基于網(wǎng)絡(luò)分域的航空信息網(wǎng)絡(luò)控制器部署方法

付皓通, 王 翔, 趙尚弘, 宋鑫康, 薛鳳鳳

(空軍工程大學(xué)信息與導(dǎo)航學(xué)院,西安,710077)

現(xiàn)階段以“平臺(tái)為中心”設(shè)計(jì)思路構(gòu)建的航空信息網(wǎng)絡(luò)[1]存在功能與設(shè)備耦合,平臺(tái)間信息傳輸共享不暢,網(wǎng)絡(luò)集中管控能力不足等問(wèn)題[2-3],面對(duì)日益復(fù)雜的業(yè)務(wù)需求及不斷增長(zhǎng)的業(yè)務(wù)流量,越來(lái)越難以滿足用戶的服務(wù)需求。軟件定義網(wǎng)絡(luò)[4-5](software defined network,SDN)技術(shù)的出現(xiàn)為航空信息網(wǎng)絡(luò)的發(fā)展帶來(lái)了全新的思路,SDN使網(wǎng)絡(luò)管理與數(shù)據(jù)傳輸相分離,建立邏輯集中的控制平面實(shí)現(xiàn)全網(wǎng)設(shè)備的統(tǒng)一管理,控制平面不參與具體的流量傳輸,專注于控制策略的制定和下發(fā);設(shè)備平臺(tái)簡(jiǎn)化為傳輸單元,負(fù)責(zé)接收控制平面下發(fā)的指令并執(zhí)行流量傳輸?shù)炔僮鳌DN具有的開(kāi)放性、靈活性及可編程性等特點(diǎn),為提升航空信息網(wǎng)絡(luò)資源管控能力帶來(lái)了巨大優(yōu)勢(shì),可顯著提升網(wǎng)絡(luò)任務(wù)服務(wù)效能[6]。

應(yīng)用SDN技術(shù)構(gòu)建航空信息網(wǎng)絡(luò)[7],首先需要在網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)部署控制器,建立邏輯集中的控制架構(gòu),為網(wǎng)絡(luò)資源集中高效管控,靈活動(dòng)態(tài)調(diào)度提供體系架構(gòu)保障。目前SDN控制器部署問(wèn)題逐漸成為研究熱點(diǎn)[8],研究表明控制器的數(shù)量和部署位置會(huì)顯著影響網(wǎng)絡(luò)性能[9],前者影響著控制平面的穩(wěn)定性及可擴(kuò)展性,而后者關(guān)系到網(wǎng)絡(luò)的管理和配置效率。目前相關(guān)研究以地面網(wǎng)絡(luò)應(yīng)用為背景,文獻(xiàn)[10]對(duì)時(shí)延優(yōu)化問(wèn)題進(jìn)行研究,提出基于聚類(lèi)的網(wǎng)絡(luò)劃分算法來(lái)減少傳播時(shí)延;文獻(xiàn)[11]針對(duì)可靠性部署問(wèn)題分別采用貪婪算法和模擬退火算法進(jìn)行求解,得到了可靠性優(yōu)化的部署方案;文獻(xiàn)[12]綜合網(wǎng)絡(luò)時(shí)延和負(fù)載均衡度,采用改進(jìn)多目標(biāo)遺傳算法進(jìn)行求解,加快算法收斂性的同時(shí)提高了解的多樣性;文獻(xiàn)[13]對(duì)網(wǎng)絡(luò)彈性和容錯(cuò)性部署問(wèn)題進(jìn)行研究,應(yīng)用Pareto優(yōu)化理論實(shí)現(xiàn)了二者的權(quán)衡;文獻(xiàn)[14]對(duì)負(fù)載均衡問(wèn)題進(jìn)行研究,采用博弈論方法重新分配交換機(jī)來(lái)實(shí)現(xiàn)控制器的負(fù)載均衡;文獻(xiàn)[15]提出了一種基于網(wǎng)絡(luò)劃分的部署算法,降低算法復(fù)雜度的同時(shí)可實(shí)現(xiàn)請(qǐng)求時(shí)延及網(wǎng)絡(luò)可靠性的優(yōu)化。然而文中僅考慮了區(qū)域內(nèi)的流量傳輸,未考慮跨區(qū)域流量傳輸場(chǎng)景,且網(wǎng)絡(luò)模型有待進(jìn)一步完善,算法復(fù)雜度仍需進(jìn)一步降低。

與地面應(yīng)用場(chǎng)景不同,航空信息網(wǎng)絡(luò)具有網(wǎng)絡(luò)規(guī)模大、戰(zhàn)場(chǎng)環(huán)境對(duì)抗性高、電磁環(huán)境干擾強(qiáng)等特點(diǎn),控制節(jié)點(diǎn)容易出現(xiàn)故障損毀問(wèn)題,因此采用多全局控制器的混合式結(jié)構(gòu)[16-17]來(lái)提升網(wǎng)絡(luò)的魯棒性性及可擴(kuò)展性。此外,面對(duì)瞬息萬(wàn)變的戰(zhàn)場(chǎng)態(tài)勢(shì),信息傳輸時(shí)延、網(wǎng)絡(luò)負(fù)載均衡度、網(wǎng)絡(luò)可靠性及部署成本等因素均對(duì)網(wǎng)絡(luò)性能有較大影響,決定著航空信息網(wǎng)絡(luò)在體系對(duì)抗中是否能取得優(yōu)勢(shì)地位,因此在控制器部署問(wèn)題中需要對(duì)上述指標(biāo)進(jìn)行充分考慮。

為推進(jìn)SDN與航空信息網(wǎng)絡(luò)的結(jié)合進(jìn)程,有效提升航空信息網(wǎng)絡(luò)的綜合性能,本文結(jié)合航空信息網(wǎng)絡(luò)場(chǎng)景特點(diǎn),針對(duì)網(wǎng)絡(luò)中的關(guān)鍵性能指標(biāo),設(shè)計(jì)了一種基于SDN的航空信息網(wǎng)絡(luò)混合式控制架構(gòu),來(lái)實(shí)現(xiàn)對(duì)全網(wǎng)平臺(tái)的集中管控;綜合考慮區(qū)域內(nèi)流量傳輸及跨區(qū)域流量傳輸兩種重要傳輸場(chǎng)景,建立請(qǐng)求時(shí)延函數(shù),并對(duì)網(wǎng)絡(luò)模型及約束條件進(jìn)行完善細(xì)化;借鑒網(wǎng)絡(luò)分域能夠有效降低算法尋優(yōu)復(fù)雜度的思想,在控制架構(gòu)建立過(guò)程中,首先依據(jù)平臺(tái)間的時(shí)延性能將網(wǎng)絡(luò)劃分為不同區(qū)域,確保區(qū)域內(nèi)部平臺(tái)之間的信息能夠快速傳輸;其次,為避免單一性能指標(biāo)存在的局限,依據(jù)請(qǐng)求時(shí)延、負(fù)載均衡指數(shù)及控制器數(shù)量等指標(biāo)對(duì)網(wǎng)絡(luò)平臺(tái)進(jìn)行域間調(diào)度,從而提升網(wǎng)絡(luò)的綜合性能;在此基礎(chǔ)上,以網(wǎng)絡(luò)可靠性最大化為優(yōu)化目標(biāo)部署控制器,建立集中控制體系,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的集中管控。為驗(yàn)證本文所提算法的有效性,在仿真實(shí)驗(yàn)部分對(duì)算法性能進(jìn)行驗(yàn)證分析。

1 系統(tǒng)模型

1.1 場(chǎng)景描述

航空信息網(wǎng)絡(luò)混合式控制架構(gòu)如圖1所示,網(wǎng)絡(luò)中存在多種類(lèi)型的有人/無(wú)人機(jī)平臺(tái),依據(jù)航空任務(wù)動(dòng)態(tài)組織。為實(shí)現(xiàn)網(wǎng)絡(luò)的集中高效管控,同時(shí)提升控制平面的可擴(kuò)展性,將網(wǎng)絡(luò)控制平面劃分為區(qū)域控制器平面和全局控制器平面。區(qū)域控制器平面由區(qū)域控制器(area controller,AC)組成,每個(gè)區(qū)域控制器能夠管理一定范圍和規(guī)模的網(wǎng)絡(luò),負(fù)責(zé)域內(nèi)平臺(tái)管理及流量轉(zhuǎn)發(fā),收集底層網(wǎng)絡(luò)狀態(tài)信息并向上提供給全局控制器;全局控制器平面由多個(gè)空間分布的全局控制器(global controller,GC)組成,全局控制器之間通過(guò)分布式通信協(xié)議共享各自掌握的網(wǎng)絡(luò)狀態(tài)信息,從而形成統(tǒng)一的網(wǎng)絡(luò)視圖信息,并負(fù)責(zé)跨區(qū)域流量的處理和轉(zhuǎn)發(fā)。

(a)航空集群作戰(zhàn)場(chǎng)景 (b)混合式控制架構(gòu)

控制器根據(jù)網(wǎng)絡(luò)規(guī)模、空間分布、網(wǎng)絡(luò)流量等情況按需部署在網(wǎng)絡(luò)中,以實(shí)現(xiàn)網(wǎng)絡(luò)的高效管控[18]。假設(shè)網(wǎng)絡(luò)中所有節(jié)點(diǎn)都可以部署成為控制節(jié)點(diǎn),控制器功能與平臺(tái)應(yīng)用程序共享設(shè)備底層物理資源,可以根據(jù)部署指令動(dòng)態(tài)開(kāi)啟或關(guān)閉控制器功能,實(shí)現(xiàn)控制器的彈性部署。網(wǎng)絡(luò)中動(dòng)態(tài)變化的控制器形成控制器資源池,部署成為區(qū)域控制器平面和全局控制器平面,共同形成邏輯集中的網(wǎng)絡(luò)控制架構(gòu)。

1.2 網(wǎng)絡(luò)模型

航空信息網(wǎng)絡(luò)用無(wú)向圖G(V,E)表示,其中V={v1,v2,…,vN}表示航空平臺(tái)集合,E表示平臺(tái)間的鏈路集合,網(wǎng)絡(luò)可劃分為多個(gè)區(qū)域,每個(gè)區(qū)域都包含一定數(shù)量的網(wǎng)絡(luò)節(jié)點(diǎn)與相關(guān)鏈路,對(duì)每個(gè)區(qū)域部署一個(gè)控制器來(lái)實(shí)現(xiàn)對(duì)該區(qū)域節(jié)點(diǎn)的管控。網(wǎng)絡(luò)劃分約束可表示為:

G(V,E)=G1(V1,E1)∪G2(V2,E2)∪…∪GK(VK,EK)

(1)

Gi∩Gj=?,i≠j

(2)

航空信息網(wǎng)絡(luò)中相關(guān)變量及定義歸納如表1。

表1 航空信息網(wǎng)絡(luò)相關(guān)變量及定義

1.3 性能指標(biāo)

1.3.1 平均請(qǐng)求時(shí)延

與單控制器架構(gòu)和扁平式控制架構(gòu)不同,在混合式控制架構(gòu)中,網(wǎng)絡(luò)節(jié)點(diǎn)的流量請(qǐng)求有2種類(lèi)型:①節(jié)點(diǎn)到區(qū)域控制器的流量請(qǐng)求;②節(jié)點(diǎn)到全局控制器的流量請(qǐng)求。對(duì)于域內(nèi)通信而言,節(jié)點(diǎn)產(chǎn)生的流量請(qǐng)求到達(dá)區(qū)域控制器,由區(qū)域控制器處理并轉(zhuǎn)發(fā)到域內(nèi)節(jié)點(diǎn),實(shí)現(xiàn)域內(nèi)流量傳輸。區(qū)域k中節(jié)點(diǎn)的域內(nèi)流量請(qǐng)求時(shí)延可表示為:

(3)

對(duì)于域間通信而言,節(jié)點(diǎn)產(chǎn)生的流量請(qǐng)求經(jīng)區(qū)域控制器后到達(dá)全局控制器,由全局控制器處理后轉(zhuǎn)發(fā)到其他區(qū)域控制器,進(jìn)而轉(zhuǎn)發(fā)至目的節(jié)點(diǎn),實(shí)現(xiàn)跨域流量傳輸。區(qū)域k中節(jié)點(diǎn)的跨域流量請(qǐng)求時(shí)延可表示為:

(4)

式中:d(u,v)為Dijkstra算法計(jì)算得到的最短路徑。

設(shè)每個(gè)節(jié)點(diǎn)的跨域通信概率為P,域內(nèi)通信概率為1-P,域k的平均請(qǐng)求時(shí)延可表示為:

(5)

1.3.2 負(fù)載均衡指數(shù)

在混合式架構(gòu)中,網(wǎng)絡(luò)被劃分為不同的區(qū)域,區(qū)域控制器管理并維護(hù)著域內(nèi)網(wǎng)絡(luò)功能的正常運(yùn)行。網(wǎng)絡(luò)的負(fù)載均衡性是控制器部署時(shí)需要考慮的重要因素[19]。文中綜合考慮節(jié)點(diǎn)流量請(qǐng)求速率與節(jié)點(diǎn)數(shù)量的影響,區(qū)域k的負(fù)載均衡指數(shù)可表示為:

(6)

1.3.3 網(wǎng)絡(luò)可靠性

在航空信息網(wǎng)絡(luò)中,控制平面的可靠性是網(wǎng)絡(luò)性能的重要指標(biāo),可靠性越高,控制平面能夠正常運(yùn)行的時(shí)間就越長(zhǎng)[20]?？煽啃酝ǔ０ü?jié)點(diǎn)可靠性和鏈路可靠性,設(shè)節(jié)點(diǎn)故障的概率為pv,鏈路中斷的概率為pe,則節(jié)點(diǎn)i和j之間的鏈路可靠性可表示為:

R(i,j)=∏e∈Ei,j(1-pe)∏v∈Vi,j(1-pv)

(7)

式中:Vi,j和Ei,j分別表示i和j之間最短路徑所包含的節(jié)點(diǎn)集合與鏈路集合。

1.3.4 控制器數(shù)量

航空信息網(wǎng)絡(luò)的部署成本主要取決于部署的控制器數(shù)量,因此,在滿足網(wǎng)絡(luò)管理需求的條件下,最小化控制器的部署數(shù)量,能有效降低網(wǎng)絡(luò)部署成本并提升資源利用率。設(shè)每個(gè)控制器的容量為φ,不引起控制器過(guò)載的最大資源利用率為Umax,網(wǎng)絡(luò)中所需的最少控制器數(shù)量為:

K0=μtotal/(φ·Umax)

(8)

設(shè)網(wǎng)絡(luò)中實(shí)際部署的控制器數(shù)量為K,則實(shí)際部署數(shù)量與最少數(shù)量的偏差可表示為:

(9)

式中:Kvar值越小,表示實(shí)際部署的控制器數(shù)量越少,網(wǎng)絡(luò)部署成本越低。

1.4 優(yōu)化目標(biāo)及約束條件

通過(guò)定義網(wǎng)絡(luò)請(qǐng)求時(shí)延、負(fù)載均衡度、網(wǎng)絡(luò)可靠性及控制器數(shù)量等指標(biāo),能夠?qū)娇招畔⒕W(wǎng)絡(luò)性能進(jìn)行比較全面的衡量。在控制器部署的過(guò)程中,需要同時(shí)考慮對(duì)上述性能指標(biāo)進(jìn)行優(yōu)化,以增強(qiáng)網(wǎng)絡(luò)的綜合性能,提升快速響應(yīng)能力、負(fù)載均衡性及網(wǎng)絡(luò)可靠性,并降低部署成本。網(wǎng)絡(luò)的優(yōu)化目標(biāo)可以表示為:

Kvar},K0≤K≤N

(10)

式中:X={x1,x2,…,xK},xk={xk,1,xk,2,…,xk,N},且xk,j={0,1}。區(qū)域數(shù)量K為優(yōu)化變量,K不小于最小分域數(shù)量K0,且不超過(guò)節(jié)點(diǎn)總數(shù)N。

網(wǎng)絡(luò)中相關(guān)的約束條件表示如下:

∈Ei,j

(11)

式中:C1表示每個(gè)節(jié)點(diǎn)在同一時(shí)刻只能劃分到一個(gè)區(qū)域;C2表示域內(nèi)節(jié)點(diǎn)的流量請(qǐng)求速率之和不超過(guò)控制器承載限度。C3表示節(jié)從點(diǎn)i到節(jié)點(diǎn)j的數(shù)據(jù)流至少需要經(jīng)過(guò)一條鏈路;C4、C5表示為避免數(shù)據(jù)流出現(xiàn)環(huán)路并且保證數(shù)據(jù)流流向,每個(gè)數(shù)據(jù)流最多只能從一個(gè)節(jié)點(diǎn)流出或從一個(gè)節(jié)點(diǎn)流入;C6表示流經(jīng)一個(gè)節(jié)點(diǎn)的數(shù)據(jù)流需滿足連續(xù)性約束[22];C7表示流經(jīng)鏈路eu,v的所有數(shù)據(jù)流之和不超過(guò)鏈路的帶寬bu,v。

2 控制器部署算法設(shè)計(jì)

航空信息網(wǎng)絡(luò)的網(wǎng)絡(luò)規(guī)模龐大,直接部署控制器面臨尋優(yōu)范圍廣、計(jì)算復(fù)雜度大、運(yùn)算時(shí)間長(zhǎng)、難以及時(shí)部署等問(wèn)題。為解決上述問(wèn)題,本節(jié)結(jié)合航空?qǐng)鼍疤攸c(diǎn),提出一種航空信息網(wǎng)絡(luò)控制器部署算法(aviation information network controller deployment algorithm,AIN-CD)。

2.1 網(wǎng)絡(luò)劃分

為實(shí)現(xiàn)網(wǎng)絡(luò)的快速劃分,本節(jié)基于節(jié)點(diǎn)距離構(gòu)造模塊度函數(shù)進(jìn)行網(wǎng)絡(luò)分域,得到相似度高、節(jié)點(diǎn)間時(shí)延小的劃分方案,保證算法能夠快速收斂?；诰嚯x的模塊度函數(shù)構(gòu)造如下:

(12)

(13)

Ai,j=χ/d(i,j)

(14)

式中:Ai,j表示節(jié)點(diǎn)i和j之間邊的權(quán)重,其與節(jié)點(diǎn)之間的距離成反比,同時(shí)為避免Ai,j值過(guò)小以系數(shù)χ調(diào)節(jié);Σin表示域內(nèi)所有節(jié)點(diǎn)之間的邊權(quán)重之和;Σtot表示與域內(nèi)節(jié)點(diǎn)相連的所有邊的權(quán)重之和。網(wǎng)絡(luò)模塊度值等于所有子域模塊度值之和。

節(jié)點(diǎn)從原域中取出,加入到目的域時(shí),會(huì)產(chǎn)生模塊度增益[22]:

(15)

式中:wi,in表示節(jié)點(diǎn)i與目的域相連的所有邊的權(quán)重之和;wi表示與節(jié)點(diǎn)i相連的所有邊的權(quán)重之和。

在分域過(guò)程中,將每個(gè)節(jié)點(diǎn)依次取出,遍歷相鄰的域并計(jì)算ΔQ,若存在ΔQ>0,則選擇模塊度增益最大的域放入該節(jié)點(diǎn),否則不發(fā)生移動(dòng)。重復(fù)上述過(guò)程,直到網(wǎng)絡(luò)的模塊度值不再發(fā)生變化;接下來(lái)將各域內(nèi)點(diǎn)合并為一個(gè)超節(jié)點(diǎn),繼續(xù)對(duì)超節(jié)點(diǎn)執(zhí)行分域操作,直至達(dá)到收斂條件。

2.2 域間調(diào)度

在本節(jié)中,綜合考慮請(qǐng)求時(shí)延、負(fù)載均衡及控制器數(shù)量的影響對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行調(diào)度,進(jìn)一步優(yōu)化網(wǎng)絡(luò)的分域結(jié)構(gòu)。

將各域中節(jié)點(diǎn)組成節(jié)點(diǎn)聯(lián)盟,依據(jù)請(qǐng)求時(shí)延、負(fù)載均衡及控制器數(shù)量建立分域優(yōu)化函數(shù),通過(guò)比較分域優(yōu)化函數(shù)的變化來(lái)判斷域間節(jié)點(diǎn)是否進(jìn)行調(diào)度。構(gòu)造分域優(yōu)化函數(shù)如下:

(16)

式中:U(ν)表示分域結(jié)構(gòu)為ν時(shí)的優(yōu)化函數(shù)值;Dmax、Lmax分別表示平均請(qǐng)求時(shí)延、負(fù)載均衡度指數(shù)的最大值。此時(shí)優(yōu)化目標(biāo)可轉(zhuǎn)化為尋找分域優(yōu)化函數(shù)的最大值,即maxU(ν)。節(jié)點(diǎn)n從域Vi調(diào)度到域Vj的條件可表示為:

(Vi,ν)n(Vj,ν')?U()

(17)

若節(jié)點(diǎn)n傾向于留在當(dāng)前域Vi中,則相應(yīng)的調(diào)度關(guān)系可表示為:

(Vi,ν)?n(Vj,ν')?U(ν)≥U(ν')

(18)

式中:當(dāng)前網(wǎng)絡(luò)分域結(jié)構(gòu)和相鄰結(jié)構(gòu)分別表示為ν和ν',分域數(shù)量K為網(wǎng)絡(luò)中非空子域的數(shù)量,節(jié)點(diǎn)調(diào)度算法流程如表2。

表2 域間調(diào)度算法流程

2.3 控制器部署

航空信息網(wǎng)絡(luò)具有空間分布范圍廣泛、網(wǎng)絡(luò)拓?fù)鋭?dòng)態(tài)變化、鏈路連接狀況不穩(wěn)定等特點(diǎn),容易出現(xiàn)通信中斷、平臺(tái)失連及損毀等問(wèn)題,從而導(dǎo)致網(wǎng)絡(luò)功能失效及網(wǎng)絡(luò)性能下降,因此在部署控制器時(shí),選擇網(wǎng)絡(luò)中可靠性最高的節(jié)點(diǎn)進(jìn)行部署,可以提升控制平面的可靠性?？煽啃宰畲蠡目刂破鞑渴鹚惴ㄒ?jiàn)表3。

表3 控制器部署算法流程

在算法1形成的分域結(jié)構(gòu)基礎(chǔ)上,依次遍歷每個(gè)區(qū)域,選擇區(qū)域中可靠性最大的節(jié)點(diǎn)部署區(qū)域控制器實(shí)現(xiàn)對(duì)該區(qū)域的管控;后依次遍歷每個(gè)區(qū)域控制器節(jié)點(diǎn),選擇其中可靠性最高的|Cg|個(gè)節(jié)點(diǎn)部署全局控制器,從而形成層次式控制結(jié)構(gòu)。

3 復(fù)雜度分析

在網(wǎng)絡(luò)分域階段,設(shè)第i次迭代后網(wǎng)絡(luò)網(wǎng)絡(luò)規(guī)模為Ni,則算法收斂需要執(zhí)行的計(jì)算量為N(N-1)+N1(N1-1)+…+1.2K0(1.2K0-1),由于Ni?N,時(shí)間復(fù)雜度為ο(N2)。在域間調(diào)度階段,域內(nèi)每個(gè)節(jié)點(diǎn)都需要與其他域進(jìn)行比較交換,網(wǎng)絡(luò)總節(jié)點(diǎn)數(shù)為N,分域數(shù)量為K,平均每個(gè)域中的節(jié)點(diǎn)數(shù)為N/K,則需要執(zhí)行的計(jì)算量為(N/K)(K-1)K,時(shí)間復(fù)雜度為ο(KN)。在控制器部署階段,需要遍歷域內(nèi)每個(gè)節(jié)點(diǎn),選擇可靠性最大的節(jié)點(diǎn)進(jìn)行部署,算法時(shí)間復(fù)雜度為ο(N);之后遍歷所有局部控制器節(jié)點(diǎn),選擇可靠性最大的|Cg|個(gè)節(jié)點(diǎn)部署全局控制器,時(shí)間復(fù)雜度為ο(K)。因此,AIN-CD算法的時(shí)間復(fù)雜度為ο(N2)+ο(KN)+ο(N)+ο(K),由于K?N,因此算法時(shí)間復(fù)雜度近似為ο(N2),與網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量的平方成正比。

4 實(shí)驗(yàn)分析

4.1 仿真環(huán)境設(shè)置

在本節(jié)中基于MATLAB環(huán)境對(duì)所提模型和算法進(jìn)行仿真實(shí)驗(yàn),并將AIN-CD算法和改進(jìn)K-means算法[24](improved K-means algorithm, IKM)、基于帕累托優(yōu)化的控制器部署算法[25](Pareto-based optimal controller placement algorithm, POCO)和隨機(jī)部署算法(random deployment algorithm, RD)的性能進(jìn)行比較,仿真區(qū)域?yàn)?00 km×300 km的矩形區(qū)域,節(jié)點(diǎn)的通信半徑為50 km,網(wǎng)絡(luò)拓?fù)湓诮o定網(wǎng)絡(luò)規(guī)模下隨機(jī)生成,節(jié)點(diǎn)之間的最短路徑由Dijkstra算法計(jì)算得到,相關(guān)仿真參數(shù)設(shè)置見(jiàn)表5,每次仿真實(shí)驗(yàn)重復(fù)執(zhí)行20次,取平均值作為實(shí)驗(yàn)結(jié)果。

表5 仿真參數(shù)設(shè)置

4.2 實(shí)驗(yàn)結(jié)果分析

AIN-CD算法能夠根據(jù)模塊度函數(shù)及分域優(yōu)化函數(shù)自適應(yīng)地計(jì)算得到最佳的網(wǎng)絡(luò)分域數(shù)量,而IKM、POCO和RD算法需要預(yù)先指定網(wǎng)絡(luò)分域數(shù)量,因此將其他算法的分域數(shù)量設(shè)置為與AIN-CD算法相同。

圖2為不同網(wǎng)絡(luò)規(guī)模下算法的平均請(qǐng)求時(shí)延變化。隨著網(wǎng)絡(luò)規(guī)模不斷增長(zhǎng),平均請(qǐng)求時(shí)延不斷增大。RD算法采取了隨機(jī)部署策略,沒(méi)有考慮對(duì)網(wǎng)絡(luò)性能指標(biāo)進(jìn)行優(yōu)化,因此平均請(qǐng)求時(shí)延最大。當(dāng)網(wǎng)絡(luò)規(guī)模小于120時(shí),AIN-CDA算法的平均請(qǐng)求時(shí)延小于IKM算法;當(dāng)網(wǎng)絡(luò)規(guī)模大于120時(shí),IKM算法的平均請(qǐng)求時(shí)延最小。IKM算法依據(jù)節(jié)點(diǎn)間距離最短對(duì)網(wǎng)絡(luò)進(jìn)行劃分,因此能獲得較小的平均請(qǐng)求時(shí)延。

圖2 不同網(wǎng)絡(luò)規(guī)模下平均請(qǐng)求時(shí)延

圖3為α=0.5,β=0.5時(shí)不同網(wǎng)絡(luò)規(guī)模下算法的負(fù)載均衡指數(shù)變化。隨著網(wǎng)絡(luò)規(guī)模不斷增長(zhǎng),負(fù)載均衡指數(shù)不斷增大,負(fù)載均衡性逐漸下降。RD算法的負(fù)載均衡性能最差,容易出現(xiàn)網(wǎng)絡(luò)負(fù)載失衡及控制器過(guò)載等問(wèn)題,IKM算法的負(fù)載均衡性優(yōu)于RD算法。POCO算法的負(fù)載均衡性低于AIN-CD算法,由于POCO算法同時(shí)對(duì)請(qǐng)求時(shí)延、負(fù)載均衡和可靠性進(jìn)行尋優(yōu),各目標(biāo)之間存在一定程度的互斥關(guān)系,對(duì)其他性能指標(biāo)進(jìn)行優(yōu)化時(shí)會(huì)降低負(fù)載均衡性。與其他算法相比,AIN-CD算法的負(fù)載均衡指數(shù)最小,表明其負(fù)載均衡性最好。當(dāng)α=0.5,β=0.5時(shí),AIN-CD算法綜合考慮域內(nèi)節(jié)點(diǎn)流量請(qǐng)求速率與節(jié)點(diǎn)數(shù)量的影響,實(shí)現(xiàn)了較好的負(fù)載均衡性。

圖3 不同網(wǎng)絡(luò)規(guī)模下負(fù)載均衡指數(shù)

圖4所示為不同網(wǎng)絡(luò)規(guī)模下算法的可靠性對(duì)比。RD算法的可靠性最低,IKM算法在部署過(guò)程僅對(duì)時(shí)延性能進(jìn)行優(yōu)化,其可靠性低于AIN-CD算法;當(dāng)網(wǎng)絡(luò)規(guī)模大于140時(shí),AIN-CD算法的可靠性低于POCO算法。由于AIN-CD算法首先對(duì)網(wǎng)絡(luò)進(jìn)行劃分,一定程度上限制了算法的優(yōu)化能力;而POCO算法面向全網(wǎng)搜索尋優(yōu),能有效避免陷入局部最優(yōu),算法的全局尋優(yōu)能力更強(qiáng),因此網(wǎng)絡(luò)規(guī)模增大時(shí)算法的可靠性最高。

圖4 不同網(wǎng)絡(luò)規(guī)模下網(wǎng)絡(luò)可靠性

設(shè)置網(wǎng)絡(luò)規(guī)模為120,圖5～圖7為該規(guī)模下4種算法在不同分域數(shù)量時(shí)的網(wǎng)絡(luò)性能對(duì)比。AIN-CD算法將網(wǎng)絡(luò)劃分為6個(gè)子域,并且不隨分域數(shù)量增長(zhǎng)而變化,因此在圖5～圖7中為直線。

圖5和圖6分別為不同分域數(shù)量下平均請(qǐng)求時(shí)延和負(fù)載均衡指數(shù)的變化。隨著分域數(shù)量的增加,4種算法的平均請(qǐng)求時(shí)延和負(fù)載均衡指數(shù)均不斷下降。由于分域數(shù)量逐漸增加,域中節(jié)點(diǎn)不斷減少,從而降低了域內(nèi)請(qǐng)求時(shí)延和網(wǎng)絡(luò)管理壓力。當(dāng)分域數(shù)量多于6時(shí),IKM算法和POCO算法的平均請(qǐng)求時(shí)延低于AIN-CD算法;當(dāng)分域數(shù)量多于7時(shí),IKM算法和POCO算法的負(fù)載均衡指數(shù)小于AIN-CD算法。然而控制器隨分域數(shù)量增加而增長(zhǎng),增加了網(wǎng)絡(luò)部署成本。AIN-CD算法將分域數(shù)量作為優(yōu)化目標(biāo)之一,根據(jù)網(wǎng)絡(luò)狀況進(jìn)行合理分域,在保證較好時(shí)延和負(fù)載均衡性能的同時(shí),能夠有效降低網(wǎng)絡(luò)部署成本。

圖5 不同分域數(shù)量下平均請(qǐng)求時(shí)延

圖6 不同分域數(shù)量下負(fù)載均衡指數(shù)

圖7所示為不同分域數(shù)量下網(wǎng)絡(luò)可靠性的變化。隨著分域數(shù)量的增加,4種算法的可靠性不斷提高,從而驗(yàn)證了增加控制器數(shù)量能夠有效提升網(wǎng)絡(luò)可靠性。當(dāng)分域數(shù)量多于7時(shí),POCO算法的可靠性高于其他算法。

圖7 不同分域數(shù)量下網(wǎng)絡(luò)可靠性變化

圖8為不同網(wǎng)絡(luò)規(guī)模下算法平均計(jì)算時(shí)間的變化,將IKM算法、POCO算法和RD算法的分域數(shù)量設(shè)置為與AIN-CD算法相同。隨著網(wǎng)絡(luò)規(guī)模不斷增長(zhǎng),算法的計(jì)算時(shí)間不斷增加,AIN-CD算法的計(jì)算時(shí)間小于IKM算法和POCO算法。AIN-CD算法通過(guò)網(wǎng)絡(luò)分域與域內(nèi)尋優(yōu),有效降低了計(jì)算復(fù)雜度,從而減少計(jì)算時(shí)間;POCO算法的計(jì)算時(shí)間明顯增加,約為AIN-CD算法的3倍左右。由于POCO算法面向全網(wǎng)搜索尋優(yōu),對(duì)網(wǎng)絡(luò)規(guī)模變化敏感,當(dāng)網(wǎng)絡(luò)規(guī)模增大時(shí)計(jì)算復(fù)雜度迅速增長(zhǎng),因此計(jì)算時(shí)間最長(zhǎng)。而RD算法采用隨機(jī)部署策略,不涉及對(duì)網(wǎng)絡(luò)性能進(jìn)行優(yōu)化,因此計(jì)算時(shí)間最短。

圖8 不同網(wǎng)絡(luò)規(guī)模下算法計(jì)算時(shí)間變化

5 結(jié)語(yǔ)

本文面向航空信息網(wǎng)絡(luò)控制器部署問(wèn)題開(kāi)展研究,針對(duì)航空信息網(wǎng)絡(luò)規(guī)模龐大、拓?fù)鋭?dòng)態(tài)變化、戰(zhàn)場(chǎng)對(duì)抗劇烈等特點(diǎn),歸納了平均請(qǐng)求時(shí)延、負(fù)載均衡指數(shù)、控制器數(shù)量、網(wǎng)絡(luò)可靠性等關(guān)鍵性能指標(biāo),提出了一種網(wǎng)絡(luò)劃分和域內(nèi)部署的控制器部署算法。研究結(jié)果表明,所提算法具有較低的計(jì)算復(fù)雜度,能夠有效提升網(wǎng)絡(luò)綜合性能,適用于解決航空?qǐng)鼍跋碌目刂破鲃?dòng)態(tài)部署問(wèn)題。深度強(qiáng)化學(xué)習(xí)是人工智能技術(shù)的重要突破,為提升航空信息網(wǎng)絡(luò)資源優(yōu)化能力和網(wǎng)絡(luò)管理效率帶來(lái)了可能,未來(lái)將開(kāi)展基于深度強(qiáng)化學(xué)習(xí)的航空信息網(wǎng)絡(luò)控制器部署方法研究。