通信时延和业务均衡度,根据输出判断业务路径风险,平均业务通信时延越小和业务均衡度趋于0的业务路经,业务路径风险值越低。
5.根据权利要求4所述的***,其特征在于:所述的故障定位及警告单元具体是构建网络拓扑G、业务集合S和故障告警集合A,当网络中随机链路Li发生故障Fi时,业务Si在宿节点产生异常,确定故障类型并产生告警信息Ai,形成故障告警集合A与疑似故障链路集合F的二部图,对二部图进行预处理,简化二部图,集合F中,除去必定不故障的集合FN,留下必定故障的集合FY和疑似故障的集合FS;利用故障定位算法,最终确定FS中的故障元素,从而确定网络中故障链路集合FF。
6.根据权利要求4所述的***,其特征在于:所述的重路由机制配置有一条从首节点A经过节点D和节点G到节点K的LSP,节点D和节点G之间断纤,重路由流程为:
节点D的FIU或OTU检测到告警后,上报主控GMPLS模块;
节点D主控GMPLS模块检查受影响的智能业务,向首节点A发送Notify消息;
首节点A的GMPLS模块收到Notify消息后,计算出一条端到端恢复路径,然后沿计算好的路径,经中间节点向末节点K方向发送PATH消息,在沿途各节点建立反向交叉连接;
末节点K的GMPLS模块收到PATH消息后,经由中间节点向首节点A方向发送RESV消息,在沿途各节点建立正向交叉连接;
首节点A收到末节点发过来的RESV消息后,打开告警监视,再向下游节点发送打 开告警的PATH消息,下游节点收到该消息后均打开对新业务路径的告警监视,整条LSP的告警监视打开后,如果是不可返回式业务则删除老路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810837438.3A CN109242242B (zh) | 2018-07-26 | 2018-07-26 | 一种用于确定***保护专网业务风险建模的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810837438.3A CN109242242B (zh) | 2018-07-26 | 2018-07-26 | 一种用于确定***保护专网业务风险建模的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242242A CN109242242A (zh) | 2019-01-18 |
CN109242242B true CN109242242B (zh) | 2022-04-15 |
Family
ID=65072616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810837438.3A Active CN109242242B (zh) | 2018-07-26 | 2018-07-26 | 一种用于确定***保护专网业务风险建模的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242242B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225540A (zh) * | 2019-01-30 | 2019-09-10 | 北京中科晶上科技股份有限公司 | 一种面向集中式接入网的故障检测方法 |
CN110060179B (zh) * | 2019-04-24 | 2023-04-18 | 国网山东省电力公司济南供电公司 | 基于风险重叠度的多电压等级检修计划优化方法及装置 |
CN111404727A (zh) * | 2020-03-02 | 2020-07-10 | 国网浙江省电力有限公司信息通信分公司 | 一种基于备用路由潜在风险评估模型的路由分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106209621A (zh) * | 2016-06-17 | 2016-12-07 | 中国人民解放军空军工程大学 | 服务质量约束的链路故障恢复方法 |
CN106656598A (zh) * | 2016-12-22 | 2017-05-10 | 云南电网有限责任公司 | 电力通信网关键业务备选路由配置方法及*** |
US9800474B1 (en) * | 2014-10-21 | 2017-10-24 | Amazon Technologies, Inc. | Inter service network communication optimization |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10412012B2 (en) * | 2015-09-22 | 2019-09-10 | Arris Enterprises Llc | Intelligent, load adaptive, and self optimizing master node selection in an extended bridge |
-
2018
- 2018-07-26 CN CN201810837438.3A patent/CN109242242B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9800474B1 (en) * | 2014-10-21 | 2017-10-24 | Amazon Technologies, Inc. | Inter service network communication optimization |
CN106209621A (zh) * | 2016-06-17 | 2016-12-07 | 中国人民解放军空军工程大学 | 服务质量约束的链路故障恢复方法 |
CN106656598A (zh) * | 2016-12-22 | 2017-05-10 | 云南电网有限责任公司 | 电力通信网关键业务备选路由配置方法及*** |
Non-Patent Citations (3)
Title |
---|
GEARSHIFT: Guaranteeing availability requirements in SLAs using hybrid fault tolerance;A.J.Gonzalez等;《2015 IEEE Conference on Computer Communications (INFOCOM)》;20150824;第1373-1381页 * |
基于业务的光传送网路由优化;许浩伟;《中国优秀硕士学位论文全文数据库信息科技辑》;20160215(第2期);第I136-441页 * |
遗传算法电力通信网关键业务备选路由配置;孙严智等;《云南电力技术》;20170228;第45卷(第1期);第116-120页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109242242A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108924673B (zh) | 一种对光通道多点故障进行自愈的方法及*** | |
Xu et al. | Novel algorithms for shared segment protection | |
CN109242242B (zh) | 一种用于确定***保护专网业务风险建模的方法和*** | |
US20030095500A1 (en) | Methods for distributed shared mesh restoration for optical networks | |
CN100389578C (zh) | 传统光传送网和智能光网络组网时的资源分配方法 | |
He et al. | Path-based protection for surviving double-link failures in mesh-restorable optical networks | |
US20020138645A1 (en) | Protecting route design method in a communication network | |
Agraz et al. | Experimental demonstration of centralized and distributed impairment-aware control plane schemes for dynamic transparent optical networks | |
CN109889350A (zh) | 一种用于sdn网络故障中切换路径的方法及装置 | |
JP2013503516A (ja) | 伝送ネットワークにおけるサービス復元速度向上方法及びパス計算エレメント | |
US20030223357A1 (en) | Scalable path protection for meshed networks | |
US6052796A (en) | Method and system for augmenting communications network with spare capacity | |
CN1322713C (zh) | 一种增强自动交换光网络生存性的方法 | |
CN101322343A (zh) | Wdm光网络中组播保护方法及装置 | |
CN100531092C (zh) | 智能光网络的业务重路由触发方法 | |
CN101309525B (zh) | 一种自动交换光网络中依据故障定位的路由恢复方法 | |
WO2012071909A1 (zh) | 业务恢复方法及装置 | |
CN101800913B (zh) | 自动交换光网络复用段的保护及恢复的实现方法 | |
US7324750B2 (en) | Protection scheme for a communication network | |
JP6427128B2 (ja) | ネットワーク制御装置およびネットワーク制御方法 | |
CN1983908B (zh) | 一种标签资源管理的自纠错方法 | |
CN100550695C (zh) | 一种加速链路状态收敛的方法 | |
JP3822518B2 (ja) | 予備光パス帯域確保方法および光パス切替装置 | |
Junior et al. | A new algorithm for dimensioning resilient optical networks for shared-mesh protection against multiple link failures | |
JP2002374283A (ja) | 光ネットワークの設計法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |