网络高负载下的崩溃估计模型仿真

发布时间：2017-12-26 01:30

本文关键词：网络高负载下的崩溃估计模型仿真　出处：《计算机仿真》2016年09期 　论文类型：期刊论文

【摘要】：由于网络数据流量的增大,导致网络数据出现高并发的情况,导致崩溃。网络最高负载值与网络状态,信道状况,网络稳定性等众多因素有关,都能引起网络流量的突变。传统的流量估计算法在建立网络高负载状态下的崩溃估计模型时,以固定网络流量或者流量突变固定等约束条件为基础,无法准确反映复杂因素下的流量突变性。提出采用自适应数据分类的网络高负载状态下的崩溃估计建模方法,先将网络负载状态下的崩溃估计中的网络高负载、网络崩溃关系抽象为贝叶斯网络结构,在贝叶斯网络中进行网络高负载态势与崩溃事件连接的推理,并采用自适应数据分类算法对网络高负载状态下崩溃的信息数据进行聚类评估,提取网络高负载状态下的崩溃隶属度特征,建立了网络高负载状态下的崩溃模型。仿真结果证明,利用自适应数据分类的网络高负载状态下的崩溃估计精确度高,能够有效保障网络稳定运行。
【作者单位】：山西大同大学数学与计算机科学学院;
【基金】：山西省软科学研究计划项目(2014041049-1) 山西省大同市政府专项研究项目(2014001)
【分类号】：TP393.06
【正文快照】： 1引言近年来,随着计算机网络信息技术的发展,很多大型网络每天都在面对大量用户访问、高并发请求,导致网络数据流量增加幅度过高[1-3]。在这种情况下,如何有效的保障网络的稳定运行,预防网络高负载状态下的崩溃现象成为了计算机领域亟待解决的主要问题。网络高负载状态下的崩

【相似文献】