[发明专利]一种SDN环境下基于改进粒子群算法的多控制器部署方法

权利要求书

1.一种SDN环境下基于改进粒子群算法的多控制器部署方法，其特征在于，包括以下步骤：

步骤S1：网络拓扑初始化。获取SDN网络拓扑，计算网络中各节点间的最短距离，得到各节点间的时延。

步骤S2：社区检测划分控制域。采取社区检测方法，利用S1中得到的各节点间的最短距离，将网络划分为k个不同的控制域。

步骤S3：初始化粒子种群。利用S2中划分好的控制域，将控制器的数量与控制域的数量设为相同，即k。在每一个控制域内随机取一个节点作为控制器部署的初始位置，并将其设为局部最优pbest和全局最优gbset。

步骤S4：计算粒子群中的各粒子的适应值，并更新局部最优pbest和全局最优gbset。

步骤S5：根据公式对粒子的速度v和位置x进行更新。

步骤S6：设置迭代结束条件，判断是否迭代结束，结束则进入S7，否则进入S4。

步骤S7：输出控制器部署方案及其适应值。

2.如权利要求1所述的一种SDN环境下基于改进粒子群算法的多控制器放置方法，其特征在S2中，设控制域内交换机的数量为控制器的负载值，为保证控制平面的负载均衡性，设定负载最大的控制域与负载最小的控制域之间最大负载差值为2。

3.如权利要求1所述的一种SDN环境下基于改进粒子群算法的多控制器放置方法，其特征在S4中，适应值函数设为总平均时延，总平均时延T_total-ave的计算公式如下：

T_total-ave＝T_D-ave+T_C-ave

其中T_D-ave为交换机与控制器的平均时延，T_C-ave为控制器与控制器间的平均时延。

4.如权利要求1所述的一种SDN环境下基于改进粒子群算法的多控制器部署方法，其特征在S4中，改进PSO算法在迭代过程中，需要一个新的惯性权重函数，原始PSO算法的惯性权重式为ω，定义ρ为反馈因子：

fitness_t-1为上一次迭代的适应度，fitness_t为本次迭代的适应度值。同时，随着迭代次数t的增加，所有粒子的适应度都接近全局最优值，为防止陷入局部最优解，必须添加递减因子e^-αt，该因子可以根据α调整ρ的衰减速度，可以根据需要将其设定为固定值。因此本发明使用的惯性权重式为：

ω_fit＝(1+e^-αtρ)*ω

5.如权利要求1所述的一种SDN环境下基于改进粒子群算法的多控制器部署方法，其特征在S6中，当迭代次数超过60次时，算法终止。