论文部分内容阅读
随着计算机网络的飞速发展,当前网络表现出了业务类型众多、网络环境复杂且动态多变等特点,网络端到端QoS难以得到有效保障。当前网络通常在QoS劣化的情况下被动地、静态地做出调整,对复杂网络态势的适应能力较差。认知网络不同于传统网络,它具有态势感知能力,能够根据网络态势实时动态地调整网络配置,从而保障网络QoS。认知网络为网络QoS保障问题的解决提供了新的途径,已成为下一代网络的一个重要的研究热点。本文在分析现行网络QoS监控机制的基础上,重点开展对认知网络QoS动态自适应监控机制的研究,主要工作如下:(1)提出了一种基于双闭环与态势感知的认知网络QoS动态自适应监控模型——MCBDS,该模型注重网络态势的感知以及QoS控制方法的协调,能够克服现行认知网络QoS自适应监控模型态势感知能力不足、控制代价过高等缺点。基于性能评价进程代数PEPA的建模分析表明MCBDS具有合理性与可行性。(2)提出了一种基于知识感知、实时态势评估和网络态势预测多方法融合的认知网络态势感知方法,以全面感知认知网络的态势,为认知网络QoS动态自适应控制提供充分依据。知识感知提供知识采集和预处理,是态势感知的基础;实时态势评估包括基于HDS的业务QoS评估和基于QoE的用户QoS评估,能够描述网络的当前态势;网络态势预测基于加权径向基核函数支持向量机算法——WRSVM,能够判断网络态势的发展,仿真表明,与传统预测算法相比WRSVM能够显著提高认知网络态势预测的效率和准确率。(3)提出了一种基于网络态势的认知网络QoS双闭环动态自适应配置方法——DCBS,该方法能够紧密融合各种缓冲管理和队列调度算法,保障网络QoS,优化全网性能。DCBS以QoS最优化为目标,根据网络态势启动维护环或自适应配置环,在保障网络QoS的同时尽量降低控制代价,从而保障网络的健康和稳定。仿真表明,DCBS能够显著提高关键业务的健康度、优化全网性能、增强系统的健壮性,并有效避免亚健康业务健康度越来越差的现象,缩短网络QoS劣化的时间,降低网络控制的代价。