[发明专利]基于蚁群算法的网络探测优化方法

权利要求书

1.基于蚁群算法的网络探测优化方法，其特征是，包括：

网络中各节点根据流量分布，释放出流蚂蚁进行巡游，流蚂蚁在到达某个节点后，生成探测蚂蚁探知周围网络的状况，在掌握路径的下一跳可选节点的链路延迟信息、带宽利用信息和下一跳可选节点的当前功率值后，流蚂蚁筛选出候选节点，启发式地构建到达目标的巡游路径；在到达目的节点或超过最大生存时间后，流蚂蚁提交记录的路径信息，路径信息组成本次迭代的路径集，计算拓扑子集的总功率，根据总功率计算更新的信息素，让流蚂蚁原路返回释放更新的信息素；经过若干次的迭代，流量逐渐集中到部分路径上来，生成满足数据传输需求的低能耗的拓扑子集；

步骤(1)：加载目标网络数据；初始化每条路径上的信息素；

步骤(2)：网络中每个源节点按照数据流传输方向释放出流蚂蚁向目的节点移动，每只流蚂蚁都与一个流量需求一一对应；每只流蚂蚁都配置有自身流量需求对应的源节点、目的节点和带宽需求；

每只流蚂蚁在移动过程中，记录走过的路径，采集路径上每个节点的当前功率值；

流蚂蚁在到达某个中间节点后，将除去上一跳节点外的其它所有相邻非休眠链路的节点作为可选节点，根据下一跳可选节点的个数生成对应个数的探测蚂蚁；

每只探测蚂蚁探测与当前中间节点连接的下一跳可选节点的链路延迟信息、带宽利用信息和下一跳可选节点的当前功率值，探测蚂蚁将探测结果反馈给流蚂蚁，探测蚂蚁被销毁；

流蚂蚁根据探测结果从下一跳可选节点中进一步筛选出当前中间节点的下一跳候选节点；

步骤(3)：判断是否筛选出候选节点，如果筛选出候选节点，则计算转移概率，流蚂蚁根据各候选节点转移概率，采用轮盘赌的方式选择下一跳节点，进入步骤(4)；如果没有筛选出候选节点，则直接选择可用带宽最高链路，流蚂蚁移动至下一跳节点，进入步骤(4)；

步骤(4)：判断流蚂蚁是否到达目的节点，如果流蚂蚁到达目的节点，则将流蚂蚁采集的信息提取出来，交付中央控制节点；如果流蚂蚁未达到目的节点，则进一步判断当前流蚂蚁是否到达最大生存时间，如果到达最大生存时间，则将当前流蚂蚁采集的信息提取出来，交付中央控制节点；然后将当前流蚂蚁销毁；如果未到达最大生存时间，则返回步骤(3)；

待所有流蚂蚁提交信息后，中央控制节点将所有流蚂蚁采集的信息进行汇总，采集的信息包括流蚂蚁所经过的路径和每个节点的当前功率值，从而得到网络的拓扑子集，计算拓扑子集的总功率，根据总功率计算更新的信息素；而后成功到达目的地的流蚂蚁原路返回，返回期间向所经过的路径释放更新的信息素，并根据流蚂蚁原路返回的路径，修改路径上每个节点的MPLS转发表；进入步骤(5)；

步骤(5)：判断是否满足终止条件，如果是，就结束，输出最小能耗网络拓扑子集，调度对应的流量，关闭空闲节点；如果否，就返回步骤(2)；

所述计算拓扑子集的总功率的步骤为：

拓扑子集的总功率E(t)为所有节点功率之和，即E(t)＝∑_i∈V，P_i，其中V′为拓扑子集的节点集，P_i为节点i的功率；

所述根据总功率计算更新的信息素的步骤为：

τ_ijd(t+1)＝(1-ρ)τ_ijd(t)+Δ^d(t)；

其中，τ_ijd(t+1)表示第t次迭代完成后，蚂蚁经过的路径ij上以d为目的节点的信息素的量；τ_ijd(t)表示第t次迭代初始时路径ij上以d为目的节点上信息素的量；ρ表示信息素的挥发率；Δ^d(t)表示需要释放增加的信息素的量；E(t)表示当前迭代生成的拓扑子集所有节点功率之和；MAXENERGY为一个常数，表示网络能耗的最大值。

2.如权利要求1所述的基于蚁群算法的网络探测优化方法，其特征是，

所述目标网络数据，包括：网络拓扑信息和流量需求；

所述网络拓扑信息，包括：网络中的各节点设备及其承载的线卡的工作状态，设备的底座功率PC_i、安装的各个线卡的功率PL_i、各设备线卡数M_i、各节点之间链路链接的情况和每条链路的最大带宽容量c_ij；

所述流量需求，包括：各流量的源节点、目的节点和传输需要占用的带宽w_k。