一种直连网络智能路由算法分析
摘要:文章在生物智能的基础上提出了一种直连网络的算法,这种算法能够使代理收集现在的结点与源结点大致的时间,并能够为新的结点提供大致的路由信息。算法运用一种多种延时的方法模型来计算代理的旅行时间,其能够对路由的历史和现在路由的状态进行分析,能够更加精确地制定路由的决策。在使用虚切交通切换的基础上,能够运用算法进行网络的仿真,这种算法能够在多种流量模式中进行,其时延比较低,而且能够实现较高的吞吐量。
关键词:直连网络;路由算法;负载均衡
中图分类号:TN915.01 文献标识码:A 文章编号:1673-1131(2015)10-0073-02.
直连网络是一种现代化的网络拓扑结构,能够与计算机和网络处理器结合使用,在无线通信网络中广泛地应用。其算法实现了最短的路由方式,而且数据能够提前设置,在不同的结点中只需要提供一条路径,就能够实现所有区域故障的解决。这种算法的自适应能力非常强,其将虚信道分成两个不同的分支,第一个分支是不确定的信道,第二个分支是自适应路由的信道。
1 FOA 算法
1.1 结点所维护的数据结构的描述
结点主要维护的数据结构主要有四类,分别是旅行时间表、路由表、队长统计表和时延表。
1.1.1 旅行时间表
旅行时间表主要是记录了在不同结点之间需要的时间,这个数值是不断更新的,而且是运用前向代理的方式。旅行时间表能够将结点在整个网络的流量进行统计,与队长统计 表一同使用可以确定一个结点到另一个结点的概率的大小,在路由器填充的过程中,其可以提供准确的数据,即使是在随机路由的情况下,也可以准确地提供数据[1]。
1.1.2 路由表
路由表能够记录一个结点到不同的结点的概率,而且能够分析结点到结点之间的适应度,是运用数据分组和数据查询的方法实现随机路由的。
1.1.3 队长统计表
在不同的记录中,都会对不同的结点进行分析,在此基础上,能够对相邻结点的队长进行分析,整合中局部的流量信息,能够将旅行时间表的数据通过分组来实现随机路由[2]。
1.1.4 时延表
在时延表中,能够分析每一个结点的等待时延,在这个过程中,能够分析结点在不同的输出端口的间隔,其能够全面地反映整个结点的状态,而且能够将结点的信息统一在一起,统一地计算估计的旅行时间。 所有的数据结构在经过初始化之后都能够形成一个空的表格,在不同的结点中,只要对储存的时间和等待的时延进行统计即可[3]。
1.2 算法的具体分析
为了能够减少端口到端口的时延,应该结合最短路径的算法,分析前向代理和分组的源结点之间的最短的路径,所以,在这种算法中不存在活锁的问题。在最大程度分析算法的基础上,提高算法的适应度,运用软件的方法实现死锁的恢复功能,将死锁解除。如果结点实现了路由信息的分组,那么,就应该在分组的过程中对代理进行分析,找到全局的信息。前向代理每通过一个结点,就要运用本身具有的信息更新的功能分析旅行时间表。建立路由的决策模型,在分析决策模型的基础上,分析数据包和路由的策略,在分析旅行时间表的基础上,分析各个结点的适应度,实现随机路由。
这种方法能够实现动态的储存,而且其算法也是比较简单的,只要更新路由信息就能够实现不同结点的随机路由。
FOA 算法是一种比较高效的网络收集方法,其能够建立全局信息,运用前向代理和反向收集结点的方法实现旅行时间的计算。
2 智联网络智能路由算法分析
生物智能的适应能力是比较强的,所以,在各种算法中都能够得到较为普遍的应用,这些算法都是在借助蚂蚁寻找最短路径的方法上实现的,蚂蚁在不同的路径上能够实现信息的反馈,将信息传达给后来者,使这类算法能够在网络路径上寻找到最集中的网络状态,后向的蚂蚁通过整个评估的路径,最终能够更新结点的路由信息。在运用分组路由的过程中,能够实现信息素表和现行网络状态的分析,从而实现邻接点的路由的概率。运用随机路由的方式,结合网络流量。在强佂蜂的基础上,对蜜蜂在自然界中觅食的方法进行模拟,蜜蜂运用近似舞蹈的运动形式将食物的信息传达给后向的蜜蜂,从而能够借助信息的路径与食物源连接。分组路由的方法能够将路由表上的信息通过计算的方法,计算出不同的结点的路由概率,从而能够进行随机路由。
直连网络的路由算法是比较直接的,而且计算过程也不复杂,运用最短路径的方法能够减少端口到端口之间的时延,而且,在数据分组和整合的过程中,走的都是最短的路径,所以,就不会存在死锁环的问题。在模拟蚂蚁觅食行为中,前向的蚂蚁在收集到信息后,后向蚂蚁会运用返回更新的方式,从而能够形成较大的网络运行成本,在这类基础上,运用的算法是反向路由的机制,只运用前向代理就能够实现反向结点路由的更新,而且将那些携带路由器的信息能顾运用分组的方法来执行,减少了网络成本的时延,而且路由的决策也可以充分地分析历史路径和现行的网络运行状态,实现网络流量的均衡。
3 仿真与结果分析
运用 opnet 软件进行分析,其能够对 FOA 算法进行仿真,其与传统的算法还是存在一定的差异的,运用方阵的网络结构,链路的速率控制在 10kbit/s,运用虚切交通的换算机制,每个算法都能够结合四条不同的虚信道。在算法中,每个学习因子都是 0.4,由于决策因子为 0.3,强化因子为 0.7,其可信度为 0.75。 在对分组的长度进行分布的时候,运用的是一个确定形式的 SP,其是在因特网使用过程中分组的长度和全部分组的百分比的基础上得来的。40 字节以上的长度占据全部分组的50%,1500 字节以上的长度占据 24%。
在仿真的过程中,运用的流量模式通常是均匀流量模式、热点流量模式和旋风流量模式。在均匀流量的前提下,能够形成不同的结点,每个结点都能够在相同的概率下将数据发送到其他的结点。在热点流量的模式下,很多结点都可以以热点的模式存在,他们接收到的信号比一般的结点要准确。对热点接收信号的过程进行模拟,可以发现其与其他的结点相比,能够获得更多的流量。旋风流量是通过结点分组的方式发送数据。
路由算法的性能是在每个端口的延时的基础上形成的,每个端口的延时能够在不同的分组中产生不同的结点,通过分析网络时间之间的差值,能够实现吞吐量的整合。
在均匀流量的比较下,如果负载小于 40%,那么,算法的时延和吞吐量是相似的。如果网络负载不断地加大,在确定性的算法中就会存在阻塞的区域,也会导致阻塞区域的饱和,因此,要采用自适应能力比较强的算法。直连的网络智能算法结合了前向蚂蚁收集信息的方法,然后实现后向蚂蚁数据更新与整合的方法,从而能够实现高负荷条件下数据的传输。
FOA 算法要实现前向代理的数据收集,所以其时延是比较长的,但是其优点在于吞吐量比较高。
在各类算法的比较中,直连网络智能算法能够找到元素点,而且能够提供一条明确的路径,而且能够直接与热点区域相隔,起到良好的效果,实现了网络资源的充分运用,性能比较好。在数据分组的过程中,直接使用的是蚂蚁寻找的路径,其路径绝对是最短的。在中低负载下,这种算法的性能比其他的算法都要具有优势,但是,网络运行的成本是比较高的,在高负荷的影响下,数据传输的性能会受到一定的影响。FOA的性能比较好,其时延比较低,而且能够实现最高的吞吐量,能够对历史路由信息进行记录,流量的分布也比较均匀。
在旋风流量中,采用直连网络智能算法采用的是最短的路径,然而分组只能沿着旋风的方向流动,性能比较差。这类算法还是具有一定的自适应能力的,能够降低旋风流量带来的不利的影响,而且选择的是最短的路径,不能较好地对网络流量进行均衡的处理,所以,在低流量的算法中,运用直连网络智能算法比较好,可以实现最高的吞吐量。
4 结语
直连网络的路由算法是比较直接的,而且计算过程也不复杂,运用最短路径的方法能够减少端口到端口之间的时延,在数据分组和整合的过程中,走的都是最短的路径,其效率高,吞吐量高,在数据的传输中不会产生太大的误差,网络运行费用低,所以,使用直连的网络智能路由算法非常可行。
参考文献:
[1] 杨君刚,邱智亮,刘增基,李红卫. 一种新型大容量路由器交换网络中的高效路由策略[J]. 计算机科学,2011(3):35-37.
[2] 王长山,牛继云,顾华玺,柯楚. 一种直连网络智能路由算法[J]. 西安电子科技大学学报,2012(4):532-537.
[3] 徐新卫,徐晓明,周良,丁秋林. 一种基于小世界网络中的Web 服务智能路由算法[J]. 计算机科学,2013(9):48-51.