基于自适应神经模糊推理的计算机网络性能评价研究

作者:张晓琴;黄玉清;梁靓 刊名:计算机工程与设计 上传者:唐老雅

【摘要】根据带宽、时延、丢包率3个网络关键性能指标,建立了网络性能评价的自适应神经-模糊推理系统。通过对网络不同业务服务质量进行分析,实现了在给定输入负载下对网络性能的判定。仿真结果表明,建立的自适应神经-模糊推理系统能描述网络性能指标和输出的映射规律,能较准确的拟和数据,评价结果符合规律。因此,该方法合理有效,能够为网络信息传输提供决策支持。

全文阅读

0引言在网络传输中,需要确定网络当前的状态。同时在设计、维护、优化类似的网络时,需要事先对目标网络作性能评价。因此,迫切需要建立科学、实用、可信的评价方法,对网络性能进行评价,为网络维护、优化提供支持和依据。在网络日益复杂、规模逐渐变大的今天,使用传统方法往往不能解决网络评价问题。本文采用人工智能的方法对网络性能进行分析评价,将人工智能的应用拓展到网络测试与评价领域中。因此,通过分析网络的带宽、时延、丢包率等性能指标,建立网络性能的评价指标体系;采用基于自适应神经-模糊推理的方法,完成对网络性能的评价,为网络信息传输提供决策支持。1基于自适应神经-模糊推理的网络性能评价模糊推理系统拥有模糊if-then格式的结构化知识表示方式,但缺少对变化的外部环境进行适应的能力。如将神经网络(结构和学习算法)和模糊逻辑(模糊性、信息语句与表达)特性相结合,借助神经网络的信息贮存和学习能力,通过对系统结构和参数的辨识,自主地初始化模糊规则,并自适应调整参数,优化控制规则、隶属函数和输出函数,就能实现对系统的有效控制[1]。采用基于自适应神经网络的模糊推理系统(ANFIS)对网络服务质量进行评价,其主要步骤如下:(1)建立一个具有模糊规则和隶属函数的模糊系统;(2)构造相应的神经网络,并确定与模糊规则和隶属函数对应的连接方式;(3)针对性的训练神经网络以不断修正隶属函数和模糊规则,提高求解精度。2单一业务服务质量评价当网络中只有单一的数据业务时,与数据业务相关的指标选取为丢包率和可用带宽[2]。由于单一业务服务质量评价指标选取为两项,评价结果为一项,因此构建一个两输入一输出的ANFIS结构,如图1所示。该结构等效的模糊模型是一阶Sugeno模型,模型的普通规则集为[3-4]:张晓琴,黄玉清,梁靓:基于自适应神经-模糊推理的计算机网络性能评价研究2009,30(22)5101规则1如果1是1并且2是1,那么1=11+12+1;规则2如果1是2并且2是2,那么2=21+22+2。在链路带宽为2M或低于2M时测得可用带宽及相应丢包率[5-6],并将测量值进行归一化处理记为1、2,对应不同的目标输出,按自适应模糊推理模式做成数据对,以此训练神经网络,部分数据如表1所示。输入层第1层第2层第3层第4层输出层图1ANFIS结构表1单一业务服务质量评价的训练数据序号12目标输出序号12目标输出10.99060.00000.90110.18260.00840.5520.53000.00000.80120.00000.07240.1030.45180.00000.75130.12370.00040.4540.71130.00000.90140.03850.00790.3050.06280.01300.30150.32760.00040.7060.00000.08900.10160.64230.08000.8070.98420.03240.87170.31130.00000.7080.05070.00870.30180.20100.00000.6090.04690.01900.25190.03930.03010.20100.45380.00000.75200.04100.04200.192.1推理机制建立的推理系统除输入层和输出层之外,中间还包括了4层。(1)输入层:第1个节点对应可用带宽;第2个节点对应丢包率。(2)第1层:每一个节点都为一个隶属函数,选择隶属函数的类型为高斯函数=212(1)式中:{,}参数集,在整个推理系统中称之为前提参数。当这些参数改变时,高斯函数也随之改变。

参考文献

引证文献

问答

我要提问