一种双归属环形网络拓扑与路径优化系统的制作方法

1.本发明属于网络拓扑优化领域，具体涉及一种双归属环形网络拓扑与路径优化系统。


背景技术：

2.在过去的几十年中，电信网络的低成本设计越来越受到人们的关注。日益增长的通信需求要求不断重新规划通信结构。对于由一组由光纤连接的节点组成的光网络，其包含物理层和逻辑层。物理层由网络节点和连接节点的光纤组成。逻辑层是通过光交叉连接(oxc,optical cross-connects)在节点之间建立了一组名为光路的光传输通道，光路由双向光通道组成，通过物理层的路径连接网络中的两个节点。为了达到适应光网络中动态变化的流量和降低成本资源消耗的目的，需要进行网络拓扑与路径优化，即根据逻辑层上的流量情况对物理层拓扑与流量路径进行有效规划，建立逻辑层拓扑与物理层拓扑之间的有效映射关系。合理的配置方案可以使得流量传输速率更快，时延更低，资源消耗更少。
3.目前学术界将网络拓扑与路径优化问题定义为多商品流问题。求解多商品流问题的方法可以分为两大类：精确算法和启发式算法。精确算法能够求得模型的精确最优解，但其缺点在于在现有计算机技术下、在有限的计算时间内无法处理决策变量较多或约束条件较多的问题，求解规模大，求解时间复杂度高，对算法的性能要求极高。同时网络拓扑结构难以进行显示化表示，难以对其进行公式化建模。启发式算法是相对于最优化算法提出的，是基于直观或经验构造的算法，可以在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解。虽然能够处理决策变量较多的问题，但其得到的最优解为近似最优解，且比较容易陷入局部最优解，所求得的近似最优解与实际最优解之间的差距无法衡量和估计。工业界完成网络拓扑优化的主要技术为专家系统，依赖于专家的经验和技术，但网络规模越来越大，网络规划设计管理机制越来越复杂，需要不断地更新专家系统，才能设计出合理的网络拓扑。


技术实现要素：

4.针对上述问题，本发明针对环状网络拓扑结构提供了一种双归属环形网络拓扑与路径优化系统，该系统将根据逻辑层网络拓扑上的流量情况对物理拓扑与流量路径进行有效规划，通过调整逻辑层拓扑与物理层拓扑之间的有效映射关系，达到光纤资源消耗更少的目标。
5.为达到上述目的，本发明采用如下方案来实现的：
6.一种双归属环形网络拓扑与路径优化系统，包括：
7.网络监控模块，用于采集优化算法的相关输入并传递至路径优化模块；
8.路径优化模块，用于接收网络监控模块传递的数据，根据流量需求，利用结合了srlg约束的suurballe算法对所有流量规划主备份路径，使得所规划路径对应的物理层拓扑链路消耗的光纤资源最少；
9.拓扑优化模块：用于接收路径优化模块传递的数据，将双归属环形网络逻辑层的拓扑约束条件和物理层的路径约束条件相结合，利用gurobi求解器进行拓扑优化求解，达到光纤资源消耗最少的目标；
10.流量规划模块：用于将针对拓扑优化模块求得的物理层拓扑g进行流量传输仿真，验证拓扑g是否严格满足流量相关约束条件；
11.场景自适应模块，用于作为辅助模块帮助拓扑优化模块得到的拓扑满足流量相关约束条件，同时负责在破环加点场景中，以最小代价将新增节点归纳至现有的网络拓扑中。
12.本发明进一步的改进在于，网络监控模块采集网络状态信息，包括流量需求，网络拓扑，srlg约束信息以及网络拓扑结构约束信息，网络状态信息共同作为输入传递至路径优化模块。
13.本发明进一步的改进在于，路径优化模块的具体操作为：首先根据srlg约束更新无向图；然后计算流量的优先级，按优先级由高至低排序；接下来基于suurballe算法为每一条流量规划两条边互不相交的主备份路径；每规划完一条流量的路径，将有流量负载的边的权重降为0，然后继续为下一条流量规划路径，直到所有流量都被成功规划路径。
14.本发明进一步的改进在于，根据srlg约束更新无向图的方法如下：
15.设g＝{v,e}是一个加权有向图，v为所有节点构成的集合，e为所有边构成的集合，记ri＝{uv1,uv2,
…
,uvk}为第i个srlg约束，即边uv1,uv2,
…
,uvk共享同一个光纤；
16.首先，对于每一个srlg约束，引入一个虚拟节点di，则v’(g)＝v(g)∪{d1,d2,
…
,dk}；
17.然后，遍历srlg中的所有边：
18.如果ri中的每一条边uvj仅出现了一次，那么将ri中的边在g中删掉，并且新增边udi和{div1,div2,
…
,divk}，边udi的权重为0，边divj的权重为原来uvj的权重；
19.如果存在两组srlg约束有交集，即uv∈ri∩rj，di为ri引入的虚拟节点，dj为rj引入的虚拟节点，那么将ri和rj中的边都删掉，新增边udi和udj，权重为0；新增边div和边djv，权重为∞，将权重设置为∞的目的是避免选择同一条边；新增边d
idj
，权重为原来边uv的权重；最后新增虚拟节点到ri和rj中其他节点的边。
20.本发明进一步的改进在于，流量的优先级计算方法如下：
21.在为流量规划路径的过程中，将优先级定义为路径的边平均代价，即
[0022][0023]
其中，cost(p)表示路径p所包含边的总代价，len(p)表示路径p所包含边的个数；
[0024]
suurballe算法的具体流程如下：
[0025]
设g＝{v,e}是一个加权有向图，v为所有节点构成的集合，e为所有边构成的集合，ω
ij
表示g中边(i,j)的权重，vs为源点，t
sj
表示源点vs到节点j的最短距离；
[0026]
(1)使用dijkstra算法寻找从源点vs到宿点vd的最短路径path1；
[0027]
(2)通过改变计算出的path1中的边的方向和其他边的权重来转换网络，目的是降低路径的总长度，首先将path1包含的边反向，然后更新所有边的权重为ω
′
ij
：
[0028]
ω
′
ij
＝ω
ij
+t
si
+t
sj
[0029]
(3)在更新后的网络中使用dijkstra算法寻找从源点vs到宿点vd的最短路径
path2；
[0030]
(4)删除path1和path2中的公共边，重新排列得到两条互不相交且总长度最小的路径。
[0031]
本发明进一步的改进在于，拓扑优化模块的具体操作为：将基于路径优化模块得到的拓扑结果对原先建立的双归属环形网络拓扑相关约束进行化简，在已化简的拓扑约束下，利用gurobi求解器在目标为agg节点成环率最高的情况下进行拓扑优化求解，并输出优化得到的逻辑层与物理层拓扑结果；
[0032]
其中，简化后的拓扑约束模型如下：
[0033]
符号变量：
[0034]
g＝{v,e}：无向图，其中v＝v
core
∪v
dis
∪v
agg
是所有节点的集合，v
core
，v
dis
，v
agg
分别是core节点、dis节点和agg节点的集合，e是边的集合，其中core节点为核心节点，agg节点为aggregation汇聚节点，dis节点为distribution汇聚节点，其上层为core节点，下层为agg节点；
[0035]
l：是逻辑环的集合；
[0036]
cost
ij
：节点i和节点j之间的距离；
[0037]eil
：二元变量，
[0038]gijl
：二元变量，
[0039]
决策变量：
[0040]
x
ij
：二元变量，
[0041]yil
：二元变量，
[0042]
辅助变量：
[0043]
x
l
：二元变量，
[0044]
优化目标：
[0045]
1.agg成环率最高
[0046][0047]
2.消耗物理层资源最少
[0048][0049]
约束条件：
[0050]
1.节点归属环的约束
[0051][0052][0053][0054][0055]
2.消耗物理层资源的约束
[0056][0057]
本发明进一步的改进在于，为了判断拓扑优化模块得到的物理层拓扑g是否满足流量相关约束，流量规划模块针对拓扑g进行流量传输仿真，基于dijkstra算法为流量规划主备份路径进行传输，并得到满足流量相关约束所对应的物理层拓扑g’，对比g与g’，若拓扑一致则流程结束，输出拓扑优化模块得到的逻辑层与物理层拓扑结果；若拓扑不一致，则标记缺失链路并输入至场景自适应模块进行缺失链路添加。
[0058]
本发明进一步的改进在于，场景自适应模块通过将缺失链路或者新增节点添加至其相邻节点所在的物理层链路，并归属至相关逻辑层环中。
[0059]
本发明至少具有如下有益的技术效果：
[0060]
本发明提供了一种双归属环形网络拓扑与路径优化系统，该系统基于结合了srlg(shared risk link group，共享风险链路组)约束的suurballe算法为流量规划出两条边不相交且不共享光纤资源的主备份路径，使得所规划路径消耗的光纤资源最小，同时基于gurobi求解器进行拓扑优化，最终实现了在已知逻辑层网络拓扑上的流量情况下针对物理拓扑与流量路径的有效规划。对比现有最优算法，无论是在节点不变场景下，还是在新增节点场景、负载提升场景下，本发明的算法都有了显著提升。节点不变场景是指通过对已有拓扑进行优化，在保证网络承载能力和可靠性不降低的前提下，实现光纤资源消耗更少的目的。在此场景下，对比最优算法，本发明的算法使得光纤资源节省17％，同时保证agg节点成环率为100％、所有流量均被成功规划满足srlg约束的主备份路径、运行时间短，求解速度提升三倍。新增节点场景是指在不影响其他节点的前提下，实现最小代价的新增节点入网，本发明的算法可以在5秒内将新增节点添加到环形网络中。负载提升场景是指在不影响可靠性的前提下，尽可能地提高网络的承载能力。本发明的算法可以实现将拓扑所能承载的流量负载提升13％。综上，本发明提出的算法可以针对精确算法求解时间复杂度高的劣势，同时更好地结合了精确算法的准确性高和启发式算法求解速度快的优势，使得双归属环形网络拓扑与路径优化问题得到很好解决。
附图说明
[0061]
图1为逻辑层拓扑到物理层拓扑的映射关系示意图；
[0062]
图2为srlg约束示意图；
[0063]
图3为双归属环形网络拓扑与路径优化系统基本框架示意图；
[0064]
图4为路径优化模块的算法流程架构示意图；
[0065]
图5为节点不变场景下双归节点个数及光纤资源消耗随参数的变化情况示意图；
[0066]
图6为节点不变场景下物理层的拓扑图；
[0067]
图7为节点不变场景下逻辑层的拓扑图；
[0068]
图8为节点不变场景下本发明与现有最优算法的对比图；
[0069]
图9为新增节点场景下节点入网前和入网后的对比图；
[0070]
图10为负载提升场景下溢出负载变化曲线；
[0071]
图11为负载提升场景下添加带宽约束前的链路负载情况；
[0072]
图12为负载提升场景下添加带宽约束后的链路负载情况。
具体实施方式
[0073]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
[0074]
本发明聚焦于双归属环形网络拓扑与路径优化问题，根据逻辑层网络拓扑上的流量情况对物理层拓扑与流量路径进行有效规划，通过调整逻辑层拓扑与物理层拓扑之间的有效映射关系，达到光纤资源消耗更少。参考图1，展示了逻辑层拓扑到物理层拓扑的映射关系。同时，为了提高流量传输的可靠性，光网络一般采用双归属环形拓扑结构，其结构特性保证了数据传输具有主备份路径，并且主路径不能与备份路径上的链路共享任何公共资源。当主路径发生故障时将激活备用路径，一定程度上保障了传输的可靠性，提高了计算机网络的容错能力并保护链路不受srlg故障的影响。参考图2，展示了两条共享风险资源的光纤链路。
[0075]
目前学术界将此问题定义为多商品流问题。精确算法能够求得模型的精确最优解，但其求解规模大，求解时间复杂度高，对算法的性能要求极高。而且双归属环形网络拓扑结构难以进行显示化表示，难以对其进行公式化建模。启发式算法可以在可接受的花费下给出问题的解，其得到的最优解为近似最优解，且容易陷入局部最优解。工业界的主要技术为专家系统，依赖于专家的经验和技术，但网络规模越来越大，网络规划设计管理机制越来越复杂，需要不断地更新专家系统，才能设计出合理的网络拓扑。
[0076]
综合上述情况，本发明提出了一种双归属环形网络拓扑与路径优化系统。该系统求解速度快，准确度高，可以实现根据逻辑层网络拓扑上的流量情况对物理拓扑与流量路径进行有效规划，使得光纤资源消耗更少。
[0077]
参考图3，展示了双归属环形网络拓扑与路径优化系统的整体框架。该系统由网络监控模块，路径优化模块，拓扑优化模块，流量规划模块和场景自适应模块五个模块构成。
[0078]
其中网络监控模块主要负责采集网络状态信息，包括流量需求，网络拓扑，srlg约束信息以及网络拓扑结构约束信息，它们共同作为输入传递至路径优化模块。路径优化模块在接到相关输入后将根据流量需求，利用结合了srlg约束的suurballe算法对所有流量规划主备份路径，使得所规划路径对应的物理层拓扑链路消耗的光纤资源最少。之后，拓扑
优化模块将收到来自路径优化模块得到的物理层拓扑结果，并基于该拓扑结果对原先建立的双归属环形网络拓扑相关约束进行化简。在已化简的拓扑约束下，利用gurobi求解器在目标为agg节点(aggregation,汇聚节点)成环率最高的情况下进行拓扑优化求解，并输出优化得到的逻辑层与物理层拓扑结果。流量规划模块将针对求得的物理层拓扑g进行流量传输仿真，主要基于dijkstra算法为流量规划主备份路径进行传输，并得到严格满足流量相关约束所对应的物理层拓扑g’。对比g与g’，若拓扑一致则流程结束，输出拓扑优化模块得到的逻辑层与物理层拓扑结果；若拓扑不一致，则标记缺失链路并输入至场景自适应模块进行缺失链路添加。场景自适应模块将在满足流量与拓扑约束的前提下，将缺失边添加至逻辑环与对应的物理环中。同时，场景自适应模块也负责在破环加点场景中，以最小代价将新增节点归纳进现有的网络拓扑中。
[0079]
在以上五个模块的协同配合下我们可以实现双归属环形网络的拓扑与路径联合优化。
[0080]
参考图4，展示了路径优化模块的算法流程架构，算法首先根据srlg约束更新无向图；然后计算流量的优先级,按优先级由高至低排序；接下来基于suurballe算法为每一条流量规划两条边互不相交的主备份路径。每规划完一条流量的路径，将有流量负载的边的权重降为0，然后继续为下一条流量规划路径，直到所有流量都被成功规划路径。
[0081]
本发明在节点不变场景下对比了本发明与现有最优算法的结果，并展示新增节点场景下和负载提升场景下的结果。
[0082]
在节点不变场景下，我们从双归节点个数及光纤资源消耗两个角度来评估路径优化模块得到的物理拓扑，结果随参数的变化情况参考图5。随着k的增加，cost整体呈现上升趋势，而双归节点个数的变化并没有明显规律。其中，当k＝14时的物理拓扑能够在保证agg节点双归率为100％的前提下取得最低的cost。同时路径优化模块求出的物理拓扑均能保证所有流量在满足srlg约束的前提下寻找到主路径和备份路径。物理层和逻辑层的拓扑图参考图6和图7。在网络承载能力和可靠性不降低的条件下，本发明与现有最优算法的对比图参考图8，本发明的算法具有优点：光纤资源节省17％、agg成环率为100％、所有流量均被成功规划满足srlg约束的主备份路径、运行时间短，求解速度提升三倍。
[0083]
在新增节点场景下，新增节点(26号节点)入网前和入网后的对比图参考图9，通过将节点与其相邻的两个节点相连，就可以实现最小代价新增节点入网。
[0084]
在负载提升场景下，溢出负载的变化曲线参考图10，结果表明，路径优化算法求得的拓扑在一定程度上具有额外的承载能力，在不影响可靠性的前提下，拓扑所能承载的最高负载提升幅度为13％。带宽约束对拓扑带宽利用率的影响参考图11和图12，不考虑带宽约束的拓扑明显具有更多的高负载边(即带宽利用率高于85％)；并且在考虑带宽约束的拓扑中，部分原高负载边得到了缓解，该结果验证了带宽约束的有效性，即带宽约束能够使拓扑的带宽利用率更加均衡。
[0085]
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。