基于軟計算的IP網(wǎng)絡(luò)流量監(jiān)測和控制關(guān)鍵技術(shù)研究.pdf

1、伴隨互聯(lián)網(wǎng)技術(shù)和網(wǎng)絡(luò)業(yè)務(wù)的迅速發(fā)展，互聯(lián)網(wǎng)已成為科研生產(chǎn)及人們?nèi)粘Ｉ钪胁豢苫蛉钡慕M成部分。快速有效的數(shù)據(jù)傳輸對于互聯(lián)網(wǎng)中的實時業(yè)務(wù)，例如多媒體視頻、VoIP等，以及以文件下載為代表的非實時業(yè)務(wù)，都具有非常重要的意義。因此，如何充分利用現(xiàn)有帶寬、以最小代價的資源開銷獲取最優(yōu)化的應(yīng)用效果，是業(yè)界當(dāng)前的研究熱點。IP網(wǎng)絡(luò)監(jiān)測及控制技術(shù)的應(yīng)用為在現(xiàn)有條件下提供更優(yōu)質(zhì)的網(wǎng)絡(luò)服務(wù)開辟了一條行之有效的途徑，本課題以此為突破，結(jié)合神經(jīng)網(wǎng)絡(luò)、基因表達(dá)式

2、等軟計算技術(shù)，對網(wǎng)絡(luò)流量監(jiān)測模型的建立，預(yù)測算法的設(shè)計和流量控制的實現(xiàn)進(jìn)行了深入研究：
　?。?）提出了一種新的基于代理的互聯(lián)網(wǎng)QoS流量監(jiān)測模型，闡述了該模型的體系結(jié)構(gòu)和實現(xiàn)功能，在完成系統(tǒng)分析的基礎(chǔ)上對監(jiān)測模型的組件設(shè)計及實現(xiàn)進(jìn)行研究。作者以VoIP業(yè)務(wù)作為研究對象，基于該模型完成對VoIP業(yè)務(wù)中的QoS監(jiān)測，并對呼叫詳細(xì)記錄的關(guān)聯(lián)合成算法進(jìn)行優(yōu)化。
　?。?）在基于BP神經(jīng)網(wǎng)絡(luò)的IP網(wǎng)絡(luò)流量預(yù)測算法基礎(chǔ)上，結(jié)合基因表達(dá)

3、式編程進(jìn)化算法的優(yōu)勢，提出了基于進(jìn)化BP的IP網(wǎng)絡(luò)流量預(yù)測算法，作者針對該算法的編碼、遺傳操作及算法描述做了詳細(xì)分析，并與傳統(tǒng)算法進(jìn)行了比較仿真實驗和性能分析，實驗證實，本文提出的預(yù)測算法能夠更好地解決BP算法固有的訓(xùn)練速度慢，易陷入局部最優(yōu)以及全局搜索能力弱等缺陷。
　?。?）提出了基于小波變換和GFARIMA模型的流量預(yù)測算法，該算法將經(jīng)過處理后的原始流量進(jìn)行小波分解，分別對近似分量和細(xì)節(jié)分量完成單支重構(gòu)，并對重構(gòu)后的細(xì)節(jié)分量

4、和近似分量用 GFARIMA模型進(jìn)行預(yù)測，并合成最終預(yù)測流量，該算法較之以前的算法具備更高的預(yù)測準(zhǔn)確度，且解決了FARIMA模型時間滯后效應(yīng)帶來的問題。
　?。?）提出了基于模擬退火基因表達(dá)式編程的路由選擇最優(yōu)化算法。該算法在使用基因表達(dá)式編程算法進(jìn)行多目標(biāo)函數(shù)優(yōu)化時，對初始種群中的每一個個體進(jìn)行模擬退火操作，然后再進(jìn)行一系列其它的遺傳操作及適應(yīng)度函數(shù)評價。文章針對模擬退火算法容易跳出局部最優(yōu)解的缺陷，提出了基于模擬退火基因表達(dá)式

5、編程的路由選擇最優(yōu)化算法，該算法能夠更好地解決單一基因表達(dá)式編程優(yōu)化精度差、易陷入局部最優(yōu)的問題。作者在使用基因表達(dá)式編程算法進(jìn)行多目標(biāo)函數(shù)優(yōu)化時，對初始種群中的每一個個體進(jìn)行模擬退火操作，然后再進(jìn)行一系列其它的遺傳操作及適應(yīng)度函數(shù)評價。
　　綜上所述，本文從監(jiān)測模型的建立、預(yù)測算法的研究到QoS流量控制的提出，給出了一整套IP網(wǎng)絡(luò)流量監(jiān)測和控制的解決方案，并以仿真的形式驗證了方案的可行性，對現(xiàn)實場景下的商業(yè)應(yīng)用具有很好的啟發(fā)作用