卫星网络中基于蚁群优化的概率路由算法

作者:戴翠琴;尹小盼; 刊名:重庆邮电大学学报(自然科学版) 上传者:谢坤

【摘要】为了提高空间信息传输的有效性和可靠性,针对传统蚁群优化(ant colony optimization,ACO)容易造成最优路径负载过重而发生拥塞的问题,提出了一种基于蚁群优化的概率路由算法(ant colony optimization based probabilistic routing algorithm,ACO-PRA)。根据卫星网络拓扑动态周期时变的固有特点,将拓扑周期均匀分为若干个时间片,形成基于不同时间片的卫星网络拓扑连通图;根据网络拓扑连通图,将星间链路带宽和链路容量引入到目标函数中,建立时延最小的优化模型;根据蚁群算法的节点概率函数选择下一跳节点,进而找到一条能同时满足时延带宽和链路容量要求的最佳信号传输路径。仿真结果表明,提出的基于蚁群优化的概率路由算法不仅能够降低平均端到端时延和丢包率,而且能够有效地提高网络吞吐量、平衡网络负载。

全文阅读

0引言与地面通信网络相比,卫星通信网络具有广覆盖、大容量、远距离传输等优点,能够满足灵活、动态的空间网络配置需求[1]。但是,由于卫星节点围绕地球周期性的运动特性,使得网络拓扑结构动态变化、星间链路(inter-satellite link,ISL)频繁切换、链路长度和通断关系随时间动态变化,对空间信息传输的有效性和可靠性造成了严重的影响。同时,考虑到星上资源有限、负载分布不均匀等因素,如何设计高效、可靠、灵活的卫星网络路由算法日益成为研究者们关注的热点问题[2-3]。目前,按照路由算法能否根据网络拓扑的变化及时更新路由表,可将卫星网络中的路由算法大致分为两类:静态路由算法[4]和动态路由算法[5-8]。其中,文献[4]将低轨卫星网络(low earth orbit,LEO)模拟成有限状态自动机,将LEO卫星网络的动态链路分配问题转换为静态网络拓扑结构中的固定链路分配和路由优化问题。但是,由于静态路由机制不能根据网络流量和拓扑结构的变化来调整自身的路由表,也就无法适应星间链路的动态变化。相比之下,动态路由算法充分考虑了网络当前的实时状态信息,使得路由选择能够更好地适应网络流量、拓扑结构的变化,能够改善网络整体性能。文献[5]在LEO卫星网络中提出了一种基于分布式负载感知的动态路由算法,采用一种逐跳机制来分割流量负载,以缓解极区附近发生的拥塞问题。文献[6]针对最短路径问题,提出一种动态虚拟拓扑路由(dynamic virtual topology routing,DVTR)算法。文献[7]针对如何延长卫星使用寿命的问题,提出了一种能量高效的路由算法。文献[8]提出了一种基于代理分组交换的动态路由算法,改善了网络吞吐性能。文献[9]考虑了卫星网络中的传输业务需求,提出了一种基于多业务传输优化的动态路由算法,但未考虑网络吞吐量和链路利用率。因此,现有卫星网络中的动态路由算法主要针对某个单一的特定问题进行优化,没有能够同时兼顾网络拓扑动态变化和链路频繁切换对网络性能造成的影响。因此,以上研究结果若直接应用到卫星时变网络中,将产生端到端时延增大、星上资源利用率低等问题。蚁群优化(ant colony optimization,ACO),是一种用来寻找最优路径的机率型算法,最早由MarcoDorigo提出[10],来源于蚂蚁在寻找食物过程中发现路径的行为。ACO具有自适应性和鲁棒性的优点,能够通过正反馈、分布式协作来寻找最优径。因此,近来已有少量文献将ACO运用在卫星网络中的路由路径计算中,使之能够适应卫星网络拓扑动态变化的同时平衡网络负载,进而减少或避免发生链路拥塞[11-15]。其中,文献[11]通过改善传统蚁群优化,利用虚拟拓扑解决了卫星网络中拓扑快速变化的问题,虽然提高了蚁群优化的收敛时间,但是没有解决链路易发生拥塞的问题。文献[12]中提出一种基于改进蚁群优化的自适应路由优化算法(im-proved ant colony optimization,IACO),改善了ACO算法易导致ISL发生拥塞和路由收敛时间慢的缺点。文献[13]提出一种跨层设计和基于ACO的负载均衡路由算法(cross-layer design and ant-colonyoptimization based load-balancing routing algorithm,CAL-LSN),其利用物理层信息作出路由决定,采用多目标优化模型实现负载均衡。文献[14]运用ACO的启发式方法提出了一种路由优化算法,使得寻找到的最优路径具有最大吞吐量。文献[15]结合概率路由协议(p

参考文献

引证文献

问答

我要提问