分享
基于改进拉格朗日松弛算法的...信网络负载均衡优化策略研究_向征.pdf
下载文档

ID:2373093

大小:598.99KB

页数:7页

格式:PDF

时间:2023-05-10

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
基于 改进 拉格朗日 松弛 算法 网络 负载 均衡 优化 策略 研究
基于改进拉格朗日松弛算法的电力通信网络负载均衡优化策略研究向征(中国大唐集团有限公司重庆分公司,重庆 400020)摘要:针对传统电力通信网络路由策略存在的负载分布不均和丢包率较高等问题,基于软件定义网络,提出了一种基于改进拉格朗日松弛算法的电力通信网络 QoS 路由策略。以链路时延、可用带宽和丢包率为约束建立路由模型,并采用改进的拉格朗日松弛算法进行路径选择。通过仿真与传统路由方法进行对比,验证了该方法的可行性。结果表明,与传统路由策略相比,该方法能够规划出符合 QoS 要求的路径,负载分布更加均衡,有效降低了业务丢包率,丢包率由 45%降低到 0 1%,具有一定的实用价值。关键词:电力通信网络;软件定义网络;拉格朗日松弛算法;业务丢包率;负载分布DOI:10 19753/j issn1001-1390 2023 04 012中图分类号:TM912 9文献标识码:A文章编号:1001-1390(2023)04-0085-07esearch on load balancing optimization strategy of power communication networkbased on improved Lagrange relaxation algorithmXiang Zheng(Chongqing Branch,China Datang Corporation Ltd,Chongqing 400020,China)Abstract:Aiming at the problems of uneven load distribution and high packet loss rate in traditional power communicationnetwork routing strategy,based on software defined networks,a QoS routing strategy for power communication networkbased on improved Lagrange relaxation algorithm is proposed The routing model is established with the constraints of linkdelay,available bandwidth and packet loss rate,and the improved Lagrange relaxation algorithm is used for path selec-tion The feasibility of the proposed method is verified by simulation and comparison with traditional routing methods Theresults show that compared with the traditional routing strategy,this method can plan the path that meets the QoS require-ments,the load distribution is more balanced,and the service packet loss rate is effectively reduced,the packet loss rateis reduced from 45%to 0 1%,which has certain practical valueKeywords:power communication network,software defined network,Lagrange relaxation algorithm,service packet lossrate,load distribution基金项目:河北省重点研发计划项目(F2015502047);国家自然科学基金资助项目(51007032)0引言随着全球环保意识的增强和普及,人们越来越意识到全球变暖的危害1。我国提出 2030 年碳达峰,2060 年碳中和2。低碳技术得应用,促使各种可再生能源和大量电力智能终端接入电网,电力通信网络运行和决策控制复杂程度越来越高,使得现有路由策略负载分布不均和丢包率较高。软件定义网络(SoftwareDefined Network,SDN)具有多种优势,可以使网络具有更高的灵活性,成为研究的热点之一。因此,研究基于SDN 的电力通信网路路由优化策略具有重要的现实意义。目前,国内外学者对电力通信网络路由优化策略进行了大量的研究,取得了一些优秀的成果,但对基于 SDN 的电信网络路由优化策略研究很少3-4。在文献 5 中,基于 SDN 网络,将资源公平分配方法应58第 60 卷第 4 期电测与仪表Vol 60 No42023 年 4 月 15 日Electrical Measurement InstrumentationApr15,2023用于电力通信网络。相比于传统控制策略,所提方法可以保证优先级高的任务在最短路径。在文献 6中,基于 SDN 网络,将动态优化路径策略应用于电力通信网络。所提方法可以有效降低业务的平均传输时延。在文献 7中,基于 SDN 网络,将最小路径选择度应用于电力通信网络。相比于传统控制策略,所提方法有效降低了数据丢失率和传输时延。在文献 8 中,提出了一种基于 SDN 的电力通信网络覆盖优化算法。结果表明,该方法的覆盖率高于传统优化方法,达到 97 56%,节点连通性更大。当达到 93 31%时,优化效果更加明显。在文献 9中,提出了一种基于 SDN 的电力通信网络负载均衡路由重构方法。结果表明,该方法不仅保证了服务性能,而且具有较低的流量标准差和站点等级差,有效地实现了路由重构和负载均衡。在文献 10 中,基于 SDN 网络,根据电力通信业务对端到端时延要求,将混合模式流表下发策略用于电力通信网络。结果表明,该方法在保证时延的前提下,实现了实时性和灵活性的动态平衡。但以上方法在节点数量较多时,网络路由开销相对较大,会出现网络拥塞,难以保证电力业务的服务质量,适应性有待进一步提高。为了解决上述问题,提出了一种基于改进拉格朗日松弛算法的电力通信网络 QoS 路由策略。以链路时延、可用带宽和丢包率为约束建立了路由模型,并采用改进的拉格朗日松弛算法进行路径选择。通过仿真分析对优越性进行验证。1SDN 架构SDN 是一种新型网络结构,将数据平面和控制平面进行分离,数据平面仅进行转发和传输,控制平面为集中式逻辑控制11。图 1 为 SDN 架构的典型结构。图 1SDN 典型结构Fig 1SDN typical structure由三部分组成(应用层、控制层、基础设施层)。(1)应用层应用层包含具有不同功能类型的应用,为终端用户提供不同的 SDN 网络服务。如云计算、物联网等,与控制层通过 API 进行通信12。(2)控制层整个网络架构的核心,对设备进行集中式控制。控制层通过控制/数据平面接口控制基础设施层,实现数据传输。(3)基础设施层由交换机和路由器等设备组成,完成数据平面的存储和传输13。2路由优化策略文中基于 SDN 的优点,以链路时延、可用带宽和丢包率等为约束建立路由模型,并采用改进的拉格朗日松弛算法进行路径选择。电力业务按时延、带宽和可靠性等分为三类,即加急转移 I 类(继电保护等)、确保转发 II 类(计量、调度等)、尽力转发 III 类(办公自动化等)14。2 1 路由模型在 SDN 中通过 G(N,E)表示电力通信网络有向图,其中,N 和 E 分别为电力通信网络中 SDN 交换机集和链路集。对于每个链路(u,v)E,有四个权重参数,链路时延 duv、链路可用带宽 buv、链路丢包率dpuv、链路成本 cuv。用 s 和 t 分别表示源和目的 SDN交换机。Pst为 s 到 t 的路径集合,p 为任意一条路径且p Pst。路径 p 的链路总成本 c(p)、总时延 d(p)、最小可用带宽 b(p)、总丢包率 dp(p),如式(1)式(4)所示15:c(p)=(u,v)pcuv(1)d(p)=(u,v)pduv(2)b(p)=(u,v)pbuv(3)dp(p)=(u,v)pdpuv(4)选择 c(p)最小且满足 d(p)、b(p)、dp(p)要求的最优路径 po。模型如式(5)所示:po=minpPc(p)|d(p)delay,b(p)bw,dp(p)drop(5)式中 delay、drop、bw分别为电力业务要求的端68第 60 卷第 4 期电测与仪表Vol 60 No42023 年 4 月 15 日Electrical Measurement InstrumentationApr15,2023到端时延最大值、丢包率最大值、带宽最小值。2 2 求解算法多约束模型约束较为复杂,无法直接用多项式求解16。因此,文中引入拉格朗日乘子,将其转变成线性多约束模型,这使得在短时间内计算近似解变得容易。d(p)和 dp(p)为复杂约束,聚合为目标函数。b(p)为简单约束,在规划前将不符合 b(p)要求的SDN 交换机进行移除,以获得电力通信网络的有向子图 Gs。I 类和 II 类电力业务均基于 Gs。因此,求解过程如下:引入电力业务延迟和丢包率约束的拉格朗日乘子1和 2,得到聚合函数 L(1,2),如式(6)所示17:L(1,2)=minpP c1,2(p)1 delay 2 drop(6)为了使 L(1,2)函数具有线性特性,聚合后路径成本函数 c1,2(p)如式(7)所示18:c1,2(p)=c1(p)+c2(p)(7)式中 c1(p)、c2(p)分别为时延约束和丢包率约束聚合到链路成本的函数。c1(p)如式(8)所示19:c1(p)=(u,v)pcuv+1duv(8)c2(p)如式(9)所示:c2(p)=(u,v)pcuv+2dpuv(9)根据式(1)可知,路径成本 c(p)是链路成本 cuv的总和。cuv与跳数(单跳为 1)、duv和 buv有关,如式(10)所示20:cuv=1+duv+buv(10)其中宽利用率 在(0,20 时,链路空闲,通过测试、取值分别为 0 5、0 3、0 2。当 在(20,80时,链路逐渐拥塞,、取值分别为 0 2、0 5、0 3。当 在(80,100 时,链路拥塞很严重,、取值分别为 0 3、0 2、0 5。假设最优路径为 po,根据文中所提算法,有 L(1,2)c(po)。即拉格朗日聚合成本函数 L(1,2)是模型的下界。通过调整 1和 2值,使 L(1,2)无限接近 c(po),可以获得如式(11)所示的解21:po(1,2)=max1,2L(1,2)(11)其中给定 1和 2的值,可以计算 po(1,2)。如果1和 2值均为 0 且满足 d(p)delay和 dp(p)drop,则可获得最佳路径 po。否则,需要调整 1和 2值使等式(11)成立,从而获得电力业务传输的最优路径。从文献 22 可以看出,使 L(1,2)取最大值必须满足,链路成本和延迟为代价的路径 pc和 pd使 c1(p)最小化且链路成本和丢包率为代价的路径 pc和 pdrop使c2(p)最小化。1和 2可用式(12)计算:1=c(pc)c(pd)d(pd)d(pc)2=c(pc)c(pdrop)dp(pdrop)dp(pc)(12)多约束路由模型求解过程如下:步骤 1:通过 SDN 控制器采集的网络状态信息和获取的业务信息,输入网络的端到端时延最大值、丢包率最大值、带宽最小值23;步骤 2:根据带宽约束,去除链路上不满足可用带宽的边,得到子图 Gs;步骤 3:以链路成本 cuv为代价,使用 Dijkstra 算法对子图 Gs中的路径 pc进行规划。如果符合时延和丢包率要求,则 pc为最优路径,算法结束24。否则保存pc并执行下一步;步骤 4:

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开