本發(fā)明涉及網(wǎng)絡(luò)優(yōu)化的技術(shù)領(lǐng)域，尤其涉及到一種針對相連網(wǎng)絡(luò)的耦合方式優(yōu)化方法。

背景技術(shù)：

當(dāng)今現(xiàn)代社會的迅猛發(fā)展得益于發(fā)達(dá)快捷的網(wǎng)絡(luò)系統(tǒng)，例如能源網(wǎng)、互聯(lián)網(wǎng)、交通網(wǎng)以及通信網(wǎng)等等。由于資源的稀缺性和快速增長的需求之間產(chǎn)生的尖銳矛盾，網(wǎng)絡(luò)承載越來越多的傳輸龐大信息量的任務(wù)，于是我們對網(wǎng)絡(luò)傳輸性能有著越來越高的要求，尤其是當(dāng)網(wǎng)絡(luò)節(jié)點傳輸信息流發(fā)生阻塞時，快速緩解或轉(zhuǎn)換成暢通狀態(tài)以保證網(wǎng)絡(luò)的可靠性和魯棒性。傳輸阻塞一般發(fā)生在網(wǎng)絡(luò)的局部高負(fù)載節(jié)點，通過一定的路由傳輸模式逐漸擴散到網(wǎng)絡(luò)的其他節(jié)點，并且通過級聯(lián)效應(yīng)造成局部癱瘓。因此，如何提高網(wǎng)絡(luò)的傳輸性能和降低傳輸阻塞已經(jīng)是目前網(wǎng)絡(luò)科學(xué)前沿研究的熱點方向和重大難題之一。

在上個世紀(jì)末，隨著網(wǎng)絡(luò)的小世界和無標(biāo)度網(wǎng)絡(luò)特性被發(fā)現(xiàn)，許多解決緩解傳輸阻塞的方法開始應(yīng)用在復(fù)雜網(wǎng)絡(luò)的框架上。比如說，電力網(wǎng)就是滿足小世界特性的網(wǎng)絡(luò)，社交網(wǎng)絡(luò)就是滿足無標(biāo)度特性的網(wǎng)絡(luò)。它們都是大規(guī)模的有復(fù)雜內(nèi)部連邊結(jié)構(gòu)的圖，即提及到的復(fù)雜網(wǎng)絡(luò)。小世界特性針對真實網(wǎng)絡(luò)高聚類系數(shù)和低平均最短路徑的特點，無標(biāo)度特性則側(cè)重于冪律度分布的特點，反映“富者更富”或“馬太效應(yīng)”。對于單一網(wǎng)絡(luò)的傳輸性能研究已經(jīng)比較成熟，而且結(jié)果表明傳輸性能與拓?fù)浣Y(jié)構(gòu)、路由算法等因素有很大的相關(guān)性。

過去的研究中，如何提高網(wǎng)絡(luò)傳輸能力和緩解傳輸阻塞的方法分為兩種，主要分為改變網(wǎng)絡(luò)圖的拓?fù)浣Y(jié)構(gòu)的“硬”方法和在不改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上設(shè)計高效的路由算法的“軟”方法。但是目前針對傳輸阻塞的場景主要是單一網(wǎng)絡(luò)，而真實網(wǎng)絡(luò)中許多情況下是多個網(wǎng)絡(luò)之間相互影響或相互依存的。為了研究這類場景，前人構(gòu)造了相連網(wǎng)絡(luò)、相依網(wǎng)絡(luò)等網(wǎng)絡(luò)耦合的模型。其中包括：

(1)同配耦合(assortativecoupling)：先為各自網(wǎng)絡(luò)的節(jié)點根據(jù)度數(shù)降序排序，如果不同的點具有相同度數(shù)，則局部隨機排序，再由耦合邊總數(shù)依次對應(yīng)連接；

(2)異配耦合(disassortativecoupling)：一側(cè)網(wǎng)絡(luò)的節(jié)點根據(jù)度數(shù)降序排列，另一側(cè)網(wǎng)絡(luò)的節(jié)點根據(jù)度數(shù)升序排列，如果不同的點具有相同度數(shù)，則局部隨機排序，最后由耦合邊總數(shù)依次對應(yīng)連接；

(3)隨機耦合(randomcoupling)：有耦合邊總數(shù)隨機選取兩側(cè)網(wǎng)絡(luò)的節(jié)點進行連接，如果遇到重連邊的情況，放棄該次的隨機選擇。

但以上三種耦合方式下相連網(wǎng)絡(luò)的傳輸性能并不是很好：以研究者常用的兩種模型為例，無論對于barabasi-albert(ba)無標(biāo)度網(wǎng)絡(luò)耦合(簡寫成ba-ba)、ba網(wǎng)絡(luò)耦合erdos-renyi隨機網(wǎng)絡(luò)(簡記成ba-er)，還是er-er的情形，同配耦合加重了高度節(jié)點的負(fù)載，傳輸性能很差；異配耦合雖然連接了小度節(jié)點緩解了負(fù)載壓力，但耦合邊連接的大度節(jié)點的負(fù)載仍然比較重；隨機耦合則方差太大，難以把握，不適合作為實際場景的解決方案。

因此我們需要優(yōu)化設(shè)計出一種利于傳輸效率和性能的連邊方案。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種既能提高網(wǎng)絡(luò)的傳輸能力又能保證傳輸效率不受過大影響的針對相連網(wǎng)絡(luò)的耦合方式優(yōu)化方法。

為實現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案如下：

假設(shè)網(wǎng)絡(luò)中所有節(jié)點分為主機節(jié)點(host)和路由節(jié)點(router)，并且兩類節(jié)點均能發(fā)送、接收數(shù)據(jù)包，以及轉(zhuǎn)發(fā)數(shù)據(jù)包。設(shè)定數(shù)據(jù)包在離散的時間點被發(fā)送。傳輸負(fù)載可用數(shù)據(jù)包產(chǎn)生率λ來衡量，具體表示為單位時間內(nèi)平均每個節(jié)點產(chǎn)生的數(shù)據(jù)包數(shù)目，用r表示。每一個時間點，都有λn個數(shù)據(jù)包在某些點隨機產(chǎn)生，與此同時，網(wǎng)絡(luò)中的每個節(jié)點能夠從其鄰居節(jié)點接收到數(shù)據(jù)包，并將數(shù)據(jù)包存放在自己的緩沖隊列(bufferqueue)當(dāng)中。在每一時刻，節(jié)點能根據(jù)自身的傳輸能力轉(zhuǎn)發(fā)一定數(shù)量的數(shù)據(jù)包，并且根據(jù)特定的路由路徑將數(shù)據(jù)包路由到下一個鄰居節(jié)點，而已經(jīng)到達(dá)目的節(jié)點的數(shù)據(jù)包將從該通信網(wǎng)絡(luò)中移除。

當(dāng)網(wǎng)絡(luò)由暢通狀態(tài)轉(zhuǎn)變?yōu)閾砣麪顟B(tài)時，臨界數(shù)據(jù)包產(chǎn)生率λc為該網(wǎng)絡(luò)的信息傳輸能力。λc越大，則網(wǎng)絡(luò)承受高傳輸負(fù)載避免阻塞的能力就越強。當(dāng)λ＜λc時，網(wǎng)絡(luò)處于暢通狀態(tài)；當(dāng)λ＞λc時，網(wǎng)絡(luò)處于擁塞狀態(tài)。另一個指標(biāo)是信息傳輸效率，用節(jié)點與節(jié)點的平均距離來體現(xiàn)。當(dāng)網(wǎng)絡(luò)的平均距離過大，信息從一臺主機發(fā)送到另一臺主機時，需要經(jīng)過多個路由器，因而網(wǎng)絡(luò)的信息傳輸效率低。然而，通常提高網(wǎng)絡(luò)的信息傳輸能力的同時會一定程度影響到網(wǎng)絡(luò)的信息傳輸效率，反之亦然。

可知節(jié)點使用概率u(i)的表達(dá)式為：

臨界數(shù)據(jù)包產(chǎn)生率λc表示為：

其中，v為網(wǎng)絡(luò)中所有節(jié)點的集合，如果節(jié)點i在節(jié)點u和節(jié)點w的路由路徑中，則σuw(i)＝1，反之，σuw(i)＝0，這里的路由算法認(rèn)為是最基本的最短路徑算法；另外定義c(i)為網(wǎng)絡(luò)中任意兩個節(jié)點之間的路徑中經(jīng)過節(jié)點i的次數(shù)：

c(i)＝∑u,w∈v,u≠w≠iσuw(i)；

設(shè)cmax為所有節(jié)點的c(i)中的最大值。從上面的式子可以推導(dǎo)出，通信網(wǎng)絡(luò)的指標(biāo)cmax和平均距離以及臨界數(shù)據(jù)包產(chǎn)生率λc分別存在以下等式關(guān)系：

從推導(dǎo)結(jié)果可見，表征網(wǎng)絡(luò)傳輸能力的λc與cmax成反比，而平均距離和最大節(jié)點使用概率umax的乘積與cmax成正比。cmax的減小能使減小，從而抑制網(wǎng)絡(luò)的平均距離增大，因此本方案通過減小通信網(wǎng)絡(luò)的cmax指標(biāo)來提高網(wǎng)絡(luò)的傳輸能力。

進一步地，為了保證網(wǎng)絡(luò)的平均度數(shù)不變的前提下完成傳輸性能的優(yōu)化，不會改變耦合連邊的數(shù)量，不會對網(wǎng)絡(luò)的傳輸效率(平均傳輸路徑長度)有過大影響，本方案采用重連邊策略，即通過重連相連網(wǎng)絡(luò)間的耦合邊來優(yōu)化cmax指標(biāo)。

進一步地，本方案采用模擬退火優(yōu)化算法在相連網(wǎng)絡(luò)之間選擇一定數(shù)量的耦合邊，優(yōu)化相連網(wǎng)絡(luò)耦合邊重連效果。模擬退火算法是基于概率龐大的解空間中搜索全局近似最優(yōu)的著名啟發(fā)式算法。模擬退火優(yōu)化的初始參數(shù)包括：初始溫度系數(shù)t、降溫系數(shù)α、降溫步伐l、搜索輪數(shù)k、迭代數(shù)t。當(dāng)使用模擬退火算法尋找最優(yōu)解時，若搜索到的解比當(dāng)前解更優(yōu)，則接受新的解；若搜索到的解比當(dāng)前解要差，則以概率e^-△/t接受新的解。在優(yōu)化的初始階段設(shè)置較大的初始溫度系數(shù)t,能夠保證在初始階段對解的搜索能夠跳出局部最優(yōu)。隨著迭代次數(shù)的增加，t以一定的迭代間隔l減小為αt，令解逐漸收斂。

優(yōu)化步驟如下：

s1.采用隨機耦合的方式對即將通過加入的邊耦合的兩個網(wǎng)絡(luò)進行初始化，得到初始化參數(shù)：初始溫度系數(shù)t、降溫系數(shù)α、降溫步伐l、搜索輪數(shù)k、迭代數(shù)t、連續(xù)不變迭代數(shù)totalnum。

s2.在網(wǎng)絡(luò)中任意選取兩個節(jié)點，并計算出該兩個節(jié)點之間的某一條特定路徑(兩個節(jié)點之間可能存在多條路徑)，假設(shè)所有數(shù)據(jù)包傳輸只經(jīng)過該路徑，但不唯一，計算得到該路徑中被經(jīng)過次數(shù)最多的節(jié)點的被經(jīng)次數(shù)cmax；并設(shè)置網(wǎng)絡(luò)最優(yōu)拓?fù)浣Y(jié)構(gòu)所對應(yīng)的指標(biāo)為初始網(wǎng)絡(luò)的且設(shè)k＝0，t＝0；

以最短路徑算法為例，通過dijkstra算法或者floyd算法計算得到任意兩個節(jié)點的最短路徑，從而計算得到每個節(jié)點的c(i)值。選取最大的c(i)值作為整個網(wǎng)絡(luò)的cmax。

s3.隨機刪除互連網(wǎng)絡(luò)中連接網(wǎng)絡(luò)a中節(jié)點i和網(wǎng)絡(luò)b中節(jié)點j的耦合邊eij，再隨機從該兩個網(wǎng)絡(luò)中分別選擇點x和y，判斷x和y之間是否已連邊，若已連邊，則撤銷該重連邊操作，再隨機選取重連，否則直接相連。因為該方案是在兩個網(wǎng)絡(luò)之間添加連邊，而各自網(wǎng)絡(luò)都是連通的，所以無論一次重連操作成功與否都不影響互連網(wǎng)絡(luò)的整體連通性。

s4.計算重連后的優(yōu)化指標(biāo)若則接受本次重連邊的操作，并設(shè)置t＝0以及k＝k+1，否則以動態(tài)概率e^-△/t決定是否接受此次重連邊的操作；其中，重連邊后的且越接近于時，接受概率e^-△/t越趨近于1，即模擬退火更傾向于接受偏離當(dāng)前解較小的解，比較隨機生成的0到1的數(shù)(設(shè)為rand)與概率值e^-△/t，如果隨機數(shù)rand更小便接受此次操作，令t＝0以及k＝k+1；反之回滾撤銷，t＝t+1，k不變，返回步驟s3。

s5.每經(jīng)過l次迭代，當(dāng)k被l整除，令t＝αt；重復(fù)步驟s3-s4，直到網(wǎng)絡(luò)的在連續(xù)totalnum次迭代仍保持不變，即t＝totalnum時，終止優(yōu)化。

與現(xiàn)有技術(shù)相比，本方案原理和優(yōu)點如下：

通過已知公式變換可知通過減小通信網(wǎng)絡(luò)的cmax指標(biāo)能提高網(wǎng)絡(luò)的傳輸能力。而為了減小通信網(wǎng)絡(luò)的cmax指標(biāo)，本方案使用重連邊策略，既能在保證網(wǎng)絡(luò)平均度數(shù)不變的前提下減小通信網(wǎng)絡(luò)的cmax指標(biāo)，也不會對網(wǎng)絡(luò)的傳輸效率有過大影響。進一步地，由于cmax指標(biāo)越小，網(wǎng)絡(luò)優(yōu)化越好，本方案采用模擬退火優(yōu)化算法選擇耦合邊，使重連耦合邊后cmax指標(biāo)值趨于盡可能地小，從而使網(wǎng)絡(luò)的優(yōu)化效果達(dá)到最好。

附圖說明

圖1為本發(fā)明中模擬退火優(yōu)化算法的流程圖；

圖2為本發(fā)明使用模擬退火優(yōu)化算法過程中cmax的變化曲線圖。

具體實施方式

下面結(jié)合具體實施例對本發(fā)明作進一步說明：

參見附圖1所示，本實施例所述的一種針對相連網(wǎng)絡(luò)的耦合方式優(yōu)化方法，包括以下步驟：

s1.采用隨機耦合的方式對即將通過加入的邊耦合的兩個網(wǎng)絡(luò)進行初始化，得到初始化參數(shù)：初始溫度系數(shù)t、降溫系數(shù)α、降溫步伐l、搜索輪數(shù)k、迭代數(shù)t、連續(xù)不變迭代數(shù)totalnum；

s2.在網(wǎng)絡(luò)中任意選取兩個節(jié)點，并計算出該兩個節(jié)點之間的某一條特定路徑，假設(shè)所有數(shù)據(jù)包傳輸只經(jīng)過該路徑，計算得到該路徑中被經(jīng)過次數(shù)最多的節(jié)點的被經(jīng)次數(shù)cmax；并設(shè)置網(wǎng)絡(luò)最優(yōu)拓?fù)浣Y(jié)構(gòu)所對應(yīng)的指標(biāo)為初始網(wǎng)絡(luò)的且設(shè)k＝0，t＝0；

s3.隨機刪除互連網(wǎng)絡(luò)中連接網(wǎng)絡(luò)a中節(jié)點i和網(wǎng)絡(luò)b中節(jié)點j的耦合邊eij，再隨機從該兩個網(wǎng)絡(luò)中分別選擇點x和y，判斷x和y之間是否已連邊，若已連邊，則撤銷該重連邊操作，再隨機選取重連，否則直接相連；

s4.計算重連后的優(yōu)化指標(biāo)若則接受本次重連邊的操作，并設(shè)置t＝0以及k＝k+1，否則以動態(tài)概率e^-△/t決定是否接受此次重連邊的操作；其中，重連邊后的且越接近于時，接受概率e^-△/t越趨近于1，即模擬退火更傾向于接受偏離當(dāng)前解較小的解，比較隨機生成的0到1的隨機數(shù)rand與概率值e^-△/t，如果隨機數(shù)rand更小便接受此次操作，令t＝0以及k＝k+1；反之回滾撤銷，t＝t+1，k不變，返回步驟s3。

s5.每經(jīng)過l次迭代，當(dāng)k被l整除，令t＝αt；重復(fù)步驟s3-s4，直到網(wǎng)絡(luò)的在連續(xù)totalnum次迭代仍保持不變，即t＝totalnum時，終止優(yōu)化。

從圖2可知，隨著迭代步數(shù)的增加，cmax的變化。優(yōu)化前期cmax快速波動，但波動幅度慢慢變小，到后期收斂到固定值，的確模擬退火算法對性能指標(biāo)的優(yōu)化有顯著效果。

本實施例采用模擬退火優(yōu)化算法選擇耦合邊，使重連耦合邊后cmax指標(biāo)值趨于盡可能地小，從而使網(wǎng)絡(luò)的優(yōu)化效果達(dá)到最好，而且由于優(yōu)化采用重連邊策略，既能在保證網(wǎng)絡(luò)平均度數(shù)不變的前提下減小通信網(wǎng)絡(luò)的cmax指標(biāo)，也不會對網(wǎng)絡(luò)的傳輸效率有過大影響。

以上所述之實施例子只為本發(fā)明之較佳實施例，并非以此限制本發(fā)明的實施范圍，故凡依本發(fā)明之形狀、原理所作的變化，均應(yīng)涵蓋在本發(fā)明的保護范圍內(nèi)。