亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種星地融合網(wǎng)絡(luò)動(dòng)態(tài)服務(wù)遷移重構(gòu)方法

        2022-05-10 01:25:08喬文欣李雄偉倪祥龍陳立偉
        無線電工程 2022年5期
        關(guān)鍵詞:星地時(shí)延鏈路

        喬文欣,盧 皓,李雄偉,倪祥龍,陳立偉

        (1.陸軍工程大學(xué) 石家莊校區(qū),河北 石家莊 050003;2.北京航天飛行控制中心,北京 100094;3.北京空間信息中繼傳輸技術(shù)研究中心,北京 100094;4.電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國家重點(diǎn)實(shí)驗(yàn)室,河南 洛陽 471003)

        0 引言

        隨著微小衛(wèi)星系統(tǒng)與互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,融合地面網(wǎng)絡(luò)和衛(wèi)星網(wǎng)絡(luò)覆蓋空、天、地、海和深空等自然環(huán)境,能夠提供全天候無縫高速網(wǎng)絡(luò)接入的星地融合網(wǎng)絡(luò)逐漸成為當(dāng)前產(chǎn)業(yè)界和學(xué)術(shù)界研究的重要領(lǐng)域之一[1]。通過與SDN/NFV[2](Software Defined Networking/Network Function Virtualization)、5G[3]、邊緣計(jì)算[4]和物聯(lián)網(wǎng)[5]等新型網(wǎng)絡(luò)技術(shù)的結(jié)合,更賦予了星地融合網(wǎng)絡(luò)高效便捷的管理控制能力和靈活可拓展的網(wǎng)絡(luò)服務(wù)支持[6]。在星地融合網(wǎng)絡(luò)架構(gòu)下,按照實(shí)際用戶業(yè)務(wù)需要和服務(wù)需求提供差異化的獨(dú)立網(wǎng)絡(luò)切片,或部署相應(yīng)的虛擬網(wǎng)絡(luò)功能(Virtual Network Function,VNF),其目的都是利用有限的網(wǎng)絡(luò)資源或服務(wù)資源來滿足多樣化的用戶業(yè)務(wù)需求和服務(wù)需求,以獲取更佳的網(wǎng)絡(luò)資源配置與服務(wù)體驗(yàn)。然而,星地融合網(wǎng)絡(luò)自身所具備的網(wǎng)絡(luò)拓?fù)鋭?dòng)態(tài)性,以及用戶業(yè)務(wù)請求和任務(wù)需求隨態(tài)勢實(shí)時(shí)變化的特點(diǎn),都使得一次性的資源部署及優(yōu)化策略與動(dòng)態(tài)變化的網(wǎng)絡(luò)狀態(tài)不再適配,從而導(dǎo)致網(wǎng)絡(luò)性能惡化、用戶服務(wù)質(zhì)量體驗(yàn)下降和網(wǎng)絡(luò)運(yùn)維成本增加等情況發(fā)生。例如,衛(wèi)星節(jié)點(diǎn)或用戶節(jié)點(diǎn)移動(dòng)可能導(dǎo)致傳輸鏈路質(zhì)量下降或連接中斷,使得原有端到端傳輸路徑不能正常工作。所以,當(dāng)星地融合網(wǎng)絡(luò)的網(wǎng)絡(luò)狀態(tài)和用戶需求的動(dòng)態(tài)性嚴(yán)重影響到業(yè)務(wù)流量傳輸或服務(wù)部署質(zhì)量時(shí),需要尋找新的調(diào)整方法來保持流量傳輸和服務(wù)質(zhì)量。

        針對上述問題,將原有服務(wù)節(jié)點(diǎn)上部署的虛擬網(wǎng)絡(luò)功能通過在線遷移或重新實(shí)例化的方式,遷移到資源更充足或路徑更合理的新服務(wù)節(jié)點(diǎn)所在位置,然后按照新位置引導(dǎo)業(yè)務(wù)流量按照新的服務(wù)路徑傳輸,能夠在一定程度上緩解負(fù)載不均衡和服務(wù)質(zhì)量下降等問題[7-8]。這種調(diào)整方式被稱為服務(wù)遷移與重構(gòu),目前在移動(dòng)邊緣網(wǎng)絡(luò)[9-11]、物聯(lián)網(wǎng)[12]和霧計(jì)算[13]等領(lǐng)域有著許多相關(guān)研究,但在多源異構(gòu)且動(dòng)態(tài)性強(qiáng)的星地融合網(wǎng)絡(luò)中,其研究還處于起步階段。不同于一般網(wǎng)絡(luò)框架,星地融合網(wǎng)絡(luò)的動(dòng)態(tài)性主要源于內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)變化和外部用戶需求變化兩方面因素。內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)變化包括衛(wèi)星節(jié)點(diǎn)和地面MEC節(jié)點(diǎn)的移動(dòng)性、節(jié)點(diǎn)和鏈路的新增或失效等因素;外部用戶需求變化包括用戶節(jié)點(diǎn)移動(dòng)導(dǎo)致業(yè)務(wù)和服務(wù)請求接入位置移動(dòng),業(yè)務(wù)和服務(wù)的請求類型和質(zhì)量要求發(fā)生變化等因素。因此,如何在保證網(wǎng)絡(luò)服務(wù)質(zhì)量的同時(shí),為星地網(wǎng)絡(luò)用戶提供連續(xù)且可靠的高質(zhì)量網(wǎng)絡(luò)服務(wù)和業(yè)務(wù)支持,是當(dāng)前星地融合網(wǎng)絡(luò)研究的關(guān)鍵挑戰(zhàn)之一。

        目前,國內(nèi)外學(xué)者對星地融合網(wǎng)絡(luò)服務(wù)遷移重構(gòu)相關(guān)問題的研究已取得了一定的成果。文獻(xiàn)[12]建立了衛(wèi)星智能城市車輛聯(lián)網(wǎng)場景下的計(jì)算資源地理遷移模型,通過霧節(jié)點(diǎn)感知道路狀態(tài)和車輛情況,并提出了一種基于資源定價(jià)的車輛路徑選擇方案,其主要?jiǎng)?chuàng)新在于不同需求情況下的定價(jià)策略算法,但在遷移策略計(jì)算效率方面略顯不足。文獻(xiàn)[14]提出了一種基于天基的在軌服務(wù)體系架構(gòu),能夠根據(jù)實(shí)時(shí)上下行流量變化進(jìn)行動(dòng)態(tài)業(yè)務(wù)遷移,以優(yōu)化遷移節(jié)點(diǎn)時(shí)延和能量消耗為目標(biāo),建立了天基邊緣云服務(wù)遷移模型并進(jìn)行仿真驗(yàn)證,但服務(wù)遷移對象和范圍僅針對衛(wèi)星節(jié)點(diǎn)及其上的在軌服務(wù),未考慮星地節(jié)點(diǎn)之間的遷移問題。文獻(xiàn)[15]研究了空天網(wǎng)絡(luò)場景下的通信服務(wù)動(dòng)態(tài)資源分配和重配置問題,將機(jī)上用戶資源分配問題建模為多周期廣義分配問題,并提出了一種深度Q學(xué)習(xí)控制框架優(yōu)化資源分配和重配置方法。文獻(xiàn)[16-17]考慮車輛聯(lián)網(wǎng)場景的動(dòng)態(tài)性,研究了空天地協(xié)同的車輛聯(lián)網(wǎng)場景下的在線動(dòng)態(tài)VNF映射和調(diào)度問題,提出了2種基于禁忌搜索算法的VNF映射和重調(diào)度算法,能夠有效獲得近似最優(yōu)VNF遷移方案。綜上,雖然當(dāng)前已有一些學(xué)者從不同的角度對星地融合網(wǎng)絡(luò)及相似網(wǎng)絡(luò)架構(gòu)的遷移重構(gòu)問題進(jìn)行了研究,但其針對性和優(yōu)化效果略顯不足,需要進(jìn)一步深入探討。

        為此,本文重點(diǎn)研究了星地融合網(wǎng)絡(luò)架構(gòu)下內(nèi)外部網(wǎng)絡(luò)環(huán)境動(dòng)態(tài)性導(dǎo)致的服務(wù)遷移重構(gòu)問題。首先,給出以節(jié)點(diǎn)移動(dòng)性和用戶需求變化為主要觸發(fā)因素的服務(wù)遷移重構(gòu)基本步驟,并將其中的遷移位置和路徑選擇問題建模為一個(gè)經(jīng)典整數(shù)線性規(guī)劃問題;然后,提出了一種基于模糊量子遺傳算法的動(dòng)態(tài)服務(wù)遷移重構(gòu)(Fuzzy Logic Quantum Genetic Algorithm Based Dynamic Service Migration and Reconfiguration,FQGA-SR)方法,利用其量子編碼和并行計(jì)算的優(yōu)勢進(jìn)行優(yōu)化決策求解;最后,對所提算法的有效性和效率進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證。

        1 問題描述

        星地融合網(wǎng)絡(luò)服務(wù)遷移重構(gòu)過程如圖1所示。星地融合網(wǎng)絡(luò)的基本結(jié)構(gòu)包含由衛(wèi)星網(wǎng)絡(luò)、無人平臺(tái)和地面網(wǎng)絡(luò)組成的3層平面網(wǎng)絡(luò)結(jié)構(gòu),以及地面管理控制中心和GEO衛(wèi)星控制器組成的2層控制結(jié)構(gòu)。假設(shè)LEO衛(wèi)星邊緣節(jié)點(diǎn)和地面邊緣節(jié)點(diǎn)都具備一定算力和存儲(chǔ)資源,可以根據(jù)部署策略承載多種VNFs,能夠?yàn)橛脩籼峁└咚倬W(wǎng)絡(luò)接入、邊緣側(cè)服務(wù)支持、數(shù)據(jù)中繼和鏈路回程。同時(shí),無人機(jī)節(jié)點(diǎn)和衛(wèi)星節(jié)點(diǎn)都擁有通信中繼和鏈路回程能力,由于無人機(jī)受能源和荷載限制,暫不考慮將無人機(jī)節(jié)點(diǎn)作為承載VNF的邊緣節(jié)點(diǎn),僅承擔(dān)中繼轉(zhuǎn)發(fā)功能。衛(wèi)星網(wǎng)絡(luò)平面中的衛(wèi)星節(jié)點(diǎn)通過定向無線通信鏈路互相連接,包括微波、激光、6G通信中的毫米波和自由空間光學(xué)鏈路等,因而支持高速數(shù)據(jù)傳輸。

        圖1上方為星地融合網(wǎng)絡(luò)用戶提出服務(wù)請求的基本過程,當(dāng)前服務(wù)提供的對象為可移動(dòng)車輛終端用戶,車載終端用戶從人口密集型核心城區(qū)由西向東駛向偏遠(yuǎn)地區(qū),該車輛用戶執(zhí)行任務(wù)所需求的服務(wù)功能鏈為有順序的網(wǎng)絡(luò)功能VNF-1,VNF-2和VNF-3。

        圖1 星地融合網(wǎng)絡(luò)服務(wù)遷移重構(gòu)過程Fig.1 Service migration and reconfiguration process of satellite-terrestrial integrated network

        車輛用戶移動(dòng)前,由于周圍具備臨近地面邊緣接入點(diǎn),能夠提供充足的邊緣算力與服務(wù)支撐,從而通過網(wǎng)絡(luò)功能路徑(Service Function Path,SFP)SFP1(N3-N1-N2)到達(dá)目的節(jié)點(diǎn)N4,并分別由地面邊緣節(jié)點(diǎn)N3,N1和N2承載服務(wù)功能VNF-1,VNF-2和VNF-3。

        車輛用戶移動(dòng)至偏遠(yuǎn)地區(qū)后,此時(shí)失去地面邊緣節(jié)點(diǎn)的接入支持和服務(wù)支持,管理控制平面根據(jù)實(shí)時(shí)網(wǎng)絡(luò)狀態(tài)信息和車輛用戶服務(wù)請求,運(yùn)行服務(wù)遷移和重構(gòu)算法得出最優(yōu)遷移位置和遷移路徑。例如,將地面邊緣節(jié)點(diǎn)N3上的VNF-1遷移至衛(wèi)星邊緣節(jié)點(diǎn)N9上,將N1上的VNF-2遷移至衛(wèi)星邊緣節(jié)點(diǎn)N7上,遷移路徑按照最短路徑進(jìn)行。遷移后用戶車輛的數(shù)據(jù)流量按照SFP2(N9-N7-N2)到達(dá)目的節(jié)點(diǎn)N4,以滿足車輛用戶的通信需求和服務(wù)需求,并保持通信和服務(wù)的連續(xù)性及可靠性。

        本文研究的重點(diǎn)是通過服務(wù)遷移和重構(gòu)算法為VNF遷移找到合適的遷入位置,以及在滿足約束限制的情況下,最小化遷移成本,優(yōu)化服務(wù)遷移路徑。

        2 服務(wù)遷移重構(gòu)模型構(gòu)建

        2.1 系統(tǒng)模型

        假設(shè)當(dāng)前星地融合網(wǎng)絡(luò)中地面邊緣節(jié)點(diǎn)和衛(wèi)星邊緣節(jié)點(diǎn)的數(shù)量已知且固定,網(wǎng)絡(luò)用戶和衛(wèi)星節(jié)點(diǎn)可隨時(shí)間變化而移動(dòng),各個(gè)節(jié)點(diǎn)和鏈路之間的連接狀態(tài)和資源狀態(tài)可通過SDN/NFV全局狀態(tài)感知能力獲取,即網(wǎng)絡(luò)拓?fù)錉顟B(tài)和網(wǎng)絡(luò)資源狀態(tài)可知。不同用戶對網(wǎng)絡(luò)服務(wù)請求的服務(wù)需求和資源需求到達(dá)呈一定規(guī)律。

        ① 底層物理網(wǎng)絡(luò)模型

        ② 服務(wù)請求

        表1 主要符號(hào)及定義Tab.1 Main notations and definitions

        服務(wù)請求部署狀態(tài)和物理網(wǎng)絡(luò)資源使用情況隨時(shí)間變化而變化,利用SDN/NFV集中控制功能可以獲取當(dāng)前時(shí)刻的網(wǎng)絡(luò)狀態(tài),每個(gè)邊緣節(jié)點(diǎn)所能承載的用戶服務(wù)請求數(shù)與當(dāng)前剩余資源和用戶請求數(shù)有關(guān)。

        2.2 優(yōu)化目標(biāo)

        考慮到用戶端到端時(shí)延是影響服務(wù)體驗(yàn)最重要的性能指標(biāo)之一,可將時(shí)延作為服務(wù)遷移問題的優(yōu)化目標(biāo)。除了數(shù)據(jù)傳輸過程產(chǎn)生的端到端時(shí)延,服務(wù)遷移過程會(huì)在原有時(shí)延的基礎(chǔ)上產(chǎn)生額外時(shí)延,因此需要作為遷移成本另外考慮。

        因此,星地融合網(wǎng)絡(luò)中的服務(wù)遷移和重構(gòu)問題的優(yōu)化目標(biāo)可以定義為:在保證服務(wù)連續(xù)性的同時(shí),最小化端到端時(shí)延和遷移成本。下面給出端到端時(shí)延和遷移成本的公式化描述,以及服務(wù)遷移和重構(gòu)問題的優(yōu)化目標(biāo)及約束條件。

        ① 端到端時(shí)延

        端到端時(shí)延的計(jì)算為用戶服務(wù)請求到達(dá)邊緣接入點(diǎn),用戶數(shù)據(jù)通過網(wǎng)絡(luò)傳輸并依次通過服務(wù)路徑中的服務(wù)功能所在節(jié)點(diǎn),完成所有服務(wù)功能所產(chǎn)生的時(shí)延,主要包括傳播時(shí)延Dp、傳輸時(shí)延Dtr和處理時(shí)延Dpr三部分,可表示為:

        D(t)=Dp(t)+Dtr(t)+Dpr(t),

        (1)

        式中,傳播時(shí)延主要與星地、星間鏈路的物理長度Dis(fk,fv)有關(guān),計(jì)算公式如下:

        (2)

        (3)

        (4)

        ② 遷移成本

        遷移成本指的是星地融合網(wǎng)絡(luò)的服務(wù)遷移過程中,因執(zhí)行遷移動(dòng)作所產(chǎn)生的額外運(yùn)營成本和開銷。由于本文所關(guān)注的重點(diǎn)在于用戶和衛(wèi)星節(jié)點(diǎn)移動(dòng)性所引發(fā)的服務(wù)遷移,在此僅考慮單個(gè)VNF進(jìn)行遷移和重構(gòu)的情況。每進(jìn)行一次服務(wù)遷移,所產(chǎn)生的遷移成本主要包括在遷入節(jié)點(diǎn)位置實(shí)例化新VNF所花費(fèi)的成本,以及遷移路徑選擇所產(chǎn)生的額外時(shí)延。當(dāng)服務(wù)遷移動(dòng)作所經(jīng)過的路由節(jié)點(diǎn)越多、路徑可用帶寬越小,則所產(chǎn)生的遷移成本越高、業(yè)務(wù)因遷移導(dǎo)致的中斷時(shí)間越長,不利于用戶服務(wù)體驗(yàn)。與此同時(shí),遷移路徑所經(jīng)過的節(jié)點(diǎn)可用路由跳數(shù)替代,遷移成本的計(jì)算可以用遷移路徑跳數(shù)導(dǎo)致的額外傳播時(shí)延和遷移路徑帶寬相關(guān)的額外傳輸時(shí)延衡量。由于實(shí)例化新VNF所花費(fèi)成本與遷移位置無關(guān),因此僅考慮額外時(shí)延,則遷移成本Mc可表示為:

        (5)

        2.3 問題建模

        當(dāng)星地融合網(wǎng)絡(luò)中內(nèi)外部環(huán)境變化觸發(fā)服務(wù)遷移條件時(shí),采用服務(wù)遷移和重構(gòu)優(yōu)化模型求解最優(yōu)服務(wù)遷移策略,主要為遷入節(jié)點(diǎn)和遷移路徑的選擇問題??紤]網(wǎng)絡(luò)用戶的服務(wù)體驗(yàn)及運(yùn)營成本,將最小化端到端時(shí)延和遷移成本作為優(yōu)化目標(biāo),可表示為:

        minCm(t)=min[w1D(t)+w2Mc(t)],

        (6)

        s.t.∑Msu(ni,fk)≤1 , ?ni∈Nsn,fk∈Fs,

        (7)

        (8)

        (9)

        (10)

        Msu(ni,fk)={0,1},?ni∈Nsn,fk∈Fs,

        (11)

        (12)

        式(6)為優(yōu)化問題的目標(biāo)函數(shù),其目的是獲得端到端時(shí)延和遷移成本最小的最優(yōu)遷移位置和遷移路徑,其中w1和w2分別為端到端時(shí)延D(t)和遷移成本Mc(t)的修正系數(shù),用于動(dòng)態(tài)調(diào)整不同服務(wù)對時(shí)延和遷移成本的不同需求。式(7)~式(12)為約束條件,主要考慮底層物理網(wǎng)絡(luò)資源限制與服務(wù)遷移需求之間的均衡。其中,式(7)和式(8)保證一個(gè)服務(wù)遷入節(jié)點(diǎn)和鏈路最多只能映射到一個(gè)底層物理節(jié)點(diǎn)和鏈路上;式(9)保證服務(wù)遷入節(jié)點(diǎn)的計(jì)算資源需求不超過所映射到的底層節(jié)點(diǎn)計(jì)算資源容量;式(10)保證服務(wù)遷移鏈路的帶寬資源需求不超過所映射到的底層鏈路帶寬資源容量;式(11)利用布爾變量表示該底層節(jié)點(diǎn)是否被選為當(dāng)前服務(wù)部署節(jié)點(diǎn),1為部署,0為否;式(12)同上,代表該底層鏈路是否被選為服務(wù)請求虛擬鏈路,1為映射,0為否。

        3 算法設(shè)計(jì)及描述

        由模型可知,服務(wù)遷移重構(gòu)優(yōu)化問題是一個(gè)整數(shù)線性規(guī)劃(Integrated Linear Programming,ILP)問題,即最優(yōu)遷入節(jié)點(diǎn)決策和遷移路徑選擇問題??紤]到衛(wèi)星節(jié)點(diǎn)和用戶的動(dòng)態(tài)性及移動(dòng)性,該問題的求解空間較為龐大。經(jīng)典的精確求解、啟發(fā)式求解和元啟發(fā)式求解算法在一定程度上都具有局限性,不適用于大規(guī)模離散狀態(tài)空間問題[18]。經(jīng)典遺傳算法是一種隨機(jī)啟發(fā)式搜索算法,與精確求解算法相比,該算法效率較高,且其中交叉和變異步驟具有隨機(jī)性,在一定程度上能夠避免算法陷入局部最優(yōu),但過大的隨機(jī)性設(shè)置會(huì)使求解空間變大、求解效率降低。量子遺傳算法是在經(jīng)典遺傳算法的基礎(chǔ)上,將量子算法中量子疊加態(tài)能夠并行計(jì)算以加速求解過程的優(yōu)勢,作用于種群編碼方式和進(jìn)化策略,進(jìn)一步提升遺傳算法原有的求解效率和全局尋優(yōu)能力。而且,該算法能夠彌補(bǔ)染色體組合交叉和變異隨機(jī)性帶來的求解空間過大、求解困難的缺陷,在文獻(xiàn)中已展示出良好的性能表現(xiàn),能夠在較小種群規(guī)模下,快速收斂到全局最優(yōu)解。

        因此,選擇采用量子機(jī)器學(xué)習(xí)與傳統(tǒng)算法結(jié)合的模式,提出了一種基于模糊邏輯(Fuzzy Logic,F(xiàn)L)和量子遺傳算法(Quantum Genetic Algorithm,QGA)的服務(wù)遷移優(yōu)化算法。將對所提算法的基本步驟進(jìn)行詳細(xì)闡述,并給出算法的偽碼,為算法的仿真實(shí)驗(yàn)驗(yàn)證給出鋪墊。

        3.1 基本步驟

        基于模糊量子遺傳算法的服務(wù)遷移重構(gòu)(FQGA-SR)算法的基本步驟如下。

        3.1.1 建立最短路徑矩陣S

        首先,建立FQGA-SR算法的輸入矩陣S,用于表示底層網(wǎng)絡(luò)Gsn內(nèi)任意兩底層節(jié)點(diǎn)間的關(guān)聯(lián)關(guān)系,矩陣S的第i行和第j列代表節(jié)點(diǎn)ni和節(jié)點(diǎn)nj之間所部署SFC的最小時(shí)延。利用k-Dijkstra算法計(jì)算兩節(jié)點(diǎn)間的最短路徑,得到矩陣S。

        3.1.2 FQGA-SR算法初始化

        初始化種群及個(gè)體,設(shè)觀測序列個(gè)數(shù)為Xc,量子比特概率空間為Niche,染色體量子比特編碼長度為K和種群規(guī)模為M。利用量子比特編碼的方式構(gòu)造初始種群及個(gè)體,采用量子疊加態(tài)形式表達(dá)染色體,能夠在保持種群規(guī)模的前提下,大幅提升種群基因型的多樣性。

        (13)

        3.1.3 子種群進(jìn)化

        模糊邏輯算法以隸屬度的形式將離散數(shù)據(jù)模糊化,能夠用單一模糊集合定義離散概率函數(shù),以便高效獲取較為準(zhǔn)確的輸出結(jié)果。因此,利用模糊邏輯算法來描述包含概率幅的量子比特編碼的種群和個(gè)體,有助于獲取子種群的進(jìn)化。令H1表示子種群中|1〉與量子比特編碼數(shù)目K之間的比值,可表示為:

        (14)

        可將適應(yīng)度函數(shù)Fit(Xc)表示為Fit(Xc)=[Obj]-1,Obj為當(dāng)前優(yōu)化目標(biāo),即最小化端到端時(shí)延和遷移成本。根據(jù)適應(yīng)度函數(shù)定義H2,用于衡量當(dāng)前與適應(yīng)度密切相關(guān)的程度,則H2可表示為:

        (15)

        式中,F(xiàn)it*(Xb)為當(dāng)前適應(yīng)度最高的值。

        將H1和H2分別量化為c1級和c2級,其基本取值范圍為[0,1]。通過輸入H1和H2得到量子旋轉(zhuǎn)門相位Δθ和變異概率Pm。

        3.1.4 量子旋轉(zhuǎn)門和變異的自適應(yīng)調(diào)整策略

        利用量子旋轉(zhuǎn)門相位變換和變異操作實(shí)現(xiàn)染色體更新,令算法具備擴(kuò)展能力和探索能力,從而保證算法能夠快速收斂。通過調(diào)整量子旋轉(zhuǎn)門相位Δθ和變異概率Pm來調(diào)節(jié)H1和H2,實(shí)現(xiàn)。假設(shè)R為一個(gè)正實(shí)數(shù),若H1Fit*(Xb),則代表當(dāng)前個(gè)體Fit(Xc)優(yōu)于適應(yīng)度最高的值Fit*(Xb)。此時(shí),利用模糊邏輯分別增大Δθ和Pm的值,從而增加H1。若H1>R且Fit(Xc)

        3.1.5 量子變異操作

        3.2 算法描述

        按照FQGA-SR算法的基本步驟,將底層網(wǎng)絡(luò)Gsn、遷移需求R和染色體量子比特編碼長度K,以及種群規(guī)模M作為輸出,可利用FQGA算法得到最優(yōu)遷移策略Xb,則Xb={x1,x2,…,xi,…,xK}代表服務(wù)遷移后的節(jié)點(diǎn)承載VNF狀態(tài),其中xi代表VNFf∈F部署在底層節(jié)點(diǎn)ni∈Nsn上。

        為方便理解,F(xiàn)QGA-SR算法主要步驟偽代碼如下。算法將服務(wù)遷移問題分為2個(gè)部分:遷入節(jié)點(diǎn)選擇階段和最短遷移路徑選擇階段。其中,第3行用于獲取最短路徑矩陣S,第4行用于初始化FQGA的模型參數(shù),第5~9行是種群進(jìn)化過程,第10~13行是FQGA的變異過程。

        FQGA-SR算法輸入 底層物理網(wǎng)絡(luò)Gsn,服務(wù)請求Gs,種群規(guī)模M,染色體長度K,進(jìn)化迭代次數(shù)T輸出 最優(yōu)遷移策略Xb1 foreach服務(wù)請求s∈Gsdo2 ifIsRequestSatisfied(Gsn,Gs) then3 利用k-Dijkstra算法計(jì)算最短路徑,并獲取最短路徑矩陣S4 根據(jù)式(13)初始化量子基因種群,獲取N(0)5 while(t

        另外,基于FQGA的遷移策略優(yōu)化算法運(yùn)行在星地融合網(wǎng)絡(luò)的控制平面上,通過GEO衛(wèi)星控制器實(shí)時(shí)收集全網(wǎng)狀態(tài)信息,并結(jié)合地面管理控制中心的云計(jì)算中心及邊緣節(jié)點(diǎn)算力,能夠快速有效地得到最優(yōu)遷移決策,實(shí)現(xiàn)VNF遷移并為遷入節(jié)點(diǎn)和相關(guān)鏈路重新分配網(wǎng)絡(luò)資源,以完成服務(wù)遷移重構(gòu)步驟。

        4 仿真實(shí)驗(yàn)及分析

        4.1 參數(shù)設(shè)置

        為評估所提算法在星地融合網(wǎng)絡(luò)服務(wù)遷移優(yōu)化問題中的有效性和性能表現(xiàn),本文建立了仿真實(shí)驗(yàn)平臺(tái)進(jìn)行驗(yàn)證。仿真實(shí)驗(yàn)在Intel Core i7-10710U CPU @3.3 GHz、16 GB RAM的主機(jī)上運(yùn)行,采用Matlab 2018b與STK 11聯(lián)合仿真實(shí)驗(yàn),用于模擬衛(wèi)星星座組網(wǎng)和地面網(wǎng)絡(luò)連接狀態(tài)信息。

        通過STK和Matlab聯(lián)合仿真模擬星地融合網(wǎng)絡(luò)中衛(wèi)星網(wǎng)絡(luò)運(yùn)行情況,獲取衛(wèi)星節(jié)點(diǎn)各個(gè)時(shí)刻的可見性,星地、星間鏈路的可持續(xù)時(shí)間,以及地面節(jié)點(diǎn)衛(wèi)星過頂情況等。設(shè)置星地融合網(wǎng)絡(luò)架構(gòu)下的服務(wù)功能鏈重構(gòu)場景,服務(wù)遷移仿真參數(shù)設(shè)置如表2所示,地面設(shè)置1個(gè)核心云節(jié)點(diǎn)、15個(gè)地面邊緣節(jié)點(diǎn)(MEC節(jié)點(diǎn))、3個(gè)LEO衛(wèi)星邊緣節(jié)點(diǎn)(LEO節(jié)點(diǎn)),星地、星間及地面鏈路連接情況隨LEO衛(wèi)星節(jié)點(diǎn)運(yùn)行變化而變化。

        表2 仿真參數(shù)設(shè)置Tab.2 Simulation parameters setting

        在上述網(wǎng)絡(luò)拓?fù)湎?,單位時(shí)間內(nèi)到達(dá)的SFC請求服從泊松分布,服務(wù)請求到達(dá)率λ為[0.05,0.2],每個(gè)SFC包含[2,6]個(gè)VNFs,生存時(shí)間為[30,80]ms,每個(gè)VNFs所產(chǎn)生的處理時(shí)延為[120,200]ns。上述仿真參數(shù)服從各自取值范圍的隨機(jī)分布,實(shí)驗(yàn)結(jié)果以10次重復(fù)實(shí)驗(yàn)取平均值。

        4.2 結(jié)果分析

        綜合考慮算法收斂性、端到端時(shí)延、服務(wù)重構(gòu)成功率和算法運(yùn)行時(shí)間4個(gè)性能指標(biāo),本文將所提基于模糊量子遺傳算法的服務(wù)遷移重構(gòu)方法(FQGA-SR)與SEC-SM算法[14]、TS-MAPSCH算法[16]和MGA算法[13]進(jìn)行比較,以證明所提算法的有效性及性能表現(xiàn)。

        算法收斂性比較如圖2所示??梢钥闯觯岢龅腇QGA-SR算法以最快的速度收斂到穩(wěn)定狀態(tài),大約在迭代次數(shù)達(dá)到58左右趨于穩(wěn)定;TS-MAPSCH和SEC-SM算法速度其次,都在迭代次數(shù)200左右趨于穩(wěn)定;MGA算法收斂速度較慢,在280次左右。同時(shí),所提FQGA-SR算法和TS-MAPSCH算法在端到端總時(shí)延的優(yōu)化結(jié)果方面表現(xiàn)較好。分析其原因,F(xiàn)QGA-SR算法引入了量子染色體編碼和量子交叉過程,大大地提升了計(jì)算效率,因而求解效果最好。而MGA算法采用傳統(tǒng)染色體編碼方式,在動(dòng)態(tài)網(wǎng)絡(luò)需求和大規(guī)模問題空間下求解較為困難,并且為了避免收斂到局部最優(yōu),需要犧牲求解速度來提高求解精度,所以收斂速度較慢。

        圖2 算法收斂性比較Fig.2 Comparison of algorithm convergence

        圖3為不同流量負(fù)載狀態(tài)下,端到端時(shí)延隨服務(wù)請求數(shù)量變化的示意圖,其中圖3(a)和圖3(b)分別為流量負(fù)載60%和90%的狀態(tài)。

        (a) 流量負(fù)載60%

        (b) 流量負(fù)載90%圖3 端到端時(shí)延比較Fig.3 Comparison of end-to-end delay

        可以看出,所提FQGA-SR算法求得的優(yōu)化結(jié)果較MAG算法、TS-MAPSCH算法和SEC-SM算法表現(xiàn)更好。其中,基于遺傳算法的MGA算法收斂速度稍慢,因此波動(dòng)幅度比其余算法稍大;SEC-SM算法的節(jié)點(diǎn)選擇主要依賴于最短路徑算法,未充分考慮資源狀態(tài),所以部署結(jié)果端到端時(shí)延表現(xiàn)稍差。整體來看,隨著服務(wù)請求數(shù)量的增加,網(wǎng)絡(luò)中的剩余資源不斷減少,后續(xù)到達(dá)的服務(wù)請求部署和遷移受一定影響,端到端時(shí)延的數(shù)值稍顯增加。對比圖3(a)和圖3(b),在流量負(fù)載達(dá)到90%時(shí),網(wǎng)絡(luò)中剩余可用資源較少,可遷移和部署的節(jié)點(diǎn)及鏈路選擇余地較小,因而端到端時(shí)延整體相對增加。

        圖4(a)和圖4(b)分別為服務(wù)重構(gòu)請求到達(dá)率λ=0.05和λ=0.2時(shí),服務(wù)重構(gòu)成功率隨重構(gòu)請求數(shù)量變化的情況。

        由圖4(a)可以看出,請求成功率FQGA-SR算法整體表現(xiàn)最優(yōu),在重構(gòu)請求達(dá)到250時(shí),仍能保持0.847的服務(wù)重構(gòu)成功率;其次為MGA算法和TS-MAPSCH算法,最后為SEC-SM算法,其成功率僅為0.765。分析其原因,所提FQGA-SR算法充分考慮了節(jié)點(diǎn)移動(dòng)性和當(dāng)前網(wǎng)絡(luò)拓?fù)錉顟B(tài),因而能夠更好地做出遷移重構(gòu)決策,MGA算法和TS-MAPSCH算法同屬于啟發(fā)式算法,而SEC-SM算法考慮的觸發(fā)因素主要為流量變化情況,對網(wǎng)絡(luò)拓?fù)錉顟B(tài)變化感知不明顯,所以效果較差。對比圖4(a)和圖4(b)可知,隨著服務(wù)重構(gòu)請求到達(dá)率提升至λ=0.2,4種算法的服務(wù)重構(gòu)成功率都隨之下降,且MGA算法表現(xiàn)略優(yōu)于TS-MAPSCH算法。分析其原因,重構(gòu)成功率下降是由于遷移重構(gòu)算法在應(yīng)對到達(dá)密度較高的服務(wù)請求時(shí),可能面臨節(jié)點(diǎn)和鏈路被占用,計(jì)算和帶寬資源還未釋放的情況,所以其重構(gòu)成功率較低;而MGA算法表現(xiàn)略優(yōu),是由于基于遺傳算法的MGA算法在應(yīng)對較大求解空間規(guī)模時(shí),其全局求解能力和求解效率略優(yōu)于基于禁忌算法的TS-MAPSCH算法。

        圖5顯示了不同流量負(fù)載下的算法運(yùn)行時(shí)間,隨著流量負(fù)載逐漸增加,各算法運(yùn)行時(shí)間也隨之增加。仿真設(shè)置在流量負(fù)載40%~90%。顯然,所提FQGA-SR算法平均運(yùn)行時(shí)間遠(yuǎn)低于MGA算法、TS-MAPSCH算法和SEC-SM算法。以90%負(fù)載為例,F(xiàn)QGA-SR算法的平均運(yùn)行時(shí)間為2.27 s,MGA算法、TS-MAPSCH算法、SEC-SM算法分別為4.38,5.15和6.89 s,前者相比于后3種算法的運(yùn)行時(shí)間分別提升了48%,55%和67%。分析其原因,F(xiàn)QGA-SR算法利用量子疊加原理加速計(jì)算,能夠快速?zèng)Q策出遷移重構(gòu)方案,計(jì)算效率遠(yuǎn)高于其余3種算法;MGA算法在求解空間較大的情況下計(jì)算效率相對高于其余2種算法,但此時(shí)得到的解可能不是全局最優(yōu)解。

        圖5 算法運(yùn)行時(shí)間比較Fig.5 Comparison of algorithm running time

        5 結(jié)束語

        針對星地融合網(wǎng)絡(luò)服務(wù)遷移重構(gòu)優(yōu)化決策問題,在考慮用戶需求動(dòng)態(tài)性和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)移動(dòng)性的基礎(chǔ)上,設(shè)計(jì)了一種端到端時(shí)延及遷移成本最小化的聯(lián)合優(yōu)化模型,并結(jié)合模糊邏輯和量子遺傳算法對模型進(jìn)行了求解。實(shí)驗(yàn)結(jié)果表明,本文提出的FQGA-SR算法在收斂性、有效性和網(wǎng)絡(luò)性能方面具有良好的表現(xiàn),能夠有效地提升遷移重構(gòu)優(yōu)化部署效率。

        猜你喜歡
        星地時(shí)延鏈路
        家紡“全鏈路”升級
        天空地一體化網(wǎng)絡(luò)多中繼鏈路自適應(yīng)調(diào)度技術(shù)
        基于GCC-nearest時(shí)延估計(jì)的室內(nèi)聲源定位
        電子制作(2019年23期)2019-02-23 13:21:12
        基于改進(jìn)二次相關(guān)算法的TDOA時(shí)延估計(jì)
        基于星地和星間鏈路聯(lián)合的北斗衛(wèi)星精密軌道確定
        星地星間聯(lián)合時(shí)間比對與衛(wèi)星鐘預(yù)報(bào)
        星地時(shí)間異步條件下快速建鏈方法
        無線電工程(2017年5期)2017-04-25 01:14:04
        北京星地恒通信息科技有限公司
        FRFT在水聲信道時(shí)延頻移聯(lián)合估計(jì)中的應(yīng)用
        基于分段CEEMD降噪的時(shí)延估計(jì)研究
        国产av日韩a∨亚洲av电影| 久久免费看黄a级毛片| 强奷乱码中文字幕| 色婷婷日日躁夜夜躁| 激,情四虎欧美视频图片| 亚洲精品在线一区二区| 亚洲日韩精品无码专区网址| 无码久久精品国产亚洲av影片| 精精国产xxx在线视频app| 亚洲一区二区三区福利久久蜜桃| 精品偷自拍另类在线观看| 天天摸日日摸狠狠添| 欧美深夜福利视频| 极品粉嫩嫩模大尺度视频在线播放| 国产黄大片在线观看画质优化| 99久久国产综合精品麻豆 | 中文字幕乱偷无码av先锋蜜桃| 99re这里只有热视频| 亚洲视频一区二区三区免费| 视频在线国产一区二区| 久久久日韩精品一区二区三区| 精品99在线黑丝袜| 亚洲精品综合久久中文字幕| 无码国内精品人妻少妇蜜桃视频| 国产一区二区三区在线观看免费| 无码高潮久久一级一级喷水| 日本黄色影院一区二区免费看| 亚洲av无码成人网站在线观看| 日韩亚洲欧美中文高清在线| 亚洲高清av一区二区| 国语自产视频在线| 亚洲粉嫩高潮的18p| 国产精品nv在线观看| 99国产精品久久一区二区三区| 人妻久久久一区二区三区| 亚洲爆乳大丰满无码专区| 白色白在线观看免费2| 国产国产人免费人成免费视频| 亚洲视频在线看| 免费人妻精品区一区二区三| 国产成人精品优优av|