[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

说明书

本发明提供了一种SDN环境下基于改进粒子群算法的多控制器部署方法，该部署方法包括：将网络拓扑初始化；将网络拓扑中的所有节点划分为k个控制域；初始化粒子种群，包括学习因子、种群大小、迭代次数上限、粒子维数和惯性权重的最大值及最小值；计算个粒子的适应值，并与局部最优和全局最优进行比较，更新局部最优和全局最优值；对粒子群算法的惯性权重式进行改进，依据改进后的公式对粒子的速度和位置进行更新；判断迭代次数是否已经达到上限，未达到则返回计算粒子的适应值，达到则输出控制器部署方案。本发明基于改进后的粒子群算法，应用于SDN环境，可以有效降低SDN网络中的总平均时延并维持各控制器间的负载均衡。

技术领域

本发明涉及软件定义网络(SDN)技术领域，特别是一种SDN环境下基于改进粒子群算法的多控制器部署方法。

技术背景

近年来，随着信息通信技术的迅猛发展与普及，产生了一系列流量需求巨大且时延敏感的新兴业务，如智能驾驶、远程医疗等。传统网络由于架构落后等问题，难以满足运营商和广大用户群体的需求。因此，SDN(software defined networking，软件定义网络)应运而生，为解决这类问题提供了新思路。

SDN是一种逻辑集中控制的新网络架构，主要有以下特点：数据平面与控制平面解耦合，二者不再相互依赖；网络开放可编程，SDN为使用者提供了通用API接口，便于对网络进行管理。

早期SDN网络多为单控制器结构，但这种结构无法承担大型网络的管理任务，且存在致命的单点故障等问题。因此多控制器结构的SDN网络成为了主流。早在2012年，Heller等人指出SDN多控制器部署问题是一个NP-hard问题，并对多控制器部署问题做了一个总结：给定一个拓扑，需要部署多少个控制器以及控制器该部署在何处。2018年，Sahoo则分别评估了经典粒子群算法和经典萤火虫算法在SDN多控制器部署问题中的性能。

综上所述，本发明提供一种基于改进粒子群算法的多控制器部署方法，旨在降低网络中的平均时延与维持负载均衡。

发明内容

本发明的目的在于提供一种SDN环境下基于改进粒子群算法的多控制器部署方法，该方法将粒子群算法中的惯性权重式进行改进，能够降低网络中的平均时延。

假设网络拓扑中有n个节点，需要部署k个控制器，所有节点均代表一台交换机，且都可能被部署一个控制器。每一个粒子代表一种部署方案。

一种SDN环境下基于改进粒子群算法的多控制器部署方法，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。

进一步，所述步骤S1具体包括：

S1.1：对网络拓扑中的所有节点进行编号，即(1，2，3，…，n)。

S1.2：根据现有网络拓扑的具体条件，得出各相邻节点间的距离。