頓聰穎，金鳳林，譚詩(shī)翰，祁春雨

(1.陸軍工程大學(xué) 指揮控制工程學(xué)院，江蘇 南京 210007；2.中國(guó)人民解放軍31697部隊(duì)，遼寧 大連 116100)

0 引言

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)及移動(dòng)終端的普及和發(fā)展，人們對(duì)隨時(shí)隨地接入網(wǎng)絡(luò)的需求越來(lái)越迫切，衛(wèi)星網(wǎng)絡(luò)因其覆蓋范圍廣、不受地面災(zāi)難影響、能以低成本實(shí)現(xiàn)無(wú)處不在的通信而備受關(guān)注。衛(wèi)星在5G生態(tài)系統(tǒng)中發(fā)揮了重要作用， 2017年6月，歐洲成立Sat5G (Satellite and Terrestrial Network for 5G)聯(lián)盟[1]，探索衛(wèi)星采用5G的可靠方案。即將到來(lái)的6G將通過(guò)衛(wèi)星網(wǎng)絡(luò)與地面蜂窩網(wǎng)絡(luò)、機(jī)載網(wǎng)絡(luò)集成到一個(gè)無(wú)線系統(tǒng)中[2]，形成全球無(wú)縫立體覆蓋，實(shí)現(xiàn)無(wú)盲區(qū)寬帶移動(dòng)通信。作為天地一體化信息網(wǎng)絡(luò)的重要組成部分[3]，各個(gè)國(guó)家都在積極發(fā)展衛(wèi)星網(wǎng)絡(luò)。

路由技術(shù)是衛(wèi)星通信網(wǎng)絡(luò)的核心，旨在保證數(shù)據(jù)在衛(wèi)星節(jié)點(diǎn)間的高效、可靠傳輸。由于衛(wèi)星網(wǎng)絡(luò)與地面網(wǎng)絡(luò)存在較大差異，難以采用地面網(wǎng)絡(luò)中成熟的路由技術(shù)，因此需要設(shè)計(jì)符合衛(wèi)星網(wǎng)絡(luò)特點(diǎn)的路由策略。衛(wèi)星網(wǎng)絡(luò)的典型特點(diǎn)之一是網(wǎng)絡(luò)負(fù)載不平衡。從整體看，由于衛(wèi)星網(wǎng)絡(luò)用戶密度和流量需求分布的不均勻，使得衛(wèi)星網(wǎng)絡(luò)資源利用不平衡。對(duì)于單個(gè)衛(wèi)星，由于衛(wèi)星與地面的相對(duì)運(yùn)動(dòng)，單個(gè)衛(wèi)星的流量負(fù)載也在不斷變化，覆蓋陸地的衛(wèi)星一段時(shí)間后可能覆蓋海洋。針對(duì)衛(wèi)星網(wǎng)絡(luò)負(fù)載不平衡的問(wèn)題，已有一些解決辦法被提出，基于有限狀態(tài)機(jī)的鏈路分配方案[4]將系統(tǒng)周期劃分為有限個(gè)時(shí)間片，并將每個(gè)時(shí)間片的網(wǎng)絡(luò)拓?fù)湟暈橐环N狀態(tài)，通過(guò)地面控制中心離線計(jì)算每個(gè)狀態(tài)的最優(yōu)路徑提前上傳至衛(wèi)星。文獻(xiàn)[5]提出了分布式負(fù)載均衡路由方案，從源節(jié)點(diǎn)到目的節(jié)點(diǎn)建立多條鏈路來(lái)共享網(wǎng)絡(luò)流量。LIU等[6]改進(jìn)了Dijkstra算法，通過(guò)降低節(jié)點(diǎn)的重用頻率來(lái)實(shí)現(xiàn)負(fù)載均衡。這些算法可以在一定程度上減輕網(wǎng)絡(luò)擁塞，但都忽略了衛(wèi)星節(jié)點(diǎn)的擁塞程度與其覆蓋區(qū)域內(nèi)用戶量密切相關(guān)，對(duì)流量動(dòng)態(tài)變化適應(yīng)性差。

對(duì)此，本文針對(duì)低軌衛(wèi)星網(wǎng)絡(luò)負(fù)載不平衡和服務(wù)高負(fù)載區(qū)域的衛(wèi)星更容易發(fā)生擁塞的問(wèn)題，提出了一種基于負(fù)載均衡的低軌衛(wèi)星網(wǎng)絡(luò)動(dòng)態(tài)路由算法——DLR。通過(guò)改進(jìn)的蟻群算法計(jì)算出盡可能繞過(guò)高負(fù)載衛(wèi)星的路徑，實(shí)現(xiàn)全局范圍內(nèi)均衡網(wǎng)絡(luò)負(fù)載。對(duì)于突發(fā)的流量擁塞采用逐跳分流的方式，進(jìn)行實(shí)時(shí)路由調(diào)整，從而達(dá)到更好的負(fù)載均衡效果。與經(jīng)典算法比較發(fā)現(xiàn)，提出的算法可有效消除網(wǎng)絡(luò)擁塞。

1 相關(guān)概念

1.1 LEO衛(wèi)星網(wǎng)絡(luò)負(fù)載均衡路由策略分類(lèi)

LEO衛(wèi)星網(wǎng)絡(luò)負(fù)載均衡路由從實(shí)現(xiàn)效果上可分為全局負(fù)載均衡和局部負(fù)載均衡。全局負(fù)載均衡收集全網(wǎng)的負(fù)載狀態(tài)信息，根據(jù)當(dāng)前網(wǎng)絡(luò)狀態(tài)，做出全網(wǎng)范圍內(nèi)的流量均衡策略，整體的負(fù)載均衡效果好，但通信開(kāi)銷(xiāo)大，對(duì)網(wǎng)絡(luò)擁塞的反應(yīng)不靈敏。局部負(fù)載均衡允許每顆衛(wèi)星根據(jù)自己的本地負(fù)載狀態(tài)信息獨(dú)立地做出負(fù)載均衡決策，可以對(duì)網(wǎng)絡(luò)擁塞做出快速反應(yīng)，實(shí)現(xiàn)局部范圍內(nèi)的負(fù)載均衡，通信開(kāi)銷(xiāo)較小，但容易造成局部最優(yōu)或級(jí)聯(lián)擁塞[7]。文獻(xiàn)[8]提出，為了緩解衛(wèi)星網(wǎng)絡(luò)中流量集中在較高緯度的影響，路由算法應(yīng)該支持鏈路之間更加均勻的負(fù)載分擔(dān)。

典型的全局負(fù)載均衡路由算法中，基于鏈路狀態(tài)的路由方案[9]將傳播時(shí)延和排除時(shí)延的總和作為鏈路代價(jià)。文獻(xiàn)[10-11]引入了位置修正因子，將熱點(diǎn)區(qū)域的流量引導(dǎo)到非熱點(diǎn)區(qū)域。文獻(xiàn)[9-11]都是在鏈路代價(jià)最小的一條路徑上進(jìn)行數(shù)據(jù)傳輸。文獻(xiàn)[12-13]則選取最優(yōu)的多條路徑進(jìn)行數(shù)據(jù)傳輸。在地面網(wǎng)絡(luò)SDN思想啟發(fā)下，基于分段路由的負(fù)載均衡算法動(dòng)態(tài)劃分輕重負(fù)載區(qū)域，在不同區(qū)域采用不同路由方法。典型的局部負(fù)載均衡路由算法中，顯式負(fù)載均衡路由算法[14]在相鄰節(jié)點(diǎn)間交換擁塞信息，相鄰衛(wèi)星搜索替代路徑分流。以此為基礎(chǔ)基于信號(hào)燈的智能路由策略[15]根據(jù)信號(hào)燈顏色動(dòng)態(tài)調(diào)整路由，同時(shí)提出公共等待隊(duì)列方案降低丟包率。文獻(xiàn)[16-17]將流量分解為可預(yù)測(cè)部分和突發(fā)部分，根據(jù)流量分布空間和時(shí)間的變化采用全局策略，并對(duì)突發(fā)流量引起的擁塞多跳分流。

1.2 衛(wèi)星節(jié)點(diǎn)狀態(tài)分類(lèi)

衛(wèi)星用戶密度和流量需求的分布是可知的，服務(wù)于用戶密集、流量需求大的區(qū)域的衛(wèi)星更容易發(fā)生擁塞。因此根據(jù)用戶密度和流量需求分布，將衛(wèi)星覆蓋區(qū)域分為高負(fù)載區(qū)和低負(fù)載區(qū)。覆蓋高負(fù)載區(qū)域的衛(wèi)星，隨時(shí)有可能作為源節(jié)點(diǎn)或目的節(jié)點(diǎn)發(fā)送或接收數(shù)據(jù)包，發(fā)生擁塞的可能性更大。

根據(jù)衛(wèi)星網(wǎng)絡(luò)用戶分布和數(shù)據(jù)傳輸過(guò)程中鏈路的隊(duì)列占用率Q，把衛(wèi)星分為3種狀態(tài)：正常狀態(tài)(NS)、警告狀態(tài)(WS)和忙碌狀態(tài)(BS)。在初始階段，衛(wèi)星網(wǎng)絡(luò)中沒(méi)有數(shù)據(jù)傳輸，衛(wèi)星只有正常狀態(tài)和警告狀態(tài)2種，覆蓋高負(fù)載區(qū)的衛(wèi)星為警告狀態(tài)，覆蓋低負(fù)載區(qū)的衛(wèi)星為正常狀態(tài)。數(shù)據(jù)傳輸過(guò)程中，服務(wù)低負(fù)載區(qū)域的衛(wèi)星隊(duì)列占用率q超過(guò)閾值μ或服務(wù)高負(fù)載區(qū)域的衛(wèi)星隊(duì)列占用率超過(guò)閾值θ，衛(wèi)星進(jìn)入忙碌狀態(tài)，其中μ>θ。衛(wèi)星節(jié)點(diǎn)的狀態(tài)轉(zhuǎn)換如圖1所示。根據(jù)衛(wèi)星狀態(tài)執(zhí)行相應(yīng)的負(fù)載均衡。設(shè)置服務(wù)低負(fù)載區(qū)域衛(wèi)星的閾值更大，是為了避免不必要的負(fù)載平衡。設(shè)置服務(wù)低負(fù)載區(qū)域的閾值較小，可以立即對(duì)高負(fù)載區(qū)域衛(wèi)星的流量做出反應(yīng)。算法中全局負(fù)載均衡和局部負(fù)載均衡都在區(qū)分節(jié)點(diǎn)狀態(tài)的前提下實(shí)現(xiàn)。

圖1 衛(wèi)星節(jié)點(diǎn)態(tài)轉(zhuǎn)換Fig.1 State transition of satellite nodes

1.3 LEO衛(wèi)星網(wǎng)絡(luò)模型

為了屏蔽拓?fù)涞膭?dòng)態(tài)變化 ，采用虛擬拓?fù)洳呗?。在給定的時(shí)間間隔T內(nèi)，LEO衛(wèi)星網(wǎng)絡(luò)可建模為G=(V,E,T)的有向圖。其中T={t1,t2,…,tn}，即T可以被劃分為n個(gè)時(shí)間片，且在每個(gè)時(shí)間片內(nèi)拓?fù)浔３植蛔?。V是LEO衛(wèi)星節(jié)點(diǎn)的集合，每顆衛(wèi)星對(duì)應(yīng)一個(gè)節(jié)點(diǎn)v，E={eu,v|u,v∈V}是鏈路的集合，eu,v=1表示節(jié)點(diǎn)u和v之間存在直接相連的鏈路。每顆衛(wèi)星最多維持4條直接相連的星間鏈路(ISL)，分別為2條同軌道的軌道內(nèi)鏈路和2條相鄰軌道的軌道間鏈路。

2 算法設(shè)計(jì)與實(shí)現(xiàn)

2.1 設(shè)計(jì)目標(biāo)

本文提出的LEO衛(wèi)星網(wǎng)絡(luò)負(fù)載均衡路由分為2個(gè)階段實(shí)現(xiàn)：第1階段為最優(yōu)路徑建立階段，通過(guò)改進(jìn)的蟻群算法實(shí)現(xiàn)全局范圍的負(fù)載均衡；第2階段為局部路由調(diào)整階段，衛(wèi)星節(jié)點(diǎn)變?yōu)槊β禒顟B(tài)時(shí)逐跳分流以實(shí)現(xiàn)局部的負(fù)載均衡。局部和全局2種方法相結(jié)合，可以達(dá)到更好的負(fù)載均衡效果。

Metachronous gastric cancer means here that a new cancer is found separately from an initial cancer with or without H. pylori. The metachronous gastric cancer contains gastric cancer after H. pylori eradication.

2.2 基于蟻群算法的全局負(fù)載均衡

2.2.1 蟻群算法簡(jiǎn)介

蟻群算法是意大利學(xué)者Dorigo[18]從蟻群覓食過(guò)程中獲得靈感而提出。螞蟻在環(huán)境中隨機(jī)漫游，以確定食物來(lái)源，并尋找食物到巢穴之間的最短路徑。為了交換路徑信息，螞蟻通過(guò)釋放信息素的化學(xué)物質(zhì)進(jìn)行交流。當(dāng)螞蟻從巢穴移動(dòng)到食物來(lái)源時(shí)，會(huì)在所經(jīng)過(guò)路徑上留下信息素。當(dāng)絕大多數(shù)螞蟻跟隨時(shí)，這條路徑變得更有吸引力。利用這種機(jī)制，螞蟻能夠高效地將食物從源頭運(yùn)送到巢穴。蟻群算法最早被應(yīng)用于解決TSP問(wèn)題，之后又被廣泛用于解決車(chē)間作業(yè)調(diào)度問(wèn)題、車(chē)輛派遣問(wèn)題、機(jī)器人問(wèn)題和網(wǎng)絡(luò)路由問(wèn)題。表1總結(jié)了傳統(tǒng)路由算法與蟻群算法在路由信息、路由開(kāi)銷(xiāo)和負(fù)載均衡等方面的性能比較。

表1 蟻群算法與傳統(tǒng)算法的比較Tab.1 Comparison between ant colony algorithm and traditional algorithm

創(chuàng)新人才應(yīng)該擁有寬廣深厚的文化基礎(chǔ)知識(shí)，能通專(zhuān)結(jié)合，具有強(qiáng)烈的社會(huì)責(zé)任感以及獨(dú)立的人格。通過(guò)經(jīng)典閱讀來(lái)促進(jìn)創(chuàng)新人才培養(yǎng)，溫故而知新，經(jīng)典常讀也會(huì)常新，在理論與實(shí)際、歷史與現(xiàn)實(shí)之間，搭建一座智慧溝通橋梁。美國(guó)的約瑟夫·斯科特·李曾經(jīng)說(shuō)過(guò)：世界經(jīng)典如《對(duì)話錄》、《論語(yǔ)》，“它教導(dǎo)學(xué)生處處思考和感受人類(lèi)關(guān)心的那些具有深刻意涵和基礎(chǔ)性事物，跨越眾多的學(xué)科、文明和時(shí)代——不是簡(jiǎn)單地重現(xiàn)過(guò)去，而且也想象未來(lái)”。

2.2.2 數(shù)據(jù)結(jié)構(gòu)

將蟻群算法中的螞蟻抽象為兩類(lèi)：前向螞蟻和后向螞蟻。前向螞蟻由源衛(wèi)星節(jié)點(diǎn)生成并發(fā)送至目的衛(wèi)星節(jié)點(diǎn)，主要負(fù)責(zé)路由信息收集。后向螞蟻由目的衛(wèi)星節(jié)點(diǎn)生成，沿與前向螞蟻相反的路徑到達(dá)源節(jié)點(diǎn)，負(fù)責(zé)路由表的更新。在衛(wèi)星網(wǎng)絡(luò)中，螞蟻的數(shù)據(jù)結(jié)構(gòu)包含以下字段：

Ant_typesrcdstNeighborNeighbor_stateVsVs_time

其中，Ant_type為螞蟻類(lèi)型，src為源衛(wèi)星節(jié)點(diǎn)，dst為目的衛(wèi)星節(jié)點(diǎn)，Neighbor、Neighbor_state分別為螞蟻可選的鄰居節(jié)點(diǎn)集合和鄰居節(jié)點(diǎn)狀態(tài)，Vs和 Vs_time為螞蟻已訪問(wèn)的衛(wèi)星節(jié)點(diǎn)集合及經(jīng)過(guò)各節(jié)點(diǎn)的時(shí)間戳。

為了記錄和更新路由表，每顆衛(wèi)星節(jié)點(diǎn)維護(hù)節(jié)點(diǎn)負(fù)載表和路由表，節(jié)點(diǎn)負(fù)載表記錄本地節(jié)點(diǎn)和鄰居節(jié)點(diǎn)負(fù)載情況，負(fù)載表結(jié)構(gòu)為：

Node_IDNode_stateNeighborNeighbor_state

其中，Node_ID為當(dāng)前節(jié)點(diǎn)，Node_state為當(dāng)前節(jié)點(diǎn)狀態(tài)，Neighbor為鄰居節(jié)點(diǎn)，Neighbor_state為鄰居節(jié)點(diǎn)狀態(tài)。state=2表示節(jié)點(diǎn)處于正常狀態(tài)，可以作為下一跳節(jié)點(diǎn)；state=1表示節(jié)點(diǎn)處于警告狀態(tài)；state=0表示衛(wèi)星節(jié)點(diǎn)處于忙碌狀態(tài)，路由過(guò)程中應(yīng)盡量避免選擇警告狀態(tài)和忙碌狀態(tài)的節(jié)點(diǎn)作為下一跳。

路由表用轉(zhuǎn)移概率表代替，表示目的衛(wèi)星節(jié)點(diǎn)時(shí)當(dāng)前衛(wèi)星節(jié)點(diǎn)在鄰居節(jié)點(diǎn)集中選擇某顆衛(wèi)星作為下一跳的概率，路由表結(jié)構(gòu)為：

dstNeighborPij

其中，dst為目的衛(wèi)星節(jié)點(diǎn)，Neighbor為鄰居節(jié)點(diǎn)，Pij為節(jié)點(diǎn)i選擇鄰居節(jié)點(diǎn)j作為下一跳的概率。當(dāng)數(shù)據(jù)包經(jīng)過(guò)衛(wèi)星節(jié)點(diǎn)i時(shí)，衛(wèi)星i會(huì)根據(jù)自身路由表轉(zhuǎn)發(fā)數(shù)據(jù)包。

2.2.3 路徑選擇規(guī)則

(1) 狀態(tài)轉(zhuǎn)移規(guī)則

前向螞蟻根據(jù)以下規(guī)則來(lái)選擇下一跳：首先判斷目的節(jié)點(diǎn)是否在鄰居節(jié)點(diǎn)集中，若在，則下一跳為目的節(jié)點(diǎn)；若目的節(jié)點(diǎn)不在鄰居節(jié)點(diǎn)集中，則根據(jù)下式確定轉(zhuǎn)移概率：

(1)

在衛(wèi)星網(wǎng)絡(luò)中，高流量負(fù)載的節(jié)點(diǎn)很容易成為網(wǎng)絡(luò)瓶頸，因此增加了節(jié)點(diǎn)狀態(tài)信息和QoS信息，在保證服務(wù)質(zhì)量的同時(shí)，螞蟻更傾向于選擇正常狀態(tài)節(jié)點(diǎn)作為下一跳，最優(yōu)路徑傾向于繞開(kāi)覆蓋高負(fù)載區(qū)域的衛(wèi)星節(jié)點(diǎn)，路徑的負(fù)載能力更強(qiáng)，降低擁塞發(fā)生的可能。因此將啟發(fā)函數(shù)設(shè)置為鏈路質(zhì)量的度量：

開(kāi)展施工作業(yè)的時(shí)候，應(yīng)當(dāng)在完成了排水管道施工之后，對(duì)其進(jìn)行壓力試驗(yàn)，有助于了解施工的質(zhì)量情況，對(duì)產(chǎn)生的問(wèn)題及時(shí)予以補(bǔ)救，提高工程建造的質(zhì)量。試驗(yàn)的方法可以利用氣壓和水壓，可以通過(guò)管道的性能來(lái)判斷和掌握要采用哪種方式。在試驗(yàn)過(guò)程中，詳細(xì)檢查管道的施工接縫位置，并記錄結(jié)果。如果使用PP－R管的管材，那么就要開(kāi)展兩次試驗(yàn)，可以設(shè)置在整個(gè)施工的前期和后期，在試驗(yàn)的過(guò)程中，應(yīng)當(dāng)著重注意兩個(gè)方面的問(wèn)題。首先是連接部位，其次是室內(nèi)管道部分。這些地方尤其要注意它們的密封性是否良好，否則水不能夠正常地被排放出去就會(huì)引發(fā)事故。

(2)

(2) 信息素更新規(guī)則

下田插秧前還要對(duì)插秧機(jī)作一次全面仔細(xì)的檢查調(diào)試，以確保插秧機(jī)能夠正常工作。并要根據(jù)大田的肥力、水稻品種等，對(duì)插秧的株距、插秧的深度、每穴的秧苗株數(shù)進(jìn)行檢查和調(diào)整。

局部調(diào)整示圖和調(diào)整后的路由表如圖3所示，在使用蟻群算法計(jì)算的最優(yōu)路徑進(jìn)行數(shù)據(jù)傳輸?shù)倪^(guò)程中，衛(wèi)星S10進(jìn)入擁塞狀態(tài)，會(huì)通知上一跳衛(wèi)星節(jié)點(diǎn)S6以比率χ減小向S10的數(shù)據(jù)發(fā)送速率，同時(shí)查看自身路由表，選取除節(jié)點(diǎn)S10之外的轉(zhuǎn)移概率最大的節(jié)點(diǎn)S5為分流的下一跳節(jié)點(diǎn)，并將1-χ比率的流量通過(guò)路徑S6→S9→S13進(jìn)行傳輸。同時(shí)，S6的路由表也隨之更新。同時(shí)，因?yàn)橄伻核惴ㄎ浵佋L問(wèn)列表的存在，數(shù)據(jù)包不會(huì)回傳到S7。

τij(0)=j_state×C，

(3)

式中，j_state為衛(wèi)星節(jié)點(diǎn)j的狀態(tài)值，初始狀態(tài)衛(wèi)星節(jié)點(diǎn)只有正常狀態(tài)和警告狀態(tài)；C為常數(shù)。

式(3)的定義可以使覆蓋高負(fù)載區(qū)域的節(jié)點(diǎn)信息素濃度更低，而相對(duì)空閑的衛(wèi)星節(jié)點(diǎn)鏈路信息素濃度高，可以降低流量需求高路徑的信息素濃度積累，避免流量聚集導(dǎo)致的網(wǎng)絡(luò)擁塞，相比傳統(tǒng)蟻群算法初始化信息素濃度相同，收斂速度更快。

前向螞蟻到達(dá)目的節(jié)點(diǎn)后死亡，后向螞蟻沿前向螞蟻的路徑更新信息素：

τij(t+1)=(1-ρ)τij(t)+ρΔτij(t)，

(4)

(5)

(6)

每次聊天，高潮和“詩(shī)的妾”都是這樣，任何事情，即便再風(fēng)馬牛不相及，都能與性津津有味地牽扯在一起，晦澀，曖昧。誰(shuí)讓兩人都是詩(shī)人，都有著無(wú)比豐富的天才想象力呢。這樣的聊天，讓兩人在虛擬的世界里彼此吸引，成了一對(duì)“模范夫妻”，一天不搭訕，就覺(jué)得心里空空蕩蕩的。

與自然界中螞蟻相遇時(shí)觸角碰觸交換信息相似，當(dāng)前向螞蟻與后向螞蟻相遇時(shí)，前向螞蟻復(fù)制后向螞蟻記錄的數(shù)據(jù)，在選擇下一跳衛(wèi)星節(jié)點(diǎn)時(shí)可以使用到更全面的信息，從而加快收斂速度。

局部衛(wèi)星網(wǎng)絡(luò)拓?fù)淇煺占跋嚓P(guān)節(jié)點(diǎn)的路由如圖2所示。

圖2 局部網(wǎng)絡(luò)拓?fù)浜吐酚杀鞦ig.2 Local network topology and routing table

在該拓?fù)渲?，衛(wèi)星節(jié)點(diǎn)S1處于警告狀態(tài)，其余衛(wèi)星節(jié)點(diǎn)均處于正常狀態(tài)。衛(wèi)星節(jié)點(diǎn)S3有需要發(fā)往S13的數(shù)據(jù)。每個(gè)衛(wèi)星節(jié)點(diǎn)都包含到鄰居節(jié)點(diǎn)的轉(zhuǎn)移概率的路由表，根據(jù)路由表，節(jié)點(diǎn)S3會(huì)選擇路由表中轉(zhuǎn)移概率最大的鄰居節(jié)點(diǎn)S7作為下一跳；同理，衛(wèi)星S7會(huì)選擇S6作為下一跳，衛(wèi)星S6會(huì)選擇S10作為下一跳，衛(wèi)星S10最后把數(shù)據(jù)包發(fā)送到目的端衛(wèi)星S13。通過(guò)蟻群算法得到的最優(yōu)路徑為S3→S7→S6→S10→S13,路徑繞過(guò)了覆蓋擁塞區(qū)域的衛(wèi)星S11。

綜上所述，中國(guó)的乳企和養(yǎng)殖者之間的合約是一個(gè)權(quán)利義務(wù)相當(dāng)不對(duì)等的合約，養(yǎng)殖者被限制交易對(duì)象的對(duì)價(jià)應(yīng)該是買(mǎi)方保證以合理的價(jià)格收購(gòu)其全部產(chǎn)品。對(duì)合約公平性的想象是初始合約的“參照點(diǎn)”，當(dāng)事后談判力弱的一方感受自己的權(quán)力受到侵害，就會(huì)“粗糙”地履行合約，導(dǎo)致其關(guān)系專(zhuān)用性投資不足，直至最終退出交易。

2.3 局部路由調(diào)整

通過(guò)上述蟻群算法可以得到盡可能繞過(guò)擁塞區(qū)域的最優(yōu)路徑，在很大程度上滿足全網(wǎng)流量均衡的需求。然而，由于蟻群算法搜索時(shí)間較長(zhǎng)，且在2次路由表更新之間可能會(huì)出現(xiàn)突發(fā)的流量擁塞，不能實(shí)時(shí)反映網(wǎng)絡(luò)中負(fù)載變化情況。因此，設(shè)計(jì)局部路由調(diào)整處理突發(fā)的流量擁塞，進(jìn)行實(shí)時(shí)路由調(diào)整，彌補(bǔ)全局負(fù)載均衡反應(yīng)的不及時(shí)，從而達(dá)到更好的負(fù)載均衡效果。

每顆衛(wèi)星維護(hù)一個(gè)節(jié)點(diǎn)狀態(tài)監(jiān)測(cè)定時(shí)器，以固定的時(shí)間間隔δ檢測(cè)鏈路排隊(duì)長(zhǎng)度q，判斷衛(wèi)星節(jié)點(diǎn)狀態(tài)并與相鄰衛(wèi)星交換狀態(tài)信息。當(dāng)衛(wèi)星s發(fā)現(xiàn)鏈路隊(duì)列占用率大于1.3節(jié)提到的閾值，進(jìn)入忙碌狀態(tài)時(shí)，會(huì)通知上一跳衛(wèi)星分流。上一跳衛(wèi)星節(jié)點(diǎn)根據(jù)蟻群算法計(jì)算出的轉(zhuǎn)移概率表，選擇除s節(jié)點(diǎn)外的轉(zhuǎn)移概率最大的衛(wèi)星節(jié)點(diǎn)e作為替代路由，并以比率χ降低向s的發(fā)送速率，剩余的1-χ比率的流量將發(fā)送到衛(wèi)星節(jié)點(diǎn)e。

由于衛(wèi)星節(jié)點(diǎn)有到鄰居節(jié)點(diǎn)的概率表，因此與ELB等經(jīng)典局部負(fù)載均衡相比，不需要重新計(jì)算備用路徑，而是直接查找概率表進(jìn)行分流，減少了替代路徑搜索的計(jì)算開(kāi)銷(xiāo)，提高了局部調(diào)整的反應(yīng)速度。此外，局部分流后，節(jié)點(diǎn)會(huì)根據(jù)分流比率更新轉(zhuǎn)發(fā)概率表，以供蟻群算法在路徑構(gòu)建過(guò)程中使用。

為了降低通過(guò)高負(fù)載區(qū)域衛(wèi)星流的數(shù)量，定義初始化信息素濃度為：

圖3 局部調(diào)整示圖和調(diào)整后的路由表Fig.3 Local adjustment graph and adjusted routing table

此外，存在2種不分流的情況：① 如果一顆過(guò)載衛(wèi)星的相鄰衛(wèi)星的所有相鄰衛(wèi)星都處于忙碌狀態(tài)，則不會(huì)分流；② 忙碌狀態(tài)的衛(wèi)星與目的衛(wèi)星節(jié)點(diǎn)直接相連時(shí)，不進(jìn)行分流。

算法的負(fù)載均衡是建立在衛(wèi)星節(jié)點(diǎn)狀態(tài)變化 的基礎(chǔ)上的，因此設(shè)置合理的閾值以區(qū)分衛(wèi)星節(jié)點(diǎn)不同狀態(tài)至關(guān)重要。下面討論隊(duì)列占用率閾值設(shè)置和分流比設(shè)置。

(1) 隊(duì)列占用率閾值設(shè)置

由表1可以看出，蟻群算法更能適應(yīng)衛(wèi)星網(wǎng)絡(luò)拓?fù)渥兓l繁、流量分布不均勻的特點(diǎn)，且蟻群算法可擴(kuò)展性高，易與其他算法結(jié)合，因此本文選擇蟻群算法進(jìn)行衛(wèi)星網(wǎng)絡(luò)的全局負(fù)載均衡路由。

合理選取局部路由調(diào)整階段的隊(duì)列閾值，避免衛(wèi)星在高負(fù)載時(shí)發(fā)生丟包?？紤]特殊情況，t時(shí)刻進(jìn)行衛(wèi)星狀態(tài)檢測(cè)時(shí)，衛(wèi)星u輸出鏈路上隊(duì)列占用率接近但不超過(guò)調(diào)整閾值，此刻衛(wèi)星仍處于正常狀態(tài)或警告狀態(tài)，但當(dāng)檢測(cè)時(shí)刻剛過(guò)，由于數(shù)據(jù)的持續(xù)輸入隊(duì)列占用率超過(guò)閾值，但還需等待δ+d時(shí)間(d為鏈路傳輸時(shí)延)衛(wèi)星狀態(tài)才會(huì)轉(zhuǎn)換為忙碌狀態(tài)。為了保證不發(fā)生丟包，鏈路的隊(duì)列占用長(zhǎng)度應(yīng)不超過(guò)總長(zhǎng)度，因此需滿足：

以某3×750 t/d的生活垃圾焚燒發(fā)電項(xiàng)目為例，煙氣排放設(shè)計(jì)值較嚴(yán)格，HCl和SO2的日均值和小時(shí)均值皆為10 mg/m3。煙氣脫硫采用半干法（石灰漿） +干法（消石灰） +濕法（NaOH） 的處理工藝，其中干法為備用。

(7)

(8)

已知μ>θ，因此只需滿足式(7)即可。

① 確定當(dāng)前時(shí)間片下的衛(wèi)星網(wǎng)絡(luò)拓?fù)鋱DG=(V,E,t)，根據(jù)衛(wèi)星節(jié)點(diǎn)狀態(tài)初始化信息素濃度和α，β，ρ等參數(shù)，設(shè)置螞蟻數(shù)m，迭代次數(shù)N=0，最大迭代次數(shù)Nmax。

(9)

(2) 分流比設(shè)置

設(shè)置分流比的目標(biāo)是使忙碌狀態(tài)的衛(wèi)星在預(yù)定時(shí)間ε內(nèi)恢復(fù)正常狀態(tài)或警告狀態(tài)。設(shè)In和It分別為來(lái)自相鄰衛(wèi)星節(jié)點(diǎn)和來(lái)自覆蓋區(qū)域內(nèi)用戶終端的流量速率。當(dāng)覆蓋低負(fù)載區(qū)域的衛(wèi)星狀態(tài)由正常狀態(tài)轉(zhuǎn)換為忙碌狀態(tài)時(shí)，相鄰衛(wèi)星會(huì)降低發(fā)送速率，擁塞鏈路隊(duì)列占用長(zhǎng)度為：

(10)

為了使衛(wèi)星在ε內(nèi)恢復(fù)正常狀態(tài)，即將隊(duì)列占用率降低到α以下，則應(yīng)滿足：

(11)

式中，I′n為調(diào)整后鄰居節(jié)點(diǎn)的發(fā)送速率。取臨界情況：

(12)

分流比可通過(guò)下式計(jì)算：

(13)

同理，對(duì)于覆蓋高負(fù)載區(qū)域的衛(wèi)星可通過(guò)式(13)～式(15)計(jì)算分流比：

(14)

(15)

2.4 算法步驟

圖5～圖7分別顯示了不同終端發(fā)送速率下使用DSP,ELB和本文提出的DLR算法下的低軌衛(wèi)星網(wǎng)絡(luò)丟包率、平均時(shí)延、吞吐量和流量分布指數(shù)?？梢钥闯?相比DSP和ELB，DLR有更好的性能。

數(shù)據(jù)應(yīng)用SPSS18.0進(jìn)行分析，其中計(jì)數(shù)進(jìn)行χ2（%）檢驗(yàn)，計(jì)量進(jìn)行t檢測(cè)（±s）檢驗(yàn)，P＜0.05提示有顯著差異。

圖4 算法流程Fig.4 Algorithm flow chart

④ 前向螞蟻移動(dòng)到節(jié)點(diǎn)j，判斷j是否為目的節(jié)點(diǎn)d，若是，轉(zhuǎn)到⑤；否則，重復(fù)③繼續(xù)尋找下一跳節(jié)點(diǎn)。

選擇-0.074 mm占41.41%、60.00%、80.00%、89.29%、99.59%的磨礦細(xì)度進(jìn)行細(xì)度試驗(yàn)。磁性分析表明該礦以強(qiáng)磁性礦物為主，故磨礦細(xì)度試驗(yàn)采用弱磁選，弱磁選條件：磁場(chǎng)強(qiáng)度110.00 kA/m，給礦濃度35.00%。試驗(yàn)結(jié)果見(jiàn)表6。

② 確定業(yè)務(wù)流的源節(jié)點(diǎn)s和目的節(jié)點(diǎn)d，將源節(jié)點(diǎn)設(shè)置為螞蟻的當(dāng)前節(jié)點(diǎn)i，m只螞蟻放置于當(dāng)前節(jié)點(diǎn)，N=N+1。

③ 將當(dāng)前節(jié)點(diǎn)i加入到已訪問(wèn)節(jié)點(diǎn)列表，每只前向螞蟻根據(jù)式(1)獨(dú)立地選擇下一跳節(jié)點(diǎn)j。

算法的具體實(shí)現(xiàn)步驟如下：

⑤ 前向螞蟻到達(dá)目的節(jié)點(diǎn)死亡，生成后向螞蟻，后向螞蟻沿前向螞蟻經(jīng)過(guò)的節(jié)點(diǎn)返回源節(jié)點(diǎn)，根據(jù)式(4)～式(6)更新鏈路信息素濃度，并利用新的信息素濃度更新概率表。

⑥ 判斷是否進(jìn)行了局部路由調(diào)整，如果是，根據(jù)調(diào)整情況更新概率表。

⑦ 若N

旅游者使用航空交通工具從出發(fā)點(diǎn)被帶到旅游目的地，這樣一來(lái)相關(guān)地區(qū)的旅游地區(qū)就會(huì)形成大量的客流源，在一定程度上帶動(dòng)當(dāng)前地區(qū)旅游業(yè)的發(fā)展。城市當(dāng)中具有的機(jī)場(chǎng)的數(shù)量以及相關(guān)的規(guī)模也會(huì)對(duì)進(jìn)入旅游地區(qū)的人數(shù)產(chǎn)生重要的影響，所以說(shuō)航空業(yè)能夠有效地帶動(dòng)旅游業(yè)的發(fā)展。航空也在無(wú)形之中帶動(dòng)旅游業(yè)的發(fā)展，旅游業(yè)也在無(wú)形之中推進(jìn)航空業(yè)的發(fā)展，兩者合作共贏，相互提高。

3 仿真實(shí)驗(yàn)與結(jié)果分析

該節(jié)主要討論所提算法的性能。作為比較條件，在相同場(chǎng)景下實(shí)現(xiàn)了以傳播時(shí)延和排隊(duì)時(shí)延作為鏈路代價(jià)的DSP算法和經(jīng)典的局部負(fù)載均衡算法ELB。在仿真中，主要測(cè)量了終端發(fā)送速率0.5～1.4 Mb/s的鏈路的平均端到端時(shí)延、丟包率和流量分布指數(shù)。模擬持續(xù)時(shí)間設(shè)置為衛(wèi)星繞地球運(yùn)行所需的時(shí)間6 026.9 s。

3.1 仿真場(chǎng)景設(shè)置

本文使用網(wǎng)絡(luò)仿真軟件NS2.35評(píng)估所提算法的性能。在NS2.35中搭建了一個(gè)類(lèi)銥星星座場(chǎng)景，其星座參數(shù)如表2所示。

表2 銥星星座參數(shù)Tab.2 Parameters of Iridium constellation

網(wǎng)絡(luò)拓?fù)溆摄炐蔷W(wǎng)絡(luò)和用戶終端組成。用戶終端通過(guò)LEO衛(wèi)星網(wǎng)絡(luò)進(jìn)行通信。終端采用ON/OFF流量發(fā)生器，周期服從參數(shù)為1.5的Pareto分布，突發(fā)和空閑的平均時(shí)長(zhǎng)均為200 ms。星地鏈路和星間鏈路帶寬均設(shè)置為25 Mb/s。數(shù)據(jù)包大小為1 kB，每個(gè)鏈路有一個(gè)長(zhǎng)度為1 000個(gè)數(shù)據(jù)包的緩沖隊(duì)列。蟻群算法的相關(guān)參數(shù)對(duì)算法的性能有比較大的影響，經(jīng)過(guò)多次實(shí)驗(yàn)，選取了性能較好的組合。取m=40，α=2，β=3，ρ=0.6。流量分布如表3所示。

為模擬真實(shí)的分布，根據(jù)表6在各大洲之間設(shè)置1 800個(gè)流。各個(gè)大洲占全球的比例關(guān)系依據(jù)是其他大洲到該大洲所占的比例關(guān)系，本文簡(jiǎn)單認(rèn)為到該大洲及從該大洲發(fā)出的流量是線性關(guān)系，即到該大洲的流量越多，該大洲發(fā)送的流量也越多。

3.2 結(jié)果分析

本文所提算法的執(zhí)行流程如圖4所示。該算法借鑒了按需路由的思想，每個(gè)衛(wèi)星節(jié)點(diǎn)只保存相鄰節(jié)點(diǎn)的拓?fù)湫畔?，?dāng)有數(shù)據(jù)包通信任務(wù)時(shí)，才開(kāi)始執(zhí)行算法，尋路過(guò)程中及路徑建立后，通過(guò)局部路由調(diào)整處理局部擁塞。

其驗(yàn)證流程也十分簡(jiǎn)明，客戶端使用用戶憑據(jù)登錄系統(tǒng)，服務(wù)器驗(yàn)證通過(guò)后，依據(jù)上述規(guī)則生成jwt 返回給客戶端?？蛻舳酥笤谙蚍?wù)器請(qǐng)求時(shí)，通過(guò)header 中的Authorization 字段以Bearer 形式攜帶此token 來(lái)發(fā)送至服務(wù)器端驗(yàn)證身份和權(quán)限。一般的token流程可以由圖2 來(lái)表示，申請(qǐng)為1～2 步驟進(jìn)行，請(qǐng)求資源以3～6 步驟進(jìn)行。

圖6 不同發(fā)送速率下的平均時(shí)延Fig.6 Average delay at different transmission rates

圖7 不同發(fā)送速率下的流量分布指數(shù)Fig.7 Traffic distribution index at different transmission rates

根據(jù)丟包位置的不同，衛(wèi)星網(wǎng)絡(luò)的丟包率可以分為星間鏈路丟包率和星地鏈路的丟包率。算法主要針對(duì)星上路由，因此星間鏈路丟包率更能體現(xiàn)算法性能，測(cè)量的丟包率為星間鏈路丟包率。由圖5可以看出，所有算法的丟包率都隨著終端發(fā)送速率的提高而增大，且DLR都有最小的丟包率，這是因?yàn)镈SP只使用最短路徑進(jìn)行流量傳輸，不能快速響應(yīng)網(wǎng)絡(luò)中的流量變化，流量大時(shí)必然導(dǎo)致最短路徑上的丟包。ELB算法是在最短路徑算法的基礎(chǔ)上通過(guò)局部調(diào)整來(lái)分流，因此在較低負(fù)載時(shí)，可以緩解網(wǎng)絡(luò)丟包，但在高負(fù)載時(shí)分流有限且會(huì)導(dǎo)致級(jí)聯(lián)擁塞，性能下降明顯。而DLR使用盡可能繞過(guò)負(fù)載區(qū)域的路徑，使得鏈路的傳輸壓力減小，且在出現(xiàn)即將擁塞時(shí)進(jìn)行局部分流，因此效果最好。

平均時(shí)延是網(wǎng)絡(luò)中所有被成功接收的數(shù)據(jù)包時(shí)延的平均值，由圖6可以看出，在低負(fù)載時(shí)DSP和ELB端到端時(shí)延基本相同，DLR稍高，這是因?yàn)镈LR為了繞開(kāi)服務(wù)高負(fù)載區(qū)域的衛(wèi)星，而導(dǎo)致時(shí)延增大。但隨著負(fù)載的增大，DLR顯示出了更好的性能，因?yàn)镈LR由于全局和局部策略的結(jié)合顯著減小了排隊(duì)時(shí)延。ELB雖然在較高負(fù)載時(shí)由于局部分流相比DSP排隊(duì)時(shí)延更小，但在高負(fù)載時(shí)也會(huì)產(chǎn)生數(shù)據(jù)排隊(duì)。DSP由于只使用最短路徑，負(fù)載增大時(shí)會(huì)導(dǎo)致路徑較大的排隊(duì)時(shí)延。

然而站上演講臺(tái)，一切都不一樣了。3個(gè)多小時(shí)的論壇上，David侃侃而談，詳述新西蘭葡萄酒的趨勢(shì)與變化；兩個(gè)半小時(shí)的大師班，David悉心講解新西蘭每個(gè)產(chǎn)區(qū)、每款葡萄酒的特色與亮點(diǎn)，大師班的開(kāi)始高呼三聲毛利語(yǔ)，激起了整個(gè)課堂的氣氛；1個(gè)多小時(shí)站在品鑒會(huì)的入口背景板處與葡萄酒愛(ài)好者合照、交流，聚光燈的照射下汗水一次次浸濕手帕；4個(gè)小時(shí)的晚宴上，致開(kāi)幕詞不忘感謝活動(dòng)的每一位組織者……晚上11點(diǎn)，第十屆金樽獎(jiǎng)?lì)C獎(jiǎng)典禮落下帷幕，David穿過(guò)走廊，慢慢地走回房間。留給他與廣州相處的時(shí)間不多，第二天的中午他又要登上18個(gè)小時(shí)的飛機(jī)，回到新西蘭，開(kāi)始新一周的工作。

為了評(píng)價(jià)網(wǎng)絡(luò)中流量的分布情況，引入流量分布指數(shù)TDI：

(16)

式中，m表示星間鏈路數(shù)量；xi表示第i條鏈路上的數(shù)據(jù)包個(gè)數(shù)。TDI的取值為[0,1]，數(shù)值越大，表示網(wǎng)絡(luò)中的流量分布更均勻，負(fù)載均衡效果更好。

由圖7可以看出，DSP流量分散效果最差，DLR效果最好。這是因?yàn)镈SP只會(huì)在最短路徑上傳輸，ELB可以在負(fù)載增加時(shí)快速分流，DLR從初始就使用了較多的鏈路，同時(shí)在負(fù)載增大時(shí)又可以將流量分散到其他路徑。

4 結(jié)束語(yǔ)

為了有效地應(yīng)對(duì)衛(wèi)星網(wǎng)絡(luò)負(fù)載的不均衡，緩解網(wǎng)絡(luò)擁塞，提出了基于負(fù)載均衡的低軌衛(wèi)星網(wǎng)絡(luò)動(dòng)態(tài)路由方法——DLR。DLR利用了衛(wèi)星運(yùn)動(dòng)的規(guī)律主動(dòng)預(yù)防擁塞，能夠從全局和局部2個(gè)方面優(yōu)化網(wǎng)絡(luò)流量分配。實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)的負(fù)載均衡路由算法，DLR平均端到端時(shí)延更小，丟包率更低，網(wǎng)絡(luò)中流量更分散，可以為低軌衛(wèi)星網(wǎng)絡(luò)提供高效的通信服務(wù)。此外，DLR是針對(duì)典型的近極軌道星座網(wǎng)絡(luò)結(jié)構(gòu)提出的，而現(xiàn)實(shí)應(yīng)用中，不同的星座具有不同的結(jié)構(gòu)，尤其正在被深入研究的巨型星座[18]，其網(wǎng)絡(luò)結(jié)構(gòu)更復(fù)雜，拓?fù)渥兓?。因此下一步將提高算法的兼容性，使其能?yīng)用在不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的衛(wèi)星網(wǎng)絡(luò)中。

楊秉奎搖搖頭:“這雨不會(huì)下一整夜。雨后的蚊子以一當(dāng)十,以十當(dāng)百,以百當(dāng)千當(dāng)萬(wàn)。不相信的就讓他領(lǐng)教領(lǐng)教北大荒的蚊子,哼!”