[发明专利]基于智能计算的网络路径态势估计方法

说明书

技术领域

本发明涉及网络技术，尤其针对多跳分组宽带网络端到端传输路径的一种基于智能计算 的网络路径态势估计方法。

背景技术

趋于传输简单化和边缘智能化的宽带网络将综合承载具有不同业务特征和差异化服务质 量需求的多业务应用，为不同业务提供差异化的端到端传输性能保障需要基于传输路径实时 状态信息的自适应网络控制策略。

传统使用测量方法获取网络路径状态信息，即源端发送一个或几个探测分组测量传输路 径负载状态，根据返回分组的服务质量指标判断网络路径当前状态，它存在着测量准确性和 网络状态信息陈旧性问题。测量机制获取的参数是通过对实际参数近似得到，而且任何测量 方法都会存在误差，甚至错误，它只能反映网络路径的不完全状态。此外，测量的网络状态 结果都是瞬时的路径信息，而传播本地状态延迟和网络状态动态更新带来时间上的不精确性， 会使得网络状态不再完全符合测定结果，存在着状态信息陈旧。陈旧的状态信息会造成路由 失败和连接建立失败。为避免网络路径状态信息的陈旧性，常用分布式基于本地状态信息的 控制策略或者额外增加移动代理提供实时路径状态信息。但前者存在着瓶颈链路遗漏问题， 即处于传输路径中间或后端的瓶颈链路被遗漏判断，造成业务端到端的连接建立失败。通过 移动代理集中网络状态信息会导致网络控制策略过度依赖于移动代理的性能，且要求移动代 理具有较高的稳定性和处理速度。

传统网络路径状态信息获取方法存在的不完整性和陈旧性会导致网络节点对路径状态的 判断存在着不完全或不确定的因素，损害自适应控制策略的精度和效率性能。

发明内容

本发明目的是利用网络边缘设备的计算能力简化网络中间节点操作的复杂度，实现在不 增加网络复杂性的情况下提高网络机制性能。它通过下述技术方案来实现：

所述包括如下步骤：首先从网络的一级融合输出信息中获取本地链路当前状态信息和陈 旧路径状态信息；测量本地链路状态指标和路径状态指标，采用模糊隶属函数对不同态势下 的链路状态指标和路径状态指标分别进行量化，得到对应链路状态的基本概率赋值函数mL和 路径态势估计的基本概率赋值函数m_P；使用Dempster合成规则对上述两基本概率赋值函数 进行数据融合，得出路径状态不同态势的对应概率值，选取其中概率值最大的网络路径状态 作为传输路径准实时态势值。

所述链路状态指标设定为优先队列队长值和当前链路公平速率，所述路径状态指标设定 为当前待传输路径与最短路径的路由跳数之差所形成的路径跳数差Δh和当前路径的有效带 宽r。

所述链路态势设定为{O，H，L}，即{过载，重载，轻载}三种态势类。

在所述链路中，设：优先队列队长Q＝x，最大缓存容限为B，并取x上限为B，拥塞门 限Q_T＝x_L，队列转发门限Q_FT＝x_U；采用队长模糊子集的隶属函数对队列指标的基本概率赋 值函数m_Q＝{q₃，q₂，q₁}进行量化，其中q_j为不同态势下的队长，q_j，j＝3，2，1，分别表示链路 当前{O，H，L}三种态势的基本概率分配值{μ_o(x)，μ_H(x)，μ_L(x)}，用队长模糊子集的 隶属函数计算得到：