CN110011863B - 一种网络带宽资源均衡调度方法及装置 - Google Patents
一种网络带宽资源均衡调度方法及装置 Download PDFInfo
- Publication number
- CN110011863B CN110011863B CN201910367956.8A CN201910367956A CN110011863B CN 110011863 B CN110011863 B CN 110011863B CN 201910367956 A CN201910367956 A CN 201910367956A CN 110011863 B CN110011863 B CN 110011863B
- Authority
- CN
- China
- Prior art keywords
- network
- bandwidth
- service
- link
- scheduling
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/76—Admission control; Resource allocation using dynamic resource allocation, e.g. in-call renegotiation requested by the user or requested by the network in response to changing network conditions
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种网络带宽资源均衡调度方法及装置,所述方法包括:S1:根据网络的链路信息和业务信息构建罚函数,采用所述罚函数和粒子群算法构建网络调度算法模型;S2:根据所述网络调度算法模型,生成网络资源分配策略;S3:使用所述网络资源分配策略,对网络的链路和业务进行网络带宽资源均衡调度。采用本发明的一种网络带宽资源均衡调度方法解决了现有技术存在的链路带宽饱和与带宽利用率低的技术问题。
Description
技术领域
本发明涉及通信技术领域,尤其是涉及一种网络带宽资源均衡调度方法及装置。
背景技术
目前,互联网数据中心(Internet Date Center,简称IDC)网络为互联网内容提供商(ICP)、企业、媒体和各类网站提供大规模、高质量、安全可靠的专业化服务器托管、空间租用、网络批发带宽以及ASP、EC等业务。为了达到为企业及其商业联盟实施价值链管理的平台的目标,互联网数据中心必须具备大规模的场地及机房设施,高速可靠的内外部网络环境,***化的监控支持手段等一系列条件的主机存放环境。而且,数据中心不仅要提供快速安全的网络,还提供对服务器监管、流量监控等网络管理方面的服务,而且要有高度可靠的、安全的机房网络环境。
然而,现有阶段,IDC网络还存在以下诸多技术问题:
建设成本高:传统交换机厂商设备价格昂贵,核心路由器或核心交换机设备运维费用奇高,当网络或业务遇到瓶颈,不断增加硬件扩容网络,增加建设费用,业务或网络使用回退后,造成不必要浪费。
带宽利用率低:复杂广域网中网络带宽利用率不足50%。网络带宽不能随业务量而改变。网络带宽不能动态调整,造成带宽利用率极低。
组网复杂、故障定位难、恢复慢:多种类型、厂家的设备运行复杂的传统高级协议。出现故障后继续厂家协助复杂分析、非专业人士无法定位。简单二层环网无法满足和支撑足够大的网络规模。网络可视化差,网络非可预见隐患问题。
难以应对混合云的需求:需要独立的一套机制来应对和处理混合云互联需求。自建节点与租用运营商pop点间的资源无法均衡分担与切换,流量就近分流往往问题繁多。
业务模式僵化、固定,业务创新困难:固定的费率和计费方式。计费周期和模式固定。传统网络转发模式固定,可供用户控制的东西少之又少。
业务变更慢,网络跟业务难分离:无论业务新建或取消,处理时间长。无法快速变更业务,例如按需带宽分配。对动态业务或应用变化很难调整。
因此,亟需对IDC网络存在的上述问题进行优化和改进的技术需求。现有技术中,通常认为解决IDC网络问题思路集中在:通过SDN控制器根据数据中心网络中的链路、网络设备、业务情况的分析与研究,造成网络拥堵、业务质量下降、网络环境不稳定的情况主要原因是业务在某时间点相互竞争、相互争抢网络资源,链路在某段时间内出现了波动与拥塞,需要通过一种方法来解决网络中业务争抢网络资源造成的网络问题。具体表现为:在SDN网络中需根据业务优先级动态分配链路带宽,业务带宽不仅与业务优先级有关,还与网络拓扑、路由策略、链路实际带宽约束有关。
请参考图1,图1是根据现有技术的网络带宽分配策略下的链路结构示意图。如图1所示,从终端i到终端j上的业务1在网络中经过路径1-3-7-6,业务2经过1-3-2-7-6,业务3经过1-2-7-6,则共同使用的链路有1-3、7-6。可能存在以下问题:
1.链路带宽饱和:在不考虑带宽分配的策略中,这两条链路带宽如果饱和,则业务无法分配到保证基本通信的带宽,则通信发生中断。
2.带宽利用率低:若每条链路根据当前业务数量平均分配带宽,则相同业务在不同链路上分配的带宽可能不同,在完整的业务通信链路中,只会取最小带宽为业务带宽,造成部分链路带宽的浪费,降低网络带宽资源利用率。
然而,现有技术中并未提出有效的解决网络中业务争抢网络资源造成的网络问题。
发明内容
现有技术存在的问题:链路带宽饱和与带宽利用率低。
针对现有技术存在的缺陷,第一方面,本发明提供了一种网络带资源均衡调度方法,包括:
S1:根据网络的链路信息和业务信息构建罚函数,采用所述罚函数和粒子群算法构建网络调度算法模型;
S2:根据所述网络调度算法模型,生成网络资源分配策略;
S3:使用所述网络资源分配策略,对网络的链路和业务进行网络带宽资源均衡调度。
进一步,所述链路信息包括:链路优先级和链路带宽。
进一步,所述业务信息包括以下至少之一:业务属性、业务在终端上运行的权重、业务需要的带宽、业务经由所述链路信息中的链路占用的带宽、以及业务在任意两终端之间的中断速率。
进一步,所述构建网络调度算法模型的过程包括:
设置所述构建所述网络调度算法模型所需要的带宽资源粒子的种群规模;
初始化所述种群规模中所有带宽资源粒子的维度、位置和速度;
所述S2中生成网络资源分配策略的具体过程包括:
使用预先构建的适应度函数,对所述种群规模中所有带宽资源粒子的维度、位置和速度进行迭代运算,得到能为网络进行最优带宽资源分配的网络资源分配策略。
进一步,所述网络为软件定义网络SDN网络。
第二方面,本发明提供了一种网络带宽资源均衡调度装置,包括:
构建模块,用于根据网络的链路信息和业务信息构建罚函数,采用所述罚函数和粒子群算法构建网络调度算法模型;
生成模块,用于根据网络调度算法模型,生成网络资源分配策略;
调度模块,用于使用所述网络资源分配策略,对网络的链路和业务进行网络带宽资源均衡调度。
进一步,所述链路信息包括:链路优先级和链路带宽。
进一步,所述业务信息包括以下至少之一:业务属性、业务在终端上运行的权重、业务需要的带宽、业务经由所述链路信息中的链路占用的带宽、以及业务在任意两终端之间的中断速率。
进一步,所述构建模块进一步包括:
设置单元,用于设置为构建所述网络调度算法模型所需要的带宽资源粒子的种群规模;
初始化单元,用于初始化所述种群规模中所有带宽资源粒子的维度、位置和速度;
所述生成模块进一步包括:
运算单元,用于使用预先构建的适应度函数,对所述种群规模中所有带宽资源粒子的维度、位置和速度进行迭代运算,得到能为网络进行最优带宽资源分配的网络资源分配策略。
进一步,所述网络为软件定义网络SDN网络。
本发明的有益效果是:
采用本发明的一种网络带宽资源均衡调度方法解决了现有技术存在的链路带宽饱和与带宽利用率低的技术问题。
附图说明
图1是根据现有技术的网络带宽分配策略下的链路结构示意图;
图2是本发明的一种网络带宽资源均衡调度方法的流程示意图;
图3是本发明的一种网络带宽资源均衡调度装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定装备结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
如图2所示,一种网络带宽资源均衡调度方法的流程示意图,包括以下步骤:
S1:根据网络的链路信息和业务信息构建罚函数,采用所述罚函数和粒子群算法构建网络调度算法模型;
S2:根据网络调度算法模型,生成网络资源分配策略;
S3:使用所述网络资源分配策略,对网络的链路和业务进行网络带宽资源均衡调度。
所述构建的网络调度算法模型为:
设网络中终端集合为N,从终端i到终端j上的业务集合为Mi,j,节点集合为K,则优化模型的数学描述为:
其中,ωi,j,m为终端i到终端j上业务m的权重;Bi,j,m为该业务的链路带宽;为路由系数,若则表示终端i到终端j上的业务m经过了节点k1到节点k2间的链路,反之则表示该业务未经过k1到k2间的链路。为k1到k2间链路的最大带宽;为终端i到终端j上业务m的中断速率(最低速率要求);i,j为集合N中的元素,集合N为网络终端集合;m为集合Mi,j中的元素,集合Mij为终端i到终端j上的业务集合。
对于上述优化模型的数学描述而言,目标函数为:
网络调度算法模型的约束条件为:
其含义为:在满足约束条件的范围内,采用粒子群算法求解目标函数中的ωi,j, mBi,j,m之和的最大值。
采用的粒子群算法为:
首先设置种群规模并初始化粒子维度、位置和速度,例如B1={B1,1,1=12.7,B1,1,2=50.3,B1,1,3=23.6,...,Bi,j,m=185.3}代表第一个粒子的带宽分配集合,并根据问题模型计算适应度函数f;接着,通过比较每次迭代中f的值更新位置P、速度v集合并分别记录粒子最优适应度值b、种群最优适应度值qb,相应的粒子位置信息Pb、种群位置信息Ppb也记入相应集合;最后如果达到最大迭代次数或最大适应度值长时间未变,则结束循环,得到最优分配策略。最优分配策略是指当前链路带宽利用率最高的分配策略。
通过上述的目标函数、和粒子群算法,在约束条件下,求解最优分配策略,将实现上述过程的算法称为网络调度算法模型。
两个终端之间具有多个节点,任意两个终端之间具有多条链路,每条链路可能只经过两个节点,也可能经过多个节点,由于不同的节点之间的链路的性能、参数均不相同,只经过两个节点的链路性能也可能低于经过多个节点的链路性能。通过上述运算,得到的分配策略,可体现出多个链路之间的性能上的区别,通过这些区别,可以实时调整每条链路上的分配的带宽、路由系数、业务、或中断速率等参数,进而得到最优的传输效果。将在最优的传输效果下的每条链路上的分配的带宽、路由系数、业务、或中断速率等参数作为如图1所示的两个终端之间的最优分配策略,即目标函数中的ωi,j,mBi,j,m之和的最大值,将在最大值时的最优分配策略中的各个参数的分配作为网络带宽资源的均衡调度。
粒子i的位置向量Pi与速度向量vi可以通过以下方式更新;
Pi=Pi+vi,
其中c1和c2为方向因子,在[0,2]间随机取值;xi为第i个粒子的一个一维向量。
例如:c1和c2的取值可以为1和1、1和0、0和1、0和0。
wt为迭代权重,通过以下方式计算:
其中ws和we分别为wt的最大值和最小值,t代表现有迭代次数,Imax表示最大迭代步数。
所述迭代权重的取值范围为0~9之间的整数。
迭代权重可以有效加速解的收敛速度。
选择粒子群算法作为本发明构建网络调度模型的原因主要是由于粒子群算法的复杂程度较低、收敛较快、同时采用粒子群算法的参数求解也较为快速。
相比采用粒子群算法而言,采用遗传算法进行网络调度模型构建,在编码、选择、交叉和变异等步骤中,复杂程度较高,通常适用于对于模型数值的精确值计算要求的场合。
相比采用粒子群算法而言,采用蚁群算法进行网络调度模型构建,是根据信息素寻找最优解的方法,更加适用于网路路径选择的过程。
相比采用粒子群算法而言,如果采用神经网络进行网络调度模型构建,则需要大量的数据作为模型训练的输入,同时,对输入层、隐藏层和输出层等架构的设计的神经网络,更加适用于分类算法。
综上,本发明采用粒子群算法能够更为适用于网络调度模型的构建。
所述罚函数为:
其中,α、β为惩罚因子,本领域技术人员可根据计算需要进行调整取值,优选尽可能大的正整数。
所述罚函数用于构建上述优化模型函数的公式(1)中的目标函数。其中所采用的链路信息和业务信息可参见前述中的公式(1)中的符号解释。
在本发明申请中,之所以需要调用罚函数,是由于采用粒子群算法只能求解无约束条件的问题,而调用罚函数,可以较为便捷的将多约束条件的问题转化为无约束条件的问题。因此,需要将罚函数代替上述的目标函数,用于在网络调度算法模型中确定最优的分配策略。
所述根据网络调度算法模型,生成网络资源分配策略的过程为:
area—>switch—>mac/ip—>gateway—>vlantag—>上联口/下联口—>pcip/mac—>vxlantag—>vmip—>业务标志
网络资源分配策略的具体分配过程为:
第一步,采用S1中的调度算法模型中的算法通过规则树检索到策略作用的区域area。
第二步,根据所在区域的设备列表查找到执行其中上述的两个终端之间的最优分配策略的目标节点与路由网关信息。
第三步,识别目标节点的IP、MAC等五元组信息以及上联口与下联口对应关系。
第四步,查找目标节点下联口中活跃的PC、VM主机状态以及所在vlan子网与产生的业务(如:http协议、rtmp协议、pop3/stmp协议等)。
第五步,根据目标机业务特征进行识别与分析,通过设置业务通过链路优先级、占用链路的带宽资源、虚拟链路分配、物理链路资源划分等操作。
生成模版样例与规则程序处理逻辑:
在上述网络资源按照分配策略的分配过程中,两个终端之间需满足如下作为规则树的规则的关联关系:
例如:两个PC终端之间关联条件用不同XML节点表示,表示方式如下:
1.相等关系:<same field=“fieldname”/>
两个PC的fieldname字段相等,则这两个PC相关。
2.包含关系:<include field=“fieldname”para=/>
两端设备的fieldname字段值是一种包含关系,前一个pc包含后一个pc的值。如前一个pc的字段值为“abcdefg”后一个pc的值为“def”,则满足包含关系。如果field=“cMoiName”(Moi名称),可以定义para属性,这样表示两个pc的cMoiName从开始到para所指示的那一层的值相等。如pc1的cMoiName=“/Switch=5ESS/Office=XXMS1/FAC=1-2-3-4”,pc2的cMoiName=“/Switch=5ESS/Office=XXMS1/DPC=XXTS1”,此时包含关系定义为<include field=“cMoiName”para=“Office”>,则pc1与pc2满足包含关系,因为这两个pc的cMoiName值从开始到Office部分的值都相等。
3.相差关系:<interval field=“fieldname”type=“typeValue”para=“paraValue”/>
两个PCfieldname字段值的差的绝对值与paraValue之间符合typeValue的关系。设相差关系为<interval field=“Last_Update_Time”type=“smaller”para=“180000”>,表示两个PC的Last_Update_Time字段的差小于180000,即两个PC的发生时间相差不超过3分钟。fieldname、typevalue、paravalue的对应关系满足“表格1字段名、比较方式、比较值对应关系”。
4.MOI关联关系:<relateMoi/>关联Moi
两个PC的cMoiName(Moi名称)具有相关关系,即这两个cMoiName纪录在tRelateMoi(关联Moi)表中,则这两个PC是相关的。
5.对端关联关系:<relateCircuit/>关联电路
两个pc的cMoiName所关联的传输链路中能找到相同的一条通信链路,则这两个PC是关联的。对于传输数据,cMoiName与电路的关联关系纪录在表tMoi2Circuit中,除传输以外的数据cMoiName与链路的关联关系纪录在tTransCirEnd(转换电路结束)表中。
在一些说明性实施例中,所述链路信息包括:链路优先级和链路带宽。
在一些说明性实施例中,所述业务信息包括以下至少之一:业务属性、业务在终端上运行的权重、业务需要的带宽、业务经由所述链路信息中的链路占用的带宽、以及业务在任意两终端之间的中断速率。
在一些说明性实施例中,根据网络调度算法模型,生成网络资源分配策略包括:
设置为构建所述网络调度算法模型所需要的带宽资源粒子的种群规模;
初始化所述种群规模中所有带宽资源粒子的维度、位置和速度;
使用预先构建的适应度函数,对所述种群规模中所有带宽资源粒子的维度、位置和速度进行迭代运算,得到能为网络进行最优带宽资源分配的网络资源分配策略。
在一些说明性实施例中,所述网络为软件定义网络SDN网络。
如图3所示,本发明还提供了一种网络带宽资源均衡调度装置,包括:
构建模块100,用于根据网络的链路信息和业务信息构建罚函数,采用所述罚函数和粒子群算法构建网络调度算法模型;
生成模块200,用于根据网络调度算法模型,生成网络资源分配策略;
调度模块300,用于使用所述网络资源分配策略,对网络的链路和业务进行网络带宽资源均衡调度。
在一些说明性实施例中,链路优先级和链路带宽。
在一些说明性实施例中,所述业务信息包括以下至少之一:业务属性、业务在终端上运行的权重、业务需要的带宽、业务经由所述链路信息中的链路占用的带宽、以及业务在任意两终端之间的中断速率。
在一些说明性实施例中,所述生成模块200进一步包括:
设置单元,用于设置为构建所述网络调度算法模型所需要的带宽资源粒子的种群规模;
初始化单元,用于初始化所述种群规模中所有带宽资源粒子的维度、位置和速度;
运算单元,用于使用预先构建的适应度函数,对所述种群规模中所有带宽资源粒子的维度、位置和速度进行迭代运算,得到能为网络进行最优带宽资源分配的网络资源分配策略。
在一些说明性实施例中,所述网络为软件定义网络SDN网络。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种网络带宽资源均衡调度方法,其特征在于,包括:
S1:根据网络的链路信息和业务信息构建罚函数,采用所述罚函数和粒子群算法构建网络调度算法模型;
S2:根据所述网络调度算法模型,生成网络资源分配策略;
S3:使用所述网络资源分配策略,对网络的链路和业务进行网络带宽资源均衡调度;
其中,所述构建网络调度算法模型的过程包括:
设置所述构建所述网络调度算法模型所需要的带宽资源粒子的种群规模;
初始化所述种群规模中所有带宽资源粒子的维度、位置和速度;
所述S2中生成网络资源分配策略的具体过程包括:
使用预先构建的适应度函数,对所述种群规模中所有带宽资源粒子的维度、位置和速度进行迭代运算,得到能为网络进行最优带宽资源分配的网络资源分配策略。
2.根据权利要求1所述的网络带宽资源均衡调度方法,其特征在于,所述链路信息包括:链路优先级和链路带宽。
3.根据权利要求2所述的网络带宽资源均衡调度方法,其特征在于,所述业务信息包括以下至少之一:业务属性、业务在终端上运行的权重、业务需要的带宽、业务经由所述链路信息中的链路占用的带宽、以及业务在任意两终端之间的中断速率。
4.根据权利要求1至3中任一项所述的网络带宽资源均衡调度方法,其特征在于,所述网络为软件定义网络SDN网络。
5.一种网络带宽资源均衡调度装置,其特征在于,包括:
构建模块,用于根据网络的链路信息和业务信息构建罚函数,采用所述罚函数和粒子群算法构建网络调度算法模型;
生成模块,用于根据网络调度算法模型,生成网络资源分配策略;
调度模块,用于使用所述网络资源分配策略,对网络的链路和业务进行网络带宽资源均衡调度;
其中,所述构建模块进一步包括:
设置单元,用于设置为构建所述网络调度算法模型所需要的带宽资源粒子的种群规模;
初始化单元,用于初始化所述种群规模中所有带宽资源粒子的维度、位置和速度;
所述生成模块进一步包括:
运算单元,用于使用预先构建的适应度函数,对所述种群规模中所有带宽资源粒子的维度、位置和速度进行迭代运算,得到能为网络进行最优带宽资源分配的网络资源分配策略。
6.根据权利要求5所述的 网络带宽资源均衡调度装置,其特征在于,所述链路信息包括:链路优先级和链路带宽。
7.根据权利要求6所述的网络带宽资源均衡调度装置,其特征在于,所述业务信息包括以下至少之一:业务属性、业务在终端上运行的权重、业务需要的带宽、业务经由所述链路信息中的链路占用的带宽、以及业务在任意两终端之间的中断速率。
8.根据权利要求5至7中任一项所述的网络带宽资源均衡调度装置,其特征在于:所述网络为软件定义网络SDN网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910367956.8A CN110011863B (zh) | 2019-05-05 | 2019-05-05 | 一种网络带宽资源均衡调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910367956.8A CN110011863B (zh) | 2019-05-05 | 2019-05-05 | 一种网络带宽资源均衡调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110011863A CN110011863A (zh) | 2019-07-12 |
CN110011863B true CN110011863B (zh) | 2022-05-03 |
Family
ID=67175655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910367956.8A Active CN110011863B (zh) | 2019-05-05 | 2019-05-05 | 一种网络带宽资源均衡调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110011863B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533332B (zh) * | 2019-09-02 | 2023-05-02 | 海南电网有限责任公司 | 一种基于多初始点罚函数的计算资源分配方法及服务器 |
CN112888076B (zh) * | 2019-11-29 | 2023-10-24 | 华为技术有限公司 | 一种调度方法及装置 |
CN111355617B (zh) * | 2020-01-08 | 2021-08-03 | 浙江辉驿网络科技有限公司 | 一种基于应用配置网络资源的方法、装置和电子设备 |
CN111600610B (zh) * | 2020-05-26 | 2023-04-28 | 北京思特奇信息技术股份有限公司 | 一种变长整数的通用编码方法、***及电子设备 |
CN111741484B (zh) * | 2020-05-28 | 2023-04-07 | 江门职业技术学院 | 基于水下无线通信资源数据调度方法、***及存储介质 |
CN111740867B (zh) * | 2020-07-03 | 2022-05-13 | 北京深空智联科技有限公司 | 一种广域网业务流量自动优化调度选路的方法 |
CN114124942B (zh) * | 2020-08-10 | 2023-08-15 | ***通信集团湖南有限公司 | 核心网资源调度方法、装置及电子设备 |
CN114745277B (zh) * | 2022-03-30 | 2024-05-28 | 杭州博盾习言科技有限公司 | 公有云跨域专线的弹性伸缩方法、装置、电子设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103036982A (zh) * | 2012-12-15 | 2013-04-10 | 安徽工程大学 | 一种基于博弈论的网络控制***调度方法 |
CN105959234A (zh) * | 2016-06-30 | 2016-09-21 | 南京理工大学 | 安全感知的云无线接入网络下的负载均衡资源优化方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980470B (zh) * | 2010-10-03 | 2013-12-04 | 鲁东大学 | 一种基于混沌粒子群优化的ofdm***资源分配方法 |
CN101982992A (zh) * | 2010-10-30 | 2011-03-02 | 鲁东大学 | 认知无线电网络中基于改进粒子群的功率控制最优化算法 |
CN102123054A (zh) * | 2011-04-19 | 2011-07-13 | 北京神州数码思特奇信息技术股份有限公司 | 一种管理控制云计算网络技术*** |
CN102158417A (zh) * | 2011-05-19 | 2011-08-17 | 北京邮电大学 | 实现多约束QoS路由选择的优化方法及装置 |
CN103096415B (zh) * | 2013-01-15 | 2015-04-22 | 东北大学 | 一种面向认知无线Mesh网络的路由优化装置及方法 |
CN103945395B (zh) * | 2014-02-27 | 2016-06-01 | 北京理工大学 | 一种基于粒子群的无线网络传感器的快速优化部署方法 |
US10528396B2 (en) * | 2016-11-14 | 2020-01-07 | King Abdulaziz University | Temporal task scheduling in a hybrid system |
CN108521375B (zh) * | 2018-04-17 | 2020-12-15 | 中国矿业大学 | 一种基于SDN的网络多业务流量QoS的传输及调度方法 |
-
2019
- 2019-05-05 CN CN201910367956.8A patent/CN110011863B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103036982A (zh) * | 2012-12-15 | 2013-04-10 | 安徽工程大学 | 一种基于博弈论的网络控制***调度方法 |
CN105959234A (zh) * | 2016-06-30 | 2016-09-21 | 南京理工大学 | 安全感知的云无线接入网络下的负载均衡资源优化方法 |
Non-Patent Citations (1)
Title |
---|
基于遗传粒子群优化的认知OFDM网络资源分配算法;董莉等;《应用科学学报》;20170530(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110011863A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110011863B (zh) | 一种网络带宽资源均衡调度方法及装置 | |
Huang et al. | Service chaining for hybrid network function | |
Gouareb et al. | Virtual network functions routing and placement for edge cloud latency minimization | |
CN109818865B (zh) | 一种sdn增强路径装箱装置及方法 | |
Sallam et al. | Shortest path and maximum flow problems under service function chaining constraints | |
US9740534B2 (en) | System for controlling resources, control pattern generation apparatus, control apparatus, method for controlling resources and program | |
Khoshkholghi et al. | Service function chain placement for joint cost and latency optimization | |
CN113708972A (zh) | 一种服务功能链部署方法、装置、电子设备及存储介质 | |
Tajiki et al. | CECT: computationally efficient congestion-avoidance and traffic engineering in software-defined cloud data centers | |
Reis et al. | A biased random‐key genetic algorithm for OSPF and DEFT routing to minimize network congestion | |
Abreu et al. | A rank scheduling mechanism for fog environments | |
Cai et al. | SARM: service function chain active reconfiguration mechanism based on load and demand prediction | |
Zhang et al. | Service chain provisioning with sub-chain-enabled coordinated protection to satisfy availability requirements | |
Lin et al. | Column generation based service function chaining embedding in multi-domain networks | |
Zu et al. | Resource aware chaining and adaptive capacity scaling for service function chains in distributed cloud network | |
Pham | Traffic engineering based on reinforcement learning for service function chaining with delay guarantee | |
Babayigit et al. | Deep learning for load balancing of SDN‐based data center networks | |
Liu et al. | Service function chain embedding meets machine learning: Deep reinforcement learning approach | |
Shirmarz et al. | A novel flow routing algorithm based on non-dominated ranking and crowd distance sorting to improve the performance in SDN | |
CN114448899A (zh) | 一种均衡数据中心网络负载的方法 | |
WO2024146193A1 (zh) | 一种基于sdn的路由路径选择方法、装置及存储介质 | |
Farhoudi et al. | Server load balancing in software-defined networks | |
Dawood et al. | Adaptive performance evaluation for SDN based on the statistical and evolutionary algorithms | |
Bolanowski et al. | Application of genetic algorithm to load balancing in networks with a homogeneous traffic flow | |
García et al. | Multicast routing and virtual network function placement in NFV-SDN networks: A genetic algorithms approach |
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 |