[发明专利]一种基于蚁群算法的网络拥塞节点识别方法及系统

说明书

本发明提供了一种基于蚁群算法的网络拥塞节点识别方法及系统，包括:获取网络传播时延矩阵和网络排队时延矩阵；根据获取的网络传播时延矩阵和网络排队时延矩阵，构建网络总时延矩阵；采用蚁群算法在所述网络总时延矩阵内循环搜索，得到当前网络拓扑中的最优路径及其总时延；将拥有共同子路径的最优路径放在一起，获得原最优路径及其总时延；随机降低原最优路径数据中共同子路径上网络节点的数据处理能力；根据降低数据处理能力后的路径数据，得到现最优路径及其总时延；对原最优路径及其总时延和现最优路径及其总时延进行对比，得到网络拥塞节点；本发明致力于快速寻找网络中的拥塞节点，为在根源问题上提升网络通信质量提供了重要帮助。

技术领域

本发明属于网络通信技术领域，尤其涉及一种基于蚁群算法的网络拥塞节点识别方法及系统。

背景技术

网络路由的选择不仅要满足用户的不同应用要求，还需要尽量的提升整体网络的资源利用；为了满足不同用户的需求以及信息的高速传输，网络拓扑结构越来越庞大和复杂；众多的通信网络节点相互连通，交错复杂，这使得网络拥塞是不可避免的；当网络中的一个节点出现问题后，可能会引起扩散，导致其他节点也同时拥塞；出现网络拥塞时，网络吞吐量会下降，情况恶劣时甚至会出现网络崩溃。网络拥塞现象对网络的破坏性极大，促使网络的整体性能都会下降。

发明人发现，现有技术中，在通信网络节点临时发生故障后，大部分通过寻找次优路径来满足通信服务；实际上，次优路径的延迟可能会很大，与原最优路径相比，通信质量大大下降；而庞大的网络通信结构，密集的网络通信节点，直接对拥塞节点的识别又存在较大的困难。

发明内容

本发明为了解决上述问题，提出了一种基于蚁群算法的网络拥塞节点识别方法及系统，本发明致力于快速寻找网络中的拥塞节点，为在根源问题上提升网络通信质量提供了重要帮助。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明提供了一种基于蚁群算法的网络拥塞节点识别方法，包括：

获取网络传播时延矩阵和网络排队时延矩阵；

根据获取的网络传播时延矩阵和网络排队时延矩阵，构建网络总时延矩阵；

采用蚁群算法在所述网络总时延矩阵内循环搜索，得到当前网络拓扑中的最优路径及其总时延；

将拥有共同子路径的最优路径进行合并，获得原最优路径及其总时延；

随机降低原最优路径数据中共同子路径上网络节点的数据处理能力；根据降低数据处理能力后的路径数据，循环搜索得到现最优路径及其总时延；

对原最优路径及其总时延和现最优路径及其总时延进行对比，得到网络拥塞节点。

进一步的，所述网络传播时延为网络节点之间距离与数据传输速度的比值。

进一步的，所述网络排队时延，通过服务强度比上节点服务率和数据到达速率的差得到，所述服务强度为数据到达速率与节点服务率的比值。

进一步的，网络节点的数据处理能力，是指单位时间内该网络节点可以处理的数据包数量。

进一步的，所述网络总时延矩阵由网络传播时延矩阵和网络排队时延矩阵相加获得。

进一步的，采用蚁群算法在所述网络总时延矩阵内循环搜索，得到当前网络拓扑中的最优路径及其总时延，包括：

对蚁群算法的初始参数进行初始化赋值；

将蚂蚁放到网络起始节点，在所述网络总时延矩阵内循环搜索，指定网络终止节点；

蚂蚁根据起始节点与其相邻节点链路上的信息素浓度，计算转移概率，并检查下一跳节点是否在蚂蚁的禁忌表中；如果不在，则将该节点加入到蚂蚁的禁忌表中，否则重新选择下一跳节点；