主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈宇,温欣玲,段哲民,李宇翀.一种大规模IP网络多链路拥塞推理算法.软件学报,2017,28(7):1815-1834
一种大规模IP网络多链路拥塞推理算法
Algorithm for Large Scale IP Network Multiple Link Congestion Inference
投稿时间:2016-02-23  修订日期:2016-04-01
DOI:10.13328/j.cnki.jos.005111
中文关键词:  拥塞链路推理  tomography  贝叶斯网模型  拉格朗日松弛  贝叶斯最大后验(BMAP)准则
英文关键词:congestion link inference  tomography  Bayesian network model  Lagrange relaxation  BMAP criterion
基金项目:国家重点基础研究发展计划(973)(2012CB315901,2013CB329104);河南省高等学校重点科研项目(18A510019)
作者单位E-mail
陈宇 郑州航空工业管理学院 电子通信工程学院, 河南 郑州 450015 chenyu3440@gmail.com 
温欣玲 郑州航空工业管理学院 电子通信工程学院, 河南 郑州 450015  
段哲民 西北工业大学 电子信息学院, 陕西 西安 710072  
李宇翀 中国人民解放军 32147 部队, 河南 商丘 476000  
摘要点击次数: 1001
全文下载次数: 618
中文摘要:
      基于最小集覆盖理论的拥塞链路推理算法,仅对共享瓶颈链路进行推理,当拥塞路径存在多条链路拥塞时,算法的推理性能急剧下降.针对该问题,提出一种基于贝叶斯最大后验(Bayesian maximum a-posterior,简称BMAP)改进的拉格朗日松弛次梯度推理算法(Lagrange relaxation sub-gradient algorithm based on BMAP,简称LRSBMAP).针对推理算法中链路覆盖范围对算法推理性能的影响,以及探针部署及额外E2E路径探测发包的开销问题,提出设置度阈值(degree threshold value,简称DTV)参数预选待测IP网络收发包路由器节点,通过引入优选系数ρ,在保证链路覆盖范围的基础上,兼顾开销问题,确保算法的推理性能.针对大规模IP网络多链路拥塞场景下,链路先验概率求解方程组系数矩阵的稀疏性,提出一种对称逐次超松弛(symmetry successive over-relaxation,简称SSOR)分裂预处理共轭梯度法(preconditioned conjugate gradient method based on SSOR,简称PCG_SSOR)求解链路先验概率近似唯一解的方法,防止算法求解失败.实验验证了所提算法的准确性及鲁棒性.
英文摘要:
      Congested link inference algorithms only infer the set of share links based on methods of smallest set coverage. When some congested path contains more than one congested link, the inference performance is obviously descending. Aiming at this problem, a version of Lagrange relaxation sub-gradient algorithm based on Bayesian maximum a-posterior (LRSBMAP) is proposed. Aiming at the impacts of congested link inference performance in the different link coverage, and the cost problems of probe deployments and additional E2E active detection, the paper proposes a preliminary selection method for transceiver nodes by optimally selecting degree threshold value (DTV) parameter of IP networks. Through introducing the optimization coefficient ρ, problems of cost and link coverage can be both considered to ensure the performance of inference algorithm. In addition, according to the sparsity of coefficient matrix in link prior probability solution equations, a preconditioned conjugate gradient method based on symmetry successive over-relaxation (PCG_SSOR) is proposed to obtain approximate unique solutions, helping to avoid the solution failures in large scale IP networks under the scenarios of multiple link congestion. Experiments demonstrate that the algorithms proposed in this paper have higher accuracy and robustness.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利