異構無線網絡多連接并行傳輸中的流量分配方法
【專利摘要】一種異構無線網絡多連接并行傳輸中的流量分配方法：根據異構無線網絡中各個連接的傳輸性能參數，估計數據包通過不同連接的傳輸時延，再引入遺傳模擬退火算法計算優化流量分配比率，同時綜合考慮每個網絡資源的最大發送速率、平均傳輸時延、誤碼率和最大重傳次數的多個性能參數，提供一種可行的流量分配方法，以實現最小化各連接之間最大傳輸時延差的流量分配。本發明利用遺傳算法的隱并行性和退火算法的爬山性能，有效降低計算復雜度、大大加快求解和收斂的速度，設置收斂門限值進一步均衡算法性能與消耗時間。與其他流量分配方法相比較，本發明更適用于異構無線網絡的具體應用場景，充分利用了網絡連接資源，吞吐量更大。
【專利說明】異構無線網絡多連接并行傳輸中的流量分配方法
【技術領域】
[0001]本發明涉及一種用于異構無線網絡的并行傳輸的流量分配技術，確切的說，涉及一種異構無線網絡中多個連接并行傳輸的流量比率分配方法，屬于無線通信中的移動通信【技術領域】。
【背景技術】
[0002]未來的無線通信網絡體系將是一種多種異構網絡(例如包括:2G/2.5G/3G、LTE、WLAN、WPAN等制式)并存、協同并不斷融合的復雜體系。這些異構網絡在覆蓋區域、帶寬、可靠性、成本和安全性等方面的特性各不相同。而且，它們將在未來一段較長時期以互相補充的方式共同滿足終端用戶的QoS需求。
[0003]多模終端技術的發展，已經使得同時使用多種異構網絡并行傳輸數據成為可能與現實。異構網絡下的多連接并行傳輸技術能夠充分利用網絡資源，滿足未來通信業務需求。然而，由于異構無線網絡的各種連接方式在技術特點及負載能力方面都存在差異，因此，多連接并行傳輸勢必帶來諸多問題。
[0004]參見圖1，介紹異構無線網絡多連接并行傳輸存在的問題:由于數據包通過不同連接(圖中為三個)到達接收端的時延各不相同，導致了多連接并行傳輸系統中的數據包亂序現象非常嚴重，接收端必須建立重排序緩存區，以供數據包在此重新排序。某一特定編號的數據包在重排序緩存區中等待比它編號小的數據包全部到達的時間，就是該數據包的重排序時延。重排序時延增大了業務流的端到端時延，嚴重影響了上層傳輸協議的性能。
[0005]多連接并行傳輸傳輸中一個重要問題就是如何減少額外的重排序時延。通過優化多連接并行傳輸時各個連接之間的流量分配比率，能夠有效地降低重排序時延，是解決重排序時延問題的一種理想途徑。
[0006]在現有的多連接并行傳輸技術中，以降低各個連接間的重排序時延為目標的流量分配方法中，有下述三種性能較好的方法:基于媒體訪問控制MAC(Media Access Control)層測量的流量分配方法，基于反饋的流量分配方法和業務分割混合方法。下面分別介紹之:
[0007](I)基于MAC層測量的流量分配方法:該方法是將數據包通過該連接的傳輸時延作為連接資源的分配標準，通過周期性測量該連接的傳輸時延，動態調整分流比例，使之與連接傳輸時延成反比例，從而保持負載的平衡，進而降低接收端的重排序時延。但是，該方法只考慮了兩種連接并行傳輸的情況，當連接數目超過兩條時，則不適用。
[0008](2)基于反饋的流量分配方法:該方法提出一種基于接收端反饋信息的動態流量分配比率計算方法，首先，發送端周期性發送探針包，然后，根據接收端的測量信息，鏈路層的數據包傳輸時延被周期性地返回給發送端，并用于分流比例計算。且計算出來的分流比率應使得鏈路層的數據包傳輸時延保持一致，這樣就可以降低接收端緩存區的數據包重排序時延。該方法中的流量分配比率會隨著無線連接容量的改變而進行周期性的調整，該方法在比率聚合后，可有效降低重排序時延，但是，其需要較長的聚合時間。[0009](3)業務分割的混合方法:該混合方法由下述兩種方法組成:按照理想模型計算分割比例的算法和基于模糊多屬性決策理論的選擇可用連接的最優子集合算法，通過對計算得到的分割比例理論值和實際傳輸值之間的誤差與誤差門限值之間的對比，當誤差低于誤差門限時，選用理想模型算法，而當誤差高于誤差門限時，只選擇可用連接的最優子集合來并行傳輸。該算法能夠顯著降低重排序時延，但是，由于其中的理想模型分割比例算法與實際情況存在偏差，使得該算法在實際應用中的性能受到抑制。
【發明內容】
[0010]有鑒于此，本發明的目的是提供一種異構無線網絡多連接并行傳輸中的流量分配方法，該方法是在在異構無線網絡多連接并行傳輸中，利用各個連接的傳輸性能參數，計算得到每個連接之間的優化流量分配比率，并根據該優化流量分配比率將業務數據流配置為并行傳輸的多個子數據流，以減小接收端重排序時延。本發明的優化流量比率計算方法是以最小化連接間的最大時延差MMDD (Minimize the Maximum Delay Difference)為優化目標，通過使得各個連接的傳輸時延盡可能地接近，以降低異構無線網絡多連接并行傳輸中的重排序時延。由于該最優化問題為NP-hard問題，本發明提出了一種基于遺傳退火算法的求解方法，所得的優化流量分配比率可以有效降低重排序時延，與現有的方法相比，在平均誤包率及吞吐量性能方面也更具優勢。
[0011]為了達到上述目的，本發明提供了一種異構無線網絡多連接并行傳輸中的流量分配方法，其特征在于:根據異構無線網絡中各個連接的傳輸性能參數，估計數據包通過不同連接的傳輸時延，再引入遺傳模擬退火算法GASA (Genetic Algorithm with SimulatedAnnealing)計算優化流量分配比率，同時綜合考慮每個網絡資源的最大發送速率、平均傳輸時延、誤碼率和最大重傳次數的多個不同性能參數，提供一種可行的流量分配方法，以實現最小化各連接之間最大傳輸時延差的流量分配；所述方法包括下列操作步驟:
[0012](I)測試異構無線網絡中各個連接的傳輸性能參數；
[0013](2)根據每個連接的傳輸性能參數和業務數據流總傳輸速率，確定優化流量分配比率計算方法的各個參數初始值；
[0014](3)執行基于最小化連接間最大時延差為優化目標的優化流量分配比率計算方法;
[0015](4)發送端按照優化流量分配比率分配業務數據流。
[0016]本發明異構無線網絡中多連接并行傳輸的流量比率的最優化分配方法的實質是一個非線性整數規劃問題，因此，這是一個NP難題(即NP-hard問題)(non-deterministicpolynomial hard)。為了能夠有效地獲得上述課題接近最優的解決方案，本發明采用了遺傳退火算法GASA來求解。這是因為遺傳算法(GA)具有良好的全局搜索能力和解決方案的速度，但是其在局部搜索方面能力較差，且容易出現“早熟”。而模擬退火算法(SA)可以找到最佳的解決方案，但它容易陷入局部最優的陷阱，同時其全局搜索能力較弱。所以，GA和SA兩種算法具有很強互補性，兩者的結合一GASA算法是目前解決NP-hard問題的有效方法。
[0017]本發明的創新特點和關鍵技術是:將GASA算法首次引入多連接并行傳輸最優化流量分配方法中，其中，遺傳算法GA被設置為并行搜索的主框架，而模擬退火算法SA用于遺傳算法中的突變處理。也就是:首先用GA搜索負載分配方案空間，計算每個分配方案下各個連接間的最大時延差，根據最大時延差計算該分配方案的適應度函數；再將子代適應度函數值與父代適應度函數值進行比較。然后，按照SA的策略得到當前流量分配結果。滿足算法終止條件時，所得到的流量分配方案就是流量分配的近似最優結果。總之，本發明采用基于遺傳模擬退火(GASA)的求解方法，利用遺傳算法的隱并行性和退火算法的爬山性能，能夠有效降低計算復雜度、大大加快求解速度和收斂速度。此外，通過設置合理的收斂門限值又進一步均衡算法性能與消耗時間。
[0018]本發明基于最小化各連接間最大時延差的優化目標，與各連接間時延相等的流量分配方法相比較，更適用于異構無線網絡的具體應用場景，與減少并行傳輸數量來降低重排序時延的方法，更加充分利用了可用的網絡連接資源，吞吐量更大。因此，本發明具有很好的推廣應用前景。
【專利附圖】
【附圖說明】
[0019]圖1是異構無線網 絡的結構組成示意圖。
[0020]圖2是本發明基于遺傳退火算法的異構無線網絡中多連接并行傳輸的流量分配方法操作步驟流程圖。
【具體實施方式】
[0021]為使本發明的目的、技術方案和優點更加清楚，下面結合附圖對本發明作進一步的詳細描述。
[0022]本發明異構無線網絡多連接并行傳輸中的流量分配方法，是根據異構無線網絡中各個連接的傳輸性能參數，估計數據包通過不同連接的傳輸時延，再引入遺傳模擬退火算法GASA計算優化流量分配比率，同時綜合考慮每個網絡資源的最大發送速率、平均傳輸時延、誤碼率和最大重傳次數的多個不同性能參數，提供一種可行的流量分配方法，以實現最小化各連接之間最大傳輸時延差的流量分配。
[0023]參見圖2，介紹本發明方法的具體操作步驟:
[0024]步驟1，測試異構無線網絡中各個連接的傳輸性能參數。該步驟的操作內容是:測量當前網絡狀況下的所有可用連接的總數M，業務數據流的總傳輸速率λ ;再測量每個可用連接i的傳輸性能參數:最大發送速率平均傳輸時延屯，誤碼率qi和最大重傳次數^ ；式中，正整數i為異構無線網絡可用連接的序號，其最大值為M。
[0025]步驟2，根據每個連接的傳輸性能參數和業務數據流總傳輸速率，確定優化流量分配比率計算方法的各個參數初始值。
[0026]該步驟包括下列操作內容:
[0027](21)根據各個連接的傳輸性能參數和業務數據流總傳輸速率，確定流量分配比率結果向量? = (,,1?,..%￡%)的初始約束條件為:Σ=,=1;其中，ω?為第i條連接的流量
分配比率，且有:0≤0≤1和[二,=1; λ為業務數據流的總傳輸速率，為保證系統穩
定，分配給第i條連接的數據子流速率Oi λ應不超過該可用連接的最大發送速率ri，SPWiA ^ri ;因實際應用中的最小分配單元為I個數據包，故業務數據流的總傳輸速率λ及分配給第i條連接的數據子流速率Oi λ都只能取正整數N，即COiX e N, λ e N。
[0028](22)根據流量分配比率結果向量S’..,》?)的約束條件確定搜索空間U，
然后設置種群規模PS、最大迭代次數GN、交叉率P。和變異率Pm、模擬退火初始溫度Ttl和降溫系數r。
[0029]因是初始化階段，故同時設置當前迭代次數計數器gn=l和當前溫度為模擬退火的初始溫度、即T=!；。其中，正整數PS為種群中的個體總數，正整數GN為迭代計算的最大次數，用作計算的終止條件之一；交叉率P。和變異率Pm中的P都表示概率Probability，其下標c和m分別為英文交叉crossover和變異mutation的首字母，P。和Pm的取值范圍分別為[0.4，0.99]和[0.0001,0.1];模擬退火初始溫度Ttl為設定值，降溫系數r的取值范圍是(O, I)。
[0030](23)先確定遺傳模擬退火算法中的種群初始值:從搜索空間U中隨機選出PS個流量分配比率結果向量值，組成初始種群P= (P1, P2,..., PpJ。其中，P是英文種群Population
的首字母，該種群中的第d個個體=md =(ωιη,ωιη,.",ωΛΜ)，-ω?為第d個種群個體所對應
的流量分配比率結果向量；《di為第d個種群個體所對應的流量分配比率結果向量中，分配到第i條連接上的數據子流速率占業務數據流的總傳輸速率的比率，即第i條連接的流量分配比率，且I≤d≤PS，I≤i≤M。
[0031]步驟3，執行基于最小化各連接間最大時延差為優化目標的優化流量分配比率計算方法。該步驟包括下列操作內容:
[0032](31)從當前種群P中隨機地兩兩組合出Q對用作父本列表，對該父本列表中的每一對父本組{ps，PJ，分別按照交叉率P。進行交叉操作后，再按照變異率Pm進行變異操作，得到子代{Cs，CJ。
[0033]式中，當前種群數量P= {Pp P2, , PpJ，下標s和t分別為隨機選取的兩個不同父本編號，其最大值為PS，且s〈t。子代{Cs，Ct}為{Ps，Pt}經過交叉和變異操作后，產生的新個體，即當前個體、父代的下一代個體；C為英文子代Children的首字母，與當前個體、即父代P相對應。父本是父代樣本的簡稱，父代樣本是父代中的所有個體，因種群規模為PS，故
父本列表
[0034](32)分別計算每對子代{Cs，CJ相對于其父代{Ps，PJ的兩個適應度函數增量值:Af=Fit(Cs)-Fit(Ps)和 Af=Fit(Ct)-Fit(Pt);式中，f 是適應度函數 Fit (x)簡寫。
[0035]該適應度函數Fit(Pd)的計算是重點，其計算方法可分為下述三個操作內容:
[0036](32A)當流量分配比率結果向量為Pd時，，按照下述公式計算第i條連接的傳輸時延 Ti(Odi):
【權利要求】
1.一種異構無線網絡多連接并行傳輸中的流量分配方法，其特征在于:根據異構無線網絡中各個連接的傳輸性能參數，估計數據包通過不同連接的傳輸時延，再引入遺傳模擬退火算法GASA計算優化流量分配比率，同時綜合考慮每個網絡資源的最大發送速率、平均傳輸時延、誤碼率和最大重傳次數的多個不同性能參數，提供一種可行的流量分配方法，以實現最小化各連接之間最大傳輸時延差的流量分配；所述方法包括下列操作步驟: (1)測試異構無線網絡中各個連接的傳輸性能參數； (2)根據每個連接的傳輸性能參數和業務數據流總傳輸速率，確定優化流量分配比率計算方法的各個參數初始值； (3)執行基于最小化連接間最大時延差為優化目標的優化流量分配比率計算方法； (4)發送端按照優化流量分配比率分配業務數據流。
2.根據權利要求1所述的方法，其特征在于:所述步驟(I)的操作內容是:測量當前網絡狀況下的所有可用連接的總數M，業務數據流的總傳輸速率λ ;再測量每個可用連接的傳輸性能參數:最大發送速率ri;平均傳輸時延屯，誤碼率qi和最大重傳次數^ ;式中，正整數i為異構無線網絡可用連接的序號，其最大值為M。
3.根據權利要求1所述的方法，其特征在于:所述步驟(2)包括下列操作內容: (21)根據各個連接的傳輸性能參數和業務數據流總傳輸速率，確定流量分配比率結果向量汾=丨的初始約束條件為:[二<?, = 1;其中，ω i為第i條連接的流量分配比率，且有:0彡和！TP =1; λ為業務數據流的總傳輸速率，為保證系統穩定，分配給第i條連接的數據子流 速率Qi λ應不超過該連接的最大發送速率ri，S卩ωμ <ri;因實際應用中的最小分配單元為I個數據包，故業務數據流的總傳輸速率λ及分配給第i條連接的數據子流速率ωμ都只能取正整數N，即e N, λ e N； (22)根據流量分配比率結果向量<δ= (?,的約束條件確定搜索空間U，然后設置種群規模PS、最大迭代次數GN、交叉率P。和變異率Pm、模擬退火初始溫度Ttl和降溫系數r ;因是初始化階段，故同時設置當前迭代次數計數器gn=l和當前溫度為模擬退火的初始溫度、即T=Ttl ;其中，正整數PS為種群中的個體總數，正整數GN為迭代計算的最大次數，用作計算的終止條件之一；交叉率P。和變異率Pm中的P都表示概率Probability，其下標c和m分別為英文交叉crossover和變異mutation的首字母，P。和Pm的取值范圍分別為[0.4，0.99]和[0.0001, 0.1];模擬退火初始溫度Ttl為設定值，降溫系數r的取值范圍是(O, I)； (23)先確定遺傳模擬退火算法中的種群初始值:從搜索空間U中隨機選出PS個流量分配比率結果向量值，組成初始種群P=IP1, P2,, PpJ ;其中，P是英文種群Population的首字母，該種群中的第d個個體/丨==為第d個種群個體所對應的流量分配比率結果向量；《di為第d個種群個體所對應的流量分配比率結果向量中，分配到第i條連接上的數據子流速率占業務數據流的總傳輸速率的比率，即第i條連接的流量分配比率，且I彡d彡PS，I彡i彡M。
4.根據權利要求1所述的方法，其特征在于:所述步驟(3)包括下列操作內容: (31)從當前種群P中隨機地兩兩組合出Q對用作父本列表，再對該父本列表中的每一對父本組{ps，PJ，分別按照交叉率P。進行交叉操作后，再按照變異率Pm進行變異操作，得到子代{Cs，CJ ； 式中，當前種群數量P= {Pi，P2,, PpJ，下標S和t分別為隨機選取的兩個不同父本編號，其最大值為PS，且s〈t ;子代{Cs，Ct}為{Ps，Pt}經過交叉和變異操作后，產生的新個體，即當前個體的下一代個體；c為英文子代Children的首字母，與父代、即當前個體P相對應；所述父本是父代樣本的簡稱，父代樣本是父代中的所有個體，因種群規模為PS，故父本列表y =-y; (32)分別計算每對子代{Cs，Ct}相對于其父代{Ps，Pt}的兩個適應度函數增量值:Af=Fit(Cs)-Fit(Ps)和 Af=Fit(Ct)-Fit(Pt);式中，f 是適應度函數 Fit (x)簡寫； (33)判斷每個Af是否大于O，即公式Af>0是否成立；若是，則表示新生的子代適應度函數值大于父代，即子代比父代更適應環境，此時立刻接受該子代個體Cs或Ct為當前種群成員，并替換父代的相應個體；若否，即△ f < O，表示子代的適應度函數值小于或等于父代，此時，并不立刻放棄該子代，而是準備以設定的接受概率接受它成為當前種群成員:也'就是先計算Cs或Ct的接受概產生位于區丨、日? [O, I]上的均勻分布的偽隨機數random(0, I)后,再判斷不等式P ( Δ f )>random(0, I)是否成立；若是，則接受該子代Cs或Ct為當前種群的成員，替換掉相應的父代；否則，放棄該新子代個體，仍然保留原來的父代個體Ps或Pt ;其中，接受概率P ( △ f)取決于適應度增量值，e為數學常數，T為當前溫度； (34)判斷是否滿足下述兩個迭代終止條件之一: Ca)迭代次數是否達到設定次數，即當前迭代次數已經達到最大迭代次數:gn>GN ;或 者 (b)父代與子代的平均適應度函數差值是否小于收斂門限Th，其計算公式為:子代相對于父代的平均適應度增量Fit (f (C)) -Fit (f (P))〈Th ； 只要滿足其中任意一個迭代終止條件，就結束該流量分配比率的計算過程，輸出當前種群P中適應度最大的個體所對應的流量分配比率結果向量，再將該數值作為優化流量分配比率向量；若否，則執行后續步驟(35)； 其中，終止條件(b)中的C= IC1, C2，...Cps}表示子代的全部個體，P= (P1, P2,..., PpJ表示父代、即當前種群的全部個體；Fit(f (C))中的子代C沒有下標，表示其為子代的平均適/7/(/(C ))應度函數，其計算方法為:?(/(0) = Σ-、同樣地，Fit(f(P))中的父代P也沒
i I.^
P FiH f (P ))有下標，表示其為父代的平均適應度函數，其計算方法為mfm=Σ 二 ；
i I* (35)因種群每進化一次就更新一次當前溫度，同時還更新當前迭代次數；故當前溫度T以降溫系數r逐漸降低，即T=TXr ;而當前迭代次數則逐漸遞增:即gn=gn+l ;此時，返回執行步驟(31);其中，降溫系數r的取值區間為(O，I)。
5.根據權利要求4所述的方法，其特征在于:所述步驟(32)中的適應度函數Fit (Pd)的計算包括下列操作內容: (32A)當流量分配比率結果向量為Pd時，，按照下述公式計算第i條連接的傳輸時延Ti(Odi):
6.根據權利要求5所述的方法，其特征在于:所述步驟(32)中的適應度函數Fit(Cd)的計算操作內容與Fit(Pd)的計算操作內容完全相同，其區別只是將相應的變量Pd更換為變量Cd。
7.根據權利要求4所述的方法，其特征在于:所述步驟(33)中，因初始時的溫度T較高，故；令的數值接近于1，則有較大的概率接受適應度值較差的子代；但是，隨著當前溫度T的降低，f的數值不斷變小，最后幾乎不再接受適應度函數值較差的子代；采用該接受概率作為接納子代的策略好處是:避免搜索過程過早地陷入局部最優的陷阱，能夠以較大的概率取得全局的優化流量分配比率向量，該操作步驟體現了模擬退火的思想。
8.根據權利要求4所述的方法，其特征在于:所述步驟(34)中，設置收斂門限Th為4?6%，當種群的平均適應度增量不足4?6%時，終止迭代計算操作，輸出當前種群中適應度函數值最大的個體所對應的流量分配比率結果向量，作為優化流量分配比率；同時，為防止計算時間過長，設置最大迭代代數GN為輔助終止條件，即當前迭代次數gn超過GN時，也停止迭代計算操作，同樣輸出當前種群中適應度函數值最大的個體所對應的流量分配比率結果向量，作為優化流量分配比率。
9.根據權利要求1所述的方法，其特征在于:所述步驟(4)包括下列操作內容:發送端在發送緩存區中，按照計算的優化流量分配比率將業務數據包流分割為多個數據包子流，并通過不同的連接并行傳輸至接收端；數據包到達接收端時，因存在數據包亂序現象,故這些數據包先進入重排序緩存區 中等待重排序，然后被接收端接收。
【文檔編號】H04W28/10GK103428770SQ201310325225
【公開日】2013年12月4日 申請日期:2013年7月30日 優先權日:2013年7月30日
【發明者】劉凱明, 劉元安, 戎蓉, 唐碧華, 胡鶴飛, 張洪光, 劉芳, 謝剛, 高錦春 申請人:北京郵電大學