随着网络规模持续扩大和新业务不断增长,用户对网络的服务质量(Quality of Service,QoS)提出了更高的要求.用户数量增加、网络规模复杂、网络安全性差等因素使得网络元素(节点或链路)更加容易失效,从而导致重路由发生率增高.本文在描述网络模型、用户需求以及满意度计算方法的基础上,根据带宽与信任值设计启发式函数,提出了一种支持QoS与信任值的启发式重路由机制(QoS and Trust value based heuristic ReRouting,QTRR).仿真结果表明,当重路由条件触发时,本机制能够快速建立一条可信且满足QoS需求的重路由路径.
针对移动社交网络(mobile social network,MSN)中节点连接的间断性和资源的有限性问题,提出一种基于朋友圈的路由机制,以快速高效地实现数据路由.以园区型MSN为应用场景,首先提出了基于核心边和阈值的朋友圈构造算法,将网络划分成联系紧密的重叠朋友圈结构;所提机制采用单副本模型,引入萤火虫智能优化算法,利用其趋光行为和随机扰动行为在朋友圈内部和朋友圈之间智能地选择中继节点,从而进行高效的消息路由.仿真结果表明,与直接投递路由、先知路由以及社区感知机会路由相比,该机制显著提高了消息交付率,平均跳数较少,降低了网络开销及平均延迟,具有较好的性能.
当前,新型网络应用不断涌现,用户对不同类型应用的通信需求也呈现出多样化和个性化的特点.面向用户频繁产生和变化的通信需求,网络服务提供商(Internet service provider,简称ISP)通常以不断地购买及部署大量新型的专用网络设备的方式来应对,导致其运营成本高昂,资源浪费严重,网络建设与发展的可持续性差.对此,从软件角度出发,考虑路由功能重用,通过选择合适的路由功能,在通信路径上为应用合成定制化的路由服务,满足用户差异化的需求.基于网络功能虚拟化(network function virtualization,简称NFV)和软件定义网络(software-defined networking,简称SDN),提出了一种自适应路由服务合成机制,运用软件产品线技术构建路由服务产品线,作为路由功能选择和路由服务优化的基础.基于机器学习,运用多层前馈神经网构建路由服务离线模式和在线模式两阶段学习模型,对路由功能选择及组合进行持续学习和优化,实现路由服务的定制化目标,以提高用户的服务体验.进行了仿真实现,研究结果表明,所提出的模型是可行和有效的.
