改进的蚁群算法在SDN环境下数据的传输路径优化

发布时间：2022-02-13 12:43

　　随着网络的发展,云技术、大数据、人工智能等技术的发展,网络中各种数据呈指数级、爆炸式增长,大量的数据流流经网络,传统的网络模型采用层次结构设计,在面对如此大数据流情况下,会造成传输速度慢、质量不好、数据丢失、网络不易扩展等问题。而SDN网络很好地解决了这个问题,软件定义网络的数据层和控制层是分开的,能实现集中控制网络。SDN的核心控制器控制数据流的负载均衡。本文提出了把改进的蚁群算法MOACO加入SDN控制器中,从信息素更新和混沌策略引入两方面对传统蚁群算法更新,经算法对网络状态分析,计算下发数据转发路径策略至交换机。通过模拟仿真实验验证,数据从源到目的节点的传输路径进行选择,来验证算法的有效性。在网络传输延时、丢包率测试等方面与传统蚁群算法形成对比,改进的算法MOACO可以很好地改进以上方面。这对学生网上学习保证数据传输流畅、保证顺利学习提供了方向。 

【文章来源】：北京印刷学院学报. 2020,28(09)

【文章页数】：4 页

【部分图文】：

SDN网络架构图

改进的蚁群算法MOACO,利用蚁群法中选择路径的原理把网络传输路径上流量负载模拟为蚁群算法中选择路径的关键因子,目的是使数据流均衡快速地通过选择路径,减少拥塞,保证高效传输。传统ECMP易造成大象流碰撞,SDN中由控制器决定是否重路由。改进后,通过控制区获得的链路状态和数据流信息来决定。提出路径负载判断方法,判断是否超过阈值,决定是否重路由。若链路发生数据流碰撞,蚁群优化算法可以对大象流重路由。链路负载均衡流程图,见图2。(二)蚁群算法的基本原理

本文采用的是Mininet仿真软件。Mininet是一款非常流行的网络仿真软件,可仿真出一个完整的拓扑图,开发人员可以在此平台上对网络平台进行各种参数设置,以方便开发设计实验。本文利用此软件搭建实验环境,用Iperf软件生成数据流,SDN协议用OpenFlow,链路带宽为80mbps,流量统计时间间隔为1秒,监控负载时间为5秒,阈值设为20*109byte2,蚂蚁数目设置为8,信息素因子初始化为2,路径随机选择因子也初始化为2,定义简单的网络拓扑图(如图3),主机为8,其中两个作为服务器,交换机为11个,注入流量负载为80mbps的110到190。粗的线条表示最短路径,对比ECMP和改进的新算法MOACO进行测试,分别在平均传输延时,对丢包率和吞吐量反面进行比较。图4 传输时延对比图

【参考文献】：
期刊论文
[1]SDN技术下的数据中心基础网络构建[J]. 文杰斌.  电子技术与软件工程. 2018(21)

硕士论文
[1]基于蚁群算法的数据中心网络流量调度策略研究[D]. 王欣欣.重庆邮电大学 2019
[2]SDN环境下数据传输路径选择研究[D]. 许文皓.河南大学 2018
[3]基于SDN的空间信息网络路由协议半实物仿真研究[D]. 陆天舆.南京大学 2018
[4]基于OpenFlow的SDN网络QoS路由策略研究[D]. 周怡.电子科技大学 2018
[5]基于SDN的QoS技术研究[D]. 彭波.电子科技大学 2018
[6]云服务器群的负载均衡关键技术研究与实现[D]. 肖跃坚.北京邮电大学 2018
[7]无安全信道可搜索加密技术的研究[D]. 田宝华.南京邮电大学 2016



本文编号：3623214