章　剛，陳慶奎，2

(1．上海理工大學(xué)管理學(xué)院，上海200093; 2．上海理工大學(xué)光電信息與計算機(jī)工程學(xué)院，上海200093)

?

GCTA:一種群組命令傳輸算法

章剛1，陳慶奎1，2

(1．上海理工大學(xué)管理學(xué)院，上海200093; 2．上海理工大學(xué)光電信息與計算機(jī)工程學(xué)院，上海200093)

摘要:基于盡力而為服務(wù)模式的Internet，在支持群組命令傳輸過程中，容易產(chǎn)生路徑競爭問題．定義出有效路徑統(tǒng)計網(wǎng)絡(luò)，并進(jìn)一步定義出基于有效路徑統(tǒng)計網(wǎng)絡(luò)的群組多約束多目標(biāo)優(yōu)化問題．提出一種群組命令傳輸算法．該算法，分別定義出模糊球體劃分、連續(xù)空間蟻群搜索及重疊區(qū)域解可信度衰減策略．實驗從服務(wù)延遲率和傳輸成功率兩個方面，驗證了該算法在支持群組命令傳輸過程的有效性．

關(guān)鍵詞:群組命令傳輸;群組多約束多目標(biāo)優(yōu)化;路徑競爭;蟻群算法;

1　引言

物聯(lián)網(wǎng)作為Internet的一種擴(kuò)展［1～3］，其核心思想不僅可以“感知”而且期待“可控”．物聯(lián)網(wǎng)運營中心(中心)作為“可控”關(guān)鍵技術(shù)，其主要功能是能夠通過Internet傳輸一組具有多約束的命令到分散在不同大區(qū)域(跨市、區(qū))的終端設(shè)備，并且所有命令必須在約束范圍內(nèi)全部到達(dá)，任何單一命令丟失被視為傳輸失?。纱丝芍锫?lián)網(wǎng)運營中心的本質(zhì)是基于Internet的群組命令傳輸(Group Command Transmission，GCT)過程．

然而，Internet盡力而為的服務(wù)模式并不支持GCT傳輸過程．其主要原因是盡力而為的服務(wù)模式試圖獨立地為GCT中每個命令提供有效路徑，這樣容易造成多個命令競爭同一路徑．當(dāng)該路徑無法同時滿足多個命令傳輸需求時，會導(dǎo)致網(wǎng)絡(luò)擁塞，從而使得GCT傳輸失?。?/p>

當(dāng)前，針對GCT的研究工作較為少見［4～6］．文獻(xiàn)［7］提出多路徑并行傳輸，其主要思想是基于多條不相交路徑并行通信方式實現(xiàn)單源-目的節(jié)點對之間的數(shù)據(jù)傳輸，優(yōu)點在于減少擁塞提高網(wǎng)絡(luò)吞吐量，但會存在路徑競爭問題．文獻(xiàn)［8，9］分別提出了多條分離最優(yōu)路徑算法，但主要基于一對一通信模式考慮，并且都沒有考慮沖突避讓機(jī)制［10］．文獻(xiàn)［11］定義一種基于精確參數(shù)的K條最短無環(huán)路由Yen算法，該算法針對給定兩節(jié)點之間計算K條最短無環(huán)路由，優(yōu)勢在于路徑選擇算法上限隨K值線性增加．文獻(xiàn)［12］提出一種無環(huán)第K條最大可用帶寬路徑算法KWABP，該算法分別計算第K條最大可用帶寬數(shù)和計算第K條最大可用帶寬路徑．算法Yen及KWABP也只是針對一對一通信模式考慮，同樣會產(chǎn)生路徑競爭問題．

IPv6組播技術(shù)是下一代Internet研究的熱點［13］，但是其也并不能支持GCT過程，主要原因是IPv6通過復(fù)制技術(shù)傳輸組播分組，而GCT中每個命令不相同，所以不能通過復(fù)制傳輸．

針對此，本文在Internet上配置一些通信代理節(jié)點CSA(Communication Service Agent，CSA)，通過CSA構(gòu)建物聯(lián)網(wǎng)運營中心所涉及Internet局部區(qū)域的骨架網(wǎng)絡(luò)，也即有效路徑統(tǒng)計網(wǎng)絡(luò)(Effective Path Statistics Network，EPSN)，并基于該網(wǎng)絡(luò)構(gòu)建有效路徑EP(Effective Path，EP)集，進(jìn)而基于EP集支持GCT傳輸過程．

EPSN網(wǎng)絡(luò)構(gòu)建意義在于，通過測量與統(tǒng)計手段實時挖掘出Internet路徑上的有效“空隙”(EP集)，利用這些有效“空隙”(EP集)更好地實施GCT傳輸過程．

在GCT中，每個命令傳輸過程可以轉(zhuǎn)換為多約束多目標(biāo)優(yōu)化問題(Multi-Constraints Multi-Objectives Optimization Problem，MCMOOP)．對GCT而言，其可以轉(zhuǎn)換為群組多約束多目標(biāo)優(yōu)化問題(Group Multi-Constraints Multi-Objectives Optimization Problem，GMCMOOP)．

綜上，本文重點討論的問題是，基于EPSN的GMCMOOP問題．

2　問題描述

設(shè)G = (V，E)表示為EPSN網(wǎng)絡(luò)，其中V為CSA集合，E為CSA之間鏈路集合，每條鏈路e∈E上都擁有一組度量參數(shù)k(k = 1，2，…)，fk表示參數(shù)k所對應(yīng)的子目標(biāo)函數(shù)，現(xiàn)給定一組子目標(biāo)函數(shù)fk(k = 1，2，…)的約束值Ck(k =1，2，…)，則:

基于EPSN的MCMOOP問題建模:在EPSN上，尋找一組有效解路徑x，在x的每個分量子目標(biāo)函數(shù)fk(x) (k =1，2，…)滿足約束Ck(k = 1，2，…)條件下，使得MCMOOP問題的總目標(biāo)函數(shù)f(x)最優(yōu):

其中，x = { x1，x2，…，xn}表示n維有效解路徑，fk(x)表示解路徑x的第k分量子目標(biāo)函數(shù)，Ck表示fk(x)對應(yīng)的約束值，EP表示所有測量與統(tǒng)計有效路徑集，GEP表示滿足式(1)的有效路徑集．

基于EPSN的GMCMOOP問題建模:在EPSN上，尋找多組有效路徑集GEPj(j = 1，2，…)，在使得j，MCMOOPi(i =1，2，…)問題所對應(yīng)的GEPi(i =1，2，…)滿足公式(1)，且使得任意兩個有效路徑集GEPi(i = 1，2，…)與GEPj(j =1，2，…)之間不存在公共解(或交集) :

其中，L表示GMCMOOP問題規(guī)模，F(xiàn)表示GMCMOOP問題的總體目標(biāo)函數(shù)，F(xiàn)j，j = 1，2，…表示第j個MCMOOP問題的目標(biāo)函數(shù)，GEPj，j = 1，2，…表示第j個MCMOOP問題的有效路徑解集．

3　GCTA (Group Command Transmission Algorithm，GCTA)算法

3.1模糊球體劃分

本文根據(jù)球隙搜索思想［14］進(jìn)一步優(yōu)化，定義出模糊球體劃分策略．以下，給出相關(guān)概念:

定義1模糊超球體區(qū)域(Fuzzy Monster Ball Zone，F(xiàn)MBZ) :設(shè)多元組FBz(o，r，nl，s，U(s，c) )為FMBZ，其中o表示球體中心，r為半徑［14］，nl為問題規(guī)模，U(s，c)為解s滿足約束c的可信度［15］，則:

其中，Qfbz表示可信度閾值．

定義2劃分FMBZ(Cut Fuzzy Monster Ball Zone，CFMBZ) : FMBZ劃分過程需要考慮以下兩種情況:

(1)當(dāng)FMBZ區(qū)域中解的分布屬于均勻分布時，設(shè)r為FMBZ區(qū)域半徑，每個小區(qū)域半徑為，則每個小區(qū)域利用如下公式計算:

(2)當(dāng)FMBZ區(qū)域中解的分布屬于非均勻分布時，首先根據(jù)公式(5)計算所有解之間的解密度．

其中，SD(x，y)為解密度，主要表示為解之間的緊密程度，xk，yk分別表示解x，y的屬性變量，k為維數(shù)變量，m為參數(shù)．

接著，根據(jù)SD計算結(jié)果，按照閾值進(jìn)行聚類，并對每個子類按照情況1處理．

3.2連續(xù)空間蟻群搜索

3.2.1區(qū)域內(nèi)搜索過程:

對于螞蟻kant從當(dāng)前解xi轉(zhuǎn)移到下一個解xj概率定義為:

其中，F(xiàn)MBZ－Sub表示螞蟻kant所在的當(dāng)前子空間區(qū)域，α，β和γ分別為參數(shù)，表示螞蟻kant選擇解xj時，解xj滿足約束cj的可信度表示螞蟻kant遷移到下一個解xj的啟發(fā)式信息，且，其中表示螞蟻kant的當(dāng)前解xi的目標(biāo)函數(shù)值．

同時定義在區(qū)域內(nèi)搜索過程中，任意螞蟻的轉(zhuǎn)移規(guī)則:

其中，q表示隨機(jī)變量，q0表示隨機(jī)常數(shù)．當(dāng)q≥q0，則螞蟻選擇為具有最大轉(zhuǎn)移概率的解;當(dāng)q＜q0，則螞蟻利用輪盤的方式，隨機(jī)選擇下一解．

3.2.2區(qū)域間搜索過程

由于FMBZ空間區(qū)域中，每個解都有可信度U(x，c)，因此對于任意一個被分割區(qū)域zi都存在區(qū)域平均可信度，則

其中，Uzi(X，C)表示區(qū)域zi的平均可信度，X表示區(qū)域zi解集合，C表示解集合對應(yīng)的約束集，λ(λ＞0)表示常數(shù)系數(shù)．

則螞蟻kant從區(qū)域zi轉(zhuǎn)移到區(qū)域zj概率定義為:其中，F(xiàn)MBZ表示螞蟻所在的解空間區(qū)域，α、β和γ分別為參數(shù)，Uzj表示當(dāng)前區(qū)域平均可信度．τ為轉(zhuǎn)移區(qū)域期望吸引度濃度描述為:

ρ表示吸引度濃度揮發(fā)度，zj表示區(qū)域，m表示螞蟻數(shù)目，T表示時刻，且:

其中，χ(χ＞0)表示比例系數(shù)，xstart和xend分別表示螞蟻在區(qū)域zj中的起始位置和終止位置，F(xiàn)kant(zj，xstart)和Fkant(zj，xend)分別表示區(qū)域zj中起始位置的目標(biāo)函數(shù)值和終止位置的目標(biāo)函數(shù)值．η為期望啟發(fā)式信息且描述為:

其中，q表示服從均勻分布的隨機(jī)變量，q0表示隨機(jī)常數(shù)，I表示閾值，Uzj表示區(qū)域zj平均可信度．

3.3重疊區(qū)域解可信度衰減策略

(1)當(dāng)解被一個MCMOOP問題搜索情況下，其U (s，c)可信度衰減過程，根據(jù)下列公式計算;

(2)當(dāng)解被多個MCMOOP問題搜索情況下，其U (s，c)可信度衰減過程，根據(jù)下列公式計算:

其中，l表示競爭總數(shù)，Ci表示第i個MCMOOP問題所需消耗資源的量，R表示路徑上剩余資源總量，Ci和R定義方式參考公式(17)，U(s，c)表示解s滿足約束c的可信度．

3.4GCTA 算法描述

算法1 GGTA算法

Step 1分解GMCMOOP問題為一組MCMOOP問題，設(shè)定每個MCMOOP問題所對應(yīng)約束條件，對于每個MCMOOP問題，轉(zhuǎn)入Step 2.

Step 2根據(jù)公式3、4、5對其搜索區(qū)域進(jìn)行劃分，設(shè)定集合Zone記錄所有劃分區(qū)域．對于區(qū)域集合Zone，在每個子區(qū)域分別部署一組螞蟻，并轉(zhuǎn)入Step 3.

Step 3初始化所有參數(shù)，對于螞蟻kant，首先根據(jù)公式6、7、8、9對當(dāng)前子區(qū)域進(jìn)行搜索，當(dāng)前子區(qū)域內(nèi)所有螞蟻迭代次數(shù)超過最大值NumberMax以及當(dāng)所有子區(qū)域內(nèi)所有螞蟻搜索完成后，設(shè)變量數(shù)組AS記錄當(dāng)前子區(qū)域中一組非劣解，并對AS排序，轉(zhuǎn)入Step 4.

Step 4為了使得非劣解更加均勻，根據(jù)小生境思想更新AS，并賦予變量數(shù)組FirstMax中，轉(zhuǎn)入Step 5.

Step 5定義變量i，設(shè)定最大循環(huán)次數(shù)size(FirstMax)，如果i≤size (FirstMax)，則根據(jù)公式(19)計算數(shù)組FirstMax中解之間的歐式距離:其中xi和yi分別表示解x和解y的坐標(biāo)分量，如果f(x，y)小于閾值Q，則刪除當(dāng)前解，轉(zhuǎn)入Step 6.

Step 6首先，合并m個區(qū)域的FirstMax并重新排序，對每個MCMOOP問題從更新后的FirstMax中選擇最優(yōu)非劣解并賦值于變量數(shù)組AWS，并根據(jù)公式17、18更新每個最優(yōu)非劣解，并轉(zhuǎn)入Step 7.

Step7設(shè)定區(qū)域最大遷移次數(shù)TransferMax，對于螞蟻kant，根據(jù)公式10、11、12、13、14、15、16進(jìn)行區(qū)域間搜索，如果沒有超過TransferMax，則轉(zhuǎn)入Step 3;否則，則轉(zhuǎn)入Step 8.

Step8如果所有MCMOOP問題都計算完成，則記錄且合并所有MCMOOP中AWS數(shù)組的解，并隨機(jī)刪除合并后公共解，保存退出;否則，等待所有MCMOOP問題計算完成．

3.5GCTA算法有效性證明

證:假設(shè)對任意兩個問題MCMOOPi和MCMOOPj，在考慮W，T兩種度量約束條件下，當(dāng)Wi≤Wj，同時Ti≤Tj，MCMOOPi搜索區(qū)域大于MCMOOPj搜索區(qū)域，根據(jù)搜索速度與區(qū)域成正比，則MCMOOPi搜索時間大于MCMOOPj搜索時間，又由于MCMOOPj約束值要求更高，其最后有可能優(yōu)先搜索到最優(yōu)的解，而MCMOOPi約束值相對較低，因此搜索到的解為次優(yōu)解，最后使得MCMOOPi和MCMOOPj都能找到有效解．證畢．

3.6GCTA算法收斂性證明

算法主要核心部分為連續(xù)空間蟻群搜索過程，則只需要證明連續(xù)空間蟻群搜索過程收斂，則算法就收斂．

證明:對于任意螞蟻，分別對其區(qū)域內(nèi)和區(qū)域間進(jìn)行搜索選擇，因此收斂性需要分別考慮搜索區(qū)域間收斂和區(qū)域內(nèi)收斂．

區(qū)域間收斂證明:當(dāng)螞蟻從當(dāng)前第i次迭代直到NumberMax，螞蟻利用區(qū)域間轉(zhuǎn)移規(guī)則選擇下跳區(qū)域搜索．由于區(qū)域劃分策略需要考慮兩種情況: (1)解均勻分布時，區(qū)域內(nèi)每個覆蓋圓覆蓋區(qū)域利用公式3、4、5計算，在有限資源條件下，覆蓋圓數(shù)目必然趨近一個常數(shù)Q(Q≥1)，因此整個搜索區(qū)域是有界的，則必然收斂; (2)解不均勻分布時，區(qū)域內(nèi)每個覆蓋圓覆蓋區(qū)域利用公式3、4、5計算，雖然每個覆蓋圓區(qū)域大小不一致，但是在有限資源條件下，其覆蓋圓數(shù)目依然是有限，同樣必然收斂．

區(qū)域內(nèi)收斂證明:由于在區(qū)域內(nèi)解分布依然處于離散狀態(tài)，因此在區(qū)域內(nèi)搜索過程可以近似看出離散過程，則同樣需要考慮兩種情況: (1)解均勻分布時，區(qū)域內(nèi)每個覆蓋圓半徑存在上下界，對于任意一個覆蓋圓區(qū)域，當(dāng)螞蟻以區(qū)域內(nèi)規(guī)則在有界區(qū)域搜索時，在第i次迭代時，其對應(yīng)的狀態(tài)隨機(jī)變量用xi= {τ(i)，w(i) }表示，其中w(i)表示當(dāng)前一個解，τ(i)表示當(dāng)前解信息素濃度．xi∈Ω，其中Ω表示狀態(tài)全集，當(dāng)i→+∞時，xi組成整個狀態(tài)全集．根據(jù)文獻(xiàn)［17］引理1和引理2證明可知，xi= {τ(i)，w(i) }所構(gòu)成的隨機(jī)過程是有限非齊次Markov過程，根據(jù)Markov過程收斂性，該過程能夠以概率1收斂到一個全局最優(yōu)解x*= (τ*，w*)，且x*屬于半徑上下界范圍內(nèi)，因此收斂; (2)解不均勻分布時，區(qū)域內(nèi)最大半徑覆蓋圓其半徑依然存在上下界，對于最大半徑覆蓋圓區(qū)域，當(dāng)螞蟻以區(qū)域內(nèi)規(guī)則在有界區(qū)域搜索時，同理收斂，當(dāng)最大半徑覆蓋圓收斂，則最小半徑覆蓋圓同樣收斂，因此收斂．證畢．

4　實驗與分析

實驗環(huán)境配置:曙光集群20個服務(wù)器，每個服務(wù)器配置CPU為AMD皓龍4122，內(nèi)存4G，硬盤300G，操作系統(tǒng)為SUSE Linux Enterprise Server 11.

參數(shù)設(shè)置: NumberMax∈［100，1000］，TransferMax∈［200，900］，α，β，γ∈(0.01，0.99)，λ，q，q0，∈(0，1)，并且根據(jù)統(tǒng)計計算m∈(5，12)之間．

網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu):利用Waxmam模型［18］隨機(jī)生成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)．其中，隨機(jī)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)具有20節(jié)點，30鏈路，并在每條鏈路上隨機(jī)產(chǎn)生n，n≥2個度量參數(shù)，鏈路上度量參數(shù)值隨機(jī)產(chǎn)生，同時每個度量參數(shù)的約束隨機(jī)產(chǎn)生，平均節(jié)點度大于2小于7.

網(wǎng)絡(luò)部署:根據(jù)Waxmam隨機(jī)產(chǎn)生的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，在Internet網(wǎng)絡(luò)環(huán)境下，部署20個曙光集群服務(wù)器，構(gòu)建EPSN網(wǎng)絡(luò)，并運行GCTA算法．

群組命令規(guī)模:根據(jù)統(tǒng)計可知，群組命令規(guī)模平均最小和最大量分別為75和175.

測試性能:

(1)驗證EPSN網(wǎng)絡(luò)規(guī)模不斷改變下，系統(tǒng)運行GCTA算法前后服務(wù)延遲率(Service Delay Rate，SDR)比較，并且SDR描述為:

SDR =服務(wù)延遲時間/正常服務(wù)時間

(2)驗證EPSN網(wǎng)絡(luò)規(guī)模不斷改變下，GCTA算法與Yen［11］及KWABP［12］之間的群組命令傳輸成功率(Transmission Success，TS)比較:

TS =傳輸成功數(shù)/傳輸總數(shù)

(3)驗證群組命令規(guī)模不斷改變下，GCTA算法與多路并發(fā)傳輸CMT［7］及單播路徑選擇算法FPTAS［19］之間的群組命令傳輸成功率比較．

驗證1:在群組命令規(guī)模為175，EPSN網(wǎng)絡(luò)規(guī)模不斷改變下SDR比較

圖1橫坐標(biāo)表示EPSN規(guī)模數(shù)目，縱坐標(biāo)表示SDR．PMCS－GCTA表示PMCS運行GCTA算法，PMCS表示PMCS沒有運行GCTA算法．當(dāng)EPSN規(guī)模為5～10時，GCTA算法的服務(wù)延遲率接近32.5％，沒有運行GCTA算法的服務(wù)延遲率接近40.5％，服務(wù)延遲率減少了19.8％;當(dāng)EPSN規(guī)模為15～20時，GCTA算法的服務(wù)延遲率接近19.5％，沒有運行GCTA算法的服務(wù)延遲率接近26.5％，服務(wù)延遲率減少了26.4％，總體平均減少23.1％．

驗證2:在群組命令規(guī)模為75，EPSN網(wǎng)絡(luò)規(guī)模不斷改變下SDR比較

圖2橫坐標(biāo)表示EPSN規(guī)模數(shù)目，縱坐標(biāo)表示SDR．PMCS－GCTA表示PMCS運行GCTA算法，PMCS表示PMCS沒有運行GCTA算法．當(dāng)EPSN規(guī)模為5～10時，GCTA算法的服務(wù)延遲率接近22.5％，沒有運行GCTA算法的服務(wù)延遲率接近27.8％，服務(wù)延遲率減少了19％;當(dāng)EPSN規(guī)模為15～20時，GCTA算法的服務(wù)延遲率接近12.5％，沒有運行GCTA算法的服務(wù)延遲率接近16％，服務(wù)延遲率減少了21.9％，總體平均減少20.45％．

根據(jù)SDR實驗結(jié)果可知，GCTA算法隨著群組命令規(guī)模增大其性能會降低，同時隨著EPSN網(wǎng)絡(luò)規(guī)模增大會有效增加GCTA性能．

驗證3:在群組命令規(guī)模為175，EPSN網(wǎng)絡(luò)規(guī)模不斷改變下TS比較

圖3橫坐標(biāo)表示EPSN規(guī)模，縱坐標(biāo)表示TS．當(dāng)EPSN規(guī)模數(shù)為5～10時，GCTA算法傳輸成功率接近63.4％，KWABP算法傳輸成功率接近54.5％，Yen算法傳輸成功率接近54.25％，GCTA算法傳輸成功率相對于KWABP和Yen的算法分別提高了16.33％和16.86％;當(dāng)EPSN規(guī)模數(shù)為15～20時，GCTA算法傳輸成功率接近81.4％，KWABP算法傳輸成功率接近75.4％，Yen算法傳輸成功率接近74.2％，GCTA算法傳輸成功率相對于KWABP和Yen的算法分別提高了7.95％和9.7％．

驗證4:在群組命令規(guī)模為75，EPSN網(wǎng)絡(luò)規(guī)模不斷改變下TS比較

圖4橫坐標(biāo)表示EPSN規(guī)模，縱坐標(biāo)表示TS．當(dāng)EPSN規(guī)模數(shù)為5～10時，GCTA算法傳輸成功率接近82％，KWABP算法傳輸成功率接近79.3％，Yen算法傳輸成功率接近79.3％，GCTA算法傳輸成功率相對于KWABP和Yen的算法分別提高了3.4％和3.4％;當(dāng)EPSN規(guī)模數(shù)為15～20時，GCTA算法傳輸成功率接近93.3％，KWABP算法傳輸成功率接近87.95％，Yen算法傳輸成功率接近87.3％，GCTA算法傳輸成功率相對于KWABP和Yen的算法分別提高了6.08％和6.87％．

根據(jù)TS實驗結(jié)果可知，由于Internet具有復(fù)雜特性，網(wǎng)絡(luò)性能極其不穩(wěn)定且動態(tài)變化較快，同時傳輸距離較遠(yuǎn)．因此，群組命令傳輸成功率不高．

驗證5:驗證群組命令規(guī)模不斷變化下，GCTA、CMT、FPTAS之間的群組命令傳輸成功率比較．

圖5橫坐標(biāo)表示群組命令規(guī)模，縱坐標(biāo)表示傳輸成功率．群組命令規(guī)模在75到125之間，算法GCTA成功率為90.65％，算法CMT、算法FPTAS成功率分別為88.1％、84.8％，GCTA相對于CMT、FPTAS分別提高了2.8％、7.0％;群組命令規(guī)模在125到175之間，算法GCTA成功率為84.7％，算法CMT、算法FPTAS成功率分別為81.9％、78.2％，GCTA相對于CMT、FPTAS分別提高了3.41％、7.84％．

針對丟包率方面，由于群組命令中的命令通常為一個分組大?。绻a(chǎn)生丟包，意味著GCTA算法在傳輸群組命令過程中造成部分命令丟失，則意味著群組命令傳輸失敗，需要重新傳輸．這點已經(jīng)通過群組命令傳輸成功率證明，并且重新傳輸機(jī)制不是本文研究范圍．因此，丟包率不需要考慮．

5　結(jié)束語

本文從優(yōu)化理論角度，分析了Internet在傳輸群組命令過程中，提出一種啟發(fā)式群體智能算法GCTA．但是，本文提出的GCTA算法，并沒有考慮群體命令傳輸失敗后的重傳機(jī)制．因此，未來工作重點將考慮群組命令在傳輸失敗后重傳機(jī)制．

參考文獻(xiàn)

［1］朱洪波，楊龍祥，于全．物聯(lián)網(wǎng)的技術(shù)思想與應(yīng)用策略研究［J］．通信學(xué)報，2010，31(11) : 2－11．Zhu Hongbo，Yang Longxiang，Yu Quan．Investigation of technical thought and application strategy for the internet of things［J］．Journal on Communications，2010，31(11) : 2－11．(in Chinese)．

［2］寧煥生，徐群玉．全球物聯(lián)網(wǎng)發(fā)展及中國物聯(lián)網(wǎng)建設(shè)若干思考［J］．電子學(xué)報，2010，38(11) : 2590－2600．Ning Huansheng，Xu Qunyu．Research on global internet of things’developments and it’s construction in china［J］．Acta Electronica Sinica，2010，38 (11) : 2590－2600．(in Chinese)．

［3］錢志鴻，王義君．物聯(lián)網(wǎng)技術(shù)與應(yīng)用研究［J］．電子學(xué)報，2012，40(5) : 1023－1029．Qian Zhihong，Wang Yijun．IoT technology and application ［J］．Acta Electronica Sinica，2012，40(5) : 1023－1029．(in Chinese)．

［4］Liu Q，et al．Key technologies and applications of internet of things［J］．Computer Science，2010，37(6) : 1－4．

［5］LuigiAtzori，Antonio Lera．From“smart objects”to“social objects”．the next evolutionary step of the internet of things ［J］．IEEE Communications Magazine，2014，52 (1) : 97 －106．

［6］Zheng Guosheng，Shu Senyang．A survey on the IETF protocol suite for the internet of things: standards，challeges，and opportunities［J］．IEEE Wireless Communications，2013，20(6) : 91－98．

［7］Iyengar J R，Amer P D，Stewart R．Concurrent multipath transfer using SCTP multihoming over independent end-toend paths［J］．IEEE Transactions on Networking，2006，14 (5) : 951－964．

［8］熊軻，裘正定等．多加性QoS約束下的鏈路分離路由算法［J］．通信學(xué)報，2010，31(6) : 127－135．Xiong Ke，Qiu Zhengding．Link-disjoint routing algorithm under multiple additive QoS constraints［J］．Journal on Communications，2010，31(6) : 127－135．(in Chinese)．

［9］Sawada N，Kaneko K．Pairwise disjoint paths in pancake graphs［A］．Eighth International Conference on Parallel and Distributed Computing，Applications and Technologies，DPCAT 07［C］．Washington，DC: IEEE Society，2007．376 －382．

［10］Xu D H，Chen Y，Xiong Y Z，Qiao C M，et al．On the complexity of and algorithm for finding the shortest path with a disjoint counterpart［J］．IEEE/ACM Transcations on Networking，2006，14(1) : 147－158．

［11］Yen J Y．Finding the k shortest loopless paths in a network［J］．Management Science，1971，11(17) : 712－716．

［12］黃佳慶，楊宗凱等．第K條最大可用帶寬路徑算法［J］．計算機(jī)學(xué)報，2004，27(3) : 402－408．Huang Jiaqing，Yang Zongkai．Kth widest available bandwindth path algorithm［J］．Chinese Journal of Computers，2004，27(3) : 402－408．(in Chinese)．

［13］吳建平，李星，崔勇．4over6:基于非顯式隧道的IPv4跨越IPv6互聯(lián)機(jī)制［J］．電子學(xué)報，2006，34 (3) : 454 －458．Wu Jianping，Li Xing，Cui Yong．4over6: IPv4 network interconnection over IPv6 backbone without explicit tunneling［J］．Acta Electronica Sinica，2006，34(3) : 454－458．(in Chinese)．

［14］胡勁松，鄭啟倫．球隙遷移算法實現(xiàn)全局優(yōu)化［J］．計算機(jī)學(xué)報，2012，35(2) : 193－201．Hu Jinsong，Zheng Qilun．Sphere-gap transferring algorithm to realize global optimization［J］．Chinese Journal of Computers，2012，35(2) : 193－201．(in Chinese)．

［15］張品，李樂民，王晟．運用模糊數(shù)解決非確定環(huán)境下的路由問題［J］．電子學(xué)報，2003，31(12) : 1861－1866．Zhang Pin，Li Lemin，Wang Sheng．Using fuzzy number to solve routing problems on the uncertain condition［J］．Acta Electronica Sinica，2003，31(12) : 1861－1866．(in Chinese)．

［16］王興偉，郭磊，等．一種智能ABC支持型QoS切換決策機(jī)制［J］．電子學(xué)報，2011，39(4) : 1－9．Wang Xingwei，Guo Lei，et al．Intelligent QoS handover decision scheme with ABC supported［J］．Acta Electronica Sinica，2011，39(4) : 1－9．(in Chinese)．

［17］蘇兆品，江建國，等．蟻群算法的幾乎處處強(qiáng)收斂性分析［J］．電子學(xué)報，2009，37(8) : 1643－1651． Su Zhaopin，Jiang Jianguo，et al．An almost everywhere strong convergence proff for a class of ant colony algorithm［J］．Acta Electronica Sinica，2009，37(8) : 1643－1651．(in Chinese)．

［18］Waxman B M．Performance evaluation of multipoint routing algorithms［A］．Proceedings of the INFOCOM’93 Conference［C］．USA，CA，San Francisco．1993．980 －986．

［19］Xue G L，Sen A，Zhang W Y，et al．Finding a path subject to many additive QoS constraints［J］．IEEE Transactions on Networking，2007，15(1) : 201－210．

章剛男，1981年出生，江西撫州人．2007年畢業(yè)于北京大學(xué)軟件與微電子學(xué)院，2011年為上海理工大學(xué)博士研究生，從事物聯(lián)網(wǎng)、網(wǎng)絡(luò)計算等方面的有關(guān)研究．

E-mail: zhanggang198158@163．com

陳慶奎(通信作者)男，1966年出生，哈爾濱人，教授、博士、博士生導(dǎo)師，1987年和1996年分別在吉林大學(xué)、哈爾濱工業(yè)大學(xué)獲學(xué)士和碩士學(xué)位，從事網(wǎng)絡(luò)計算、并行計算等方面的研究工作．

E-mail: chenqingkui@ gmail．com

GCTA: A Group Command Transmission Algorithm

ZHANG Gang1，CHEN Qing-kui1，2
(1．Business School，University of Shanghai for Science and Technology，Shanghai 200093，China; 2．School of Optical-Electrical and Computer Engineering，University of Shanghai for Science and Technology，Shanghai 200093，China)

Abstract:It is a problem that the best-effort service model standing for group command transmission causes path competition．To solve the problem，this paper firstly defines effective path statistics network (EPSN) based on Internet，and further describes group multi-constraints multi-objectives optimization problem based on the EPSN．This paper proposes a group command transmission algorithm．The algorithm defines fuzzy ball division，continuous space ant colony optimization and overlapped area solution reliability reduction respectively．The experiment tests validity of the algorithm from service delay rate and transmission success rate．

Key words:group command transmission; group multi-constraints multi-objectives optimization problem; path competition; ant colony optimization;

作者簡介

基金項目:國家自然科學(xué)基金(No．60970012) ;高等學(xué)校博士學(xué)科點專項科研博導(dǎo)基金(No．20113120110008) ;上海重點科技攻關(guān)項目(No．14511107902) ;上海市工程中心建設(shè)項目(No．GCZX14014) ;上海智能家居大規(guī)模物聯(lián)共性技術(shù)工程中心項目(No．GCZX14014) ;上海市一流學(xué)科建設(shè)項目(No．XTKX2012) ;滬江基金研究基地專項(No．C14001)

收稿日期:2014-06-19;修回日期: 2015-01-15;責(zé)任編輯:藍(lán)紅杰

DOI:電子學(xué)報URL: http: / /www．ejournal．org．cn10．3969/j．issn．0372-2112．2016．02．024

中圖分類號:TP393

文獻(xiàn)標(biāo)識碼:A

文章編號:0372-2112 (2016) 02-0413-07