高级搜索

基于灾难预测多区域故障的虚拟光网络生存性映射

刘焕淋 杜理想 陈勇 王展鹏

引用本文: 刘焕淋, 杜理想, 陈勇, 王展鹏. 基于灾难预测多区域故障的虚拟光网络生存性映射[J]. 电子与信息学报, 2020, 42(7): 1710-1717. doi: 10.11999/JEIT190561 shu
Citation:  Huanlin LIU, Lixiang DU, Yong CHEN, Zhanpeng WANG. Disaster Prediction-based Survivable Virtual Optical Network Mapping for Multi-Area Faults[J]. Journal of Electronics and Information Technology, 2020, 42(7): 1710-1717. doi: 10.11999/JEIT190561 shu

基于灾难预测多区域故障的虚拟光网络生存性映射

    作者简介: 刘焕淋: 女,1970年生,教授,研究方向为光通信技术与未来网络;
    杜理想: 男,1995年生,硕士,研究方向为光网络生存性路由算法;
    陈勇: 男,1963年生,教授,研究方向为光通信技术、传感检测与自动化技术;
    王展鹏: 男,1996年生,硕士,研究方向为光网络生存性调度算法
    通讯作者: 刘焕淋,liuhl2@sina.com
  • 基金项目: 国家自然科学基金(51977021);重庆市自然科学基金面上项目(2019jcyj-msxmX0613)

摘要: 生存性虚拟光网络映射是提高光网络应对灾难故障的重要技术保障措施。为解决灾难性多区域故障导致弹性光网络的带宽容量损失问题,该文提出基于灾难预测故障模型的蚁群优化虚拟光网络映射 (DFM-ACO-VNM)算法。在该算法中,设计基于光节点资源和相邻链路的全局潜在故障概率的光节点排序映射准则,并设计启发式信息公式实现多区域故障下最小带宽容量损失的虚拟节点和虚拟链路协同映射。仿真结果表明,该文所提算法在多区域故障时能降低带宽容量损失,减少带宽阻塞率和提高频谱利用率。

English

    1. [1]

      鲍宁海, 苏国庆, 陈静波. 恢复时间敏感的光网络混合通路保护算法[J]. 重庆邮电大学学报: 自然科学版, 2017, 29(3): 313–319. doi: 10.3979/j.issn.1673-825X.2017.03.005
      BAO Ninghai, SU Guoqing, and CHEN Jingbo. Recovery-time aware hybrid path protection algorithm in optical networks[J]. Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition, 2017, 29(3): 313–319. doi: 10.3979/j.issn.1673-825X.2017.03.005

    2. [2]

      LIU Huanlin, DU Jundan, CHEN Yong, et al. A coordinated virtual optical network embedding algorithm based on resources availability-aware over elastic optical networks[J]. Optical Fiber Technology, 2018, 45: 391–398. doi: 10.1016/j.yofte.2018.08.021

    3. [3]

      ELMIRGHANI J M H, KLEIN T, HINTON K, et al. GreenTouch greenMeter core network energy-efficiency improvement measures and optimization[J]. Journal of Optical Communications and Networking, 2018, 10(2): A250–A269. doi: 10.1364/JOCN.10.00A250

    4. [4]

      PAOLUCCI F, CUGINI F, FRESI F, et al. Superfilter technique in SDN-controlled elastic optical networks[Invited][J]. Journal of Optical Communications and Networking, 2015, 7(2): A285–A292. doi: 10.1364/JOCN.7.00A285

    5. [5]

      LU Shuaibing, WU Jie, ZHENG Huanyang, et al. On maximum elastic scheduling in cloud-based data center networks for virtual machines with the hose model[J]. Journal of Computer Science and Technology, 2019, 34(1): 185–206. doi: 10.1007/s11390-019-1890-3

    6. [6]

      LIN Rongping, LUO Shan, ZHOU Jingwei, et al. Column generation algorithms for virtual network embedding in flexi-grid optical networks[J]. Optics Express, 2018, 26(8): 10898–10913. doi: 10.1364/OE.26.010898

    7. [7]

      DUBOIS D J and CASALE G. Autonomic provisioning and application mapping on spot cloud resources[C]. 2015 International Conference on Cloud and Autonomic Computing, Boston, USA, 2015: 57–68. doi: 10.1109/ICCAC.2015.21.

    8. [8]

      XIE Weisheng, JUE J P, ZHANG Qiong, et al. Survivable virtual optical network mapping in flexible-grid optical networks[C]. 2014 International Conference on Computing, Networking and Communications, Honolulu, USA, 2014: 221–225. doi: 10.1109/ICCNC.2014.6785335.

    9. [9]

      ZHANG Huibin, WANG Wei, ZHAO Yongli, et al. Shared protection based virtual network mapping in space division multiplexing optical networks[J]. Optical Fiber Technology, 2018, 42: 63–68. doi: 10.1016/j.yofte.2017.12.004

    10. [10]

      XUAN Hejun, WANG Yuping, XU Zhanqi, et al. Virtual optical network mapping and core allocation in elastic optical networks using multi-core fibers[J]. Optics Communications, 2017, 402: 26–35. doi: 10.1016/j.optcom.2017.05.065

    11. [11]

      GALDAMEZ C and YE Zilong. Resilient virtual network mapping against large-scale regional failures[C]. 2017 IEEE Conference of Wireless and Optical Communication, Newark, USA, 2017: 1–4. doi: 10.1109/WOCC.2017.7928978.

    12. [12]

      FERDOUSI S, DIKBIYIK F, FARHAN HABIB M, et al. Disaster-aware datacenter placement and dynamic content management in cloud networks[J]. IEEE OSA Journal of Optical Communications and Networking, 2015, 7(7): 681–694. doi: 10.1364/JOCN.7.000681

    13. [13]

      GOUR R, KONG Jian, ISHIGAKI G, et al. Survivable routing in multi-domain optical networks with geographically correlated failures[C]. 2017 IEEE Global Communications Conference, Singapore, 2017: 1–6. doi: 10.1109/GLOCOM.2017.8254775.

    14. [14]

      刘焕淋, 易鹏飞, 陈勇, 等. 一种最小故障风险损失的弹性光网络多链路故障概率保护策略[J]. 电子与信息学报, 2017, 39(8): 1819–1825. doi: 10.11999/JEIT161159
      LIU Huanlin, YI Pengfei, CHEN Yong, et al. Multi-link failure probability protection strategy based on minimum fault risk loss in elastic optical networks[J]. Journal of Electronics &Information Technology, 2017, 39(8): 1819–1825. doi: 10.11999/JEIT161159

    15. [15]

      刘焕淋, 林振宇, 王欣, 等. 弹性光网络中基于安全性感知的差异化虚拟光网络的映射策略[J]. 电子与信息学报, 2019, 41(2): 424–432. doi: 10.11999/JEIT180335
      LIU Huanlin, LIN Zhengyu, WANG Xin, et al. A diverse virtual optical network mapping strategy based on security awareness in elastic optical networks[J]. Journal of Electronics &Information Technology, 2019, 41(2): 424–432. doi: 10.11999/JEIT180335

    16. [16]

      POURVALI M, BAI Hao, CRICHIGNO J, et al. Multicast virtual network services embedding for improved disaster recovery support[J]. IEEE Communications Letters, 2018, 22(7): 1362–1365. doi: 10.1109/LCOMM.2018.2822739

    17. [17]

      WANG Ying, LIU Xiao, QIU Xuesong, et al. Prediction-based survivable virtual network mapping against disaster failures[J]. International Journal of Network Management, 2016, 26(5): 336–354. doi: 10.1002/nem.1939

    18. [18]

      朱颢东, 孙振, 吴迪, 等. 基于改进蚁群算法的移动机器人路径规划[J]. 重庆邮电大学学报: 自然科学版, 2016, 28(6): 849–855. doi: 10.3979/j.issn.1673-825X.2016.06.017
      ZHU Haodong, SUN Zhen, WU Di, et al. Path planning for mobile robot based on improved ant colony algorithm[J]. Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition, 2016, 28(6): 849–855. doi: 10.3979/j.issn.1673-825X.2016.06.017

    19. [19]

      ZHENG Hongkun, LI Jingjing, GONG Yuejiao, et al. Link mapping-oriented ant colony system for virtual network embedding[C]. 2017 IEEE Congress on Evolutionary Computation, San Sebastian, Spain, 2017: 1223–1230. doi: 10.1109/CEC.2017.7969445.

    20. [20]

      谢晖. 抗毁SDN光网络资源优化调度研究[J]. 激光杂志, 2019, 40(4): 97–101. doi: 10.14016/j.cnki.jgzz.2019.04.097
      XIE Hui. Research on optimal scheduling of SDN optical network resources[J]. Laser Journal, 2019, 40(4): 97–101. doi: 10.14016/j.cnki.jgzz.2019.04.097

    21. [21]

      DU Xiaowu and MA Lisheng. Backup path provisioning for service protection against disaster failures in telecom networks[C]. 2017 International Conference on Networking and Network Applications, Kathmandu, Nepal, 2017: 220–224. doi: 10.1109/NaNA.2017.40.

    1. [1]

      于存谦, 张黎, 何荣希, 李靖宇. 弹性光网络中时延感知的降级恢复路由与频谱分配算法. 电子与信息学报, 2020, 41(0): 1-9.

    2. [2]

      刘焕淋, 胡会霞, 陈勇, 温濛, 王展鹏. 节点中介性和频谱离散度感知虚拟光网络生存性协同映射. 电子与信息学报, 2020, 41(0): 1-7.

    3. [3]

      曾帅, 钱志华, 赵天烽, 任彦, 王育杰. 生存性条件约束下的软件定义光网络控制器部署算法. 电子与信息学报, 2020, 41(0): 1-8.

    4. [4]

      刘焕淋, 杜理想, 陈勇, 胡会霞. 串扰感知的空分弹性光网络频谱转换器稀疏配置和资源分配方法. 电子与信息学报, 2020, 42(7): 1718-1725.

    5. [5]

      赵国繁, 唐伦, 胡彦娟, 赵培培, 陈前斌. 面向可靠性的5G网络切片重构及映射算法. 电子与信息学报, 2020, 42(6): 1478-1485.

    6. [6]

      宋人杰, 张元东. 基于感兴趣区域的高性能视频编码帧内预测优化算法. 电子与信息学报, 2020, 42(0): 1-7.

    7. [7]

      徐宇, 林郁, 杨海钢. FPGA双端口存储器映射优化算法. 电子与信息学报, 2020, 41(0): 1-8.

    8. [8]

      蒲磊, 冯新喜, 侯志强, 余旺盛. 基于自适应背景选择和多检测区域的相关滤波算法. 电子与信息学报, 2020, 41(0): 1-7.

    9. [9]

      归伟夏, 陆倩, 苏美力. 关于系统级故障诊断的烟花-反向传播神经网络算法. 电子与信息学报, 2020, 42(5): 1102-1109.

    10. [10]

      方维维, 刘梦然, 王云鹏, 李阳阳, 安竹林. 面向物联网隐私数据分析的分布式弹性网络回归学习算法. 电子与信息学报, 2020, 42(0): 1-9.

    11. [11]

      吕敬祥, 罗文浪. 无线传感网络量化及能量优化策略. 电子与信息学报, 2020, 42(5): 1118-1124.

    12. [12]

      姚敏立, 王旭健, 张峰干, 戴定成. 基于动态参数差分进化算法的多约束稀布矩形面阵优化. 电子与信息学报, 2020, 42(5): 1281-1287.

    13. [13]

      高东, 梁子林. 基于能量效率的双层非正交多址系统资源优化算法. 电子与信息学报, 2020, 42(5): 1237-1243.

    14. [14]

      赵斌, 王春平, 付强. 显著性背景感知的多尺度红外行人检测方法. 电子与信息学报, 2020, 42(0): 1-9.

    15. [15]

      柳长源, 王琪, 毕晓君. 基于多通道多尺度卷积神经网络的单幅图像去雨方法. 电子与信息学报, 2020, 42(0): 1-8.

    16. [16]

      达新宇, 张宏伟, 胡航, 潘钰, 井锦玲. 认知无人机网络中次级链路吞吐量优化研究. 电子与信息学报, 2020, 42(0): 1-8.

    17. [17]

      晋守博, 魏章志, 李耀红. 基于大通讯时滞的2阶多智能体系统的一致性分析. 电子与信息学报, 2020, 42(0): 1-6.

    18. [18]

      张文明, 姚振飞, 高雅昆, 李海滨. 一种平衡准确性以及高效性的显著性目标检测深度卷积网络模型. 电子与信息学报, 2020, 42(5): 1201-1208.

    19. [19]

      惠鏸, 张晓静. 无线自组织网络的联合安全路由选择和功率优化算法. 电子与信息学报, 2020, 41(0): 1-8.

    20. [20]

      雷大江, 张策, 李智星, 吴渝. 基于多流融合生成对抗网络的遥感图像融合方法. 电子与信息学报, 2020, 41(0): 1-8.

  • 图 1  虚拟网络映射到灾难弹性光网络示意图

    图 2  仿真网络多区域灾难故障拓扑

    图 3  不同负载下带宽阻塞率的对比

    图 4  不同负载下带宽容量损失的对比

    图 5  不同负载下频谱利用率的对比

    表 1  DFM-ACO-VNM算法

     输入:输入底层网络${{{G}}_{\rm{s}}}({{{N}}_{\rm{s}}},{{{{\rm E}}}_{\rm{s}}})$和灾难事件F,虚拟网络请求${{{G}}_{\rm{v}}}({{{N}}_{\rm{v}}},{{{E}}_{\rm{v}}})$。
     输出:Antbest,即虚拟网络的虚拟节点映射,虚拟链路映射和频谱资源分配结果。
     (1)  初始化信息素浓度矩阵τ[n][m],启发式信息矩阵η[n][m],转移概率矩阵P[n][m],初始化${A_{{\rm{best}}}} = 1000000$, nNv集合的虚拟节点
        数,mNs集合的光节点数,设置蚁群算法最大迭代次数Gmax,迭代变量j=0; Aj为虚拟网络蚁群映射第j轮结果;
     (2)  根据灾难集合F,计算EONs区域A灾难概率${p_A}\left( {{f_i}} \right)\;$,根据式(7)计算各光纤链路es的灾难评估$M({e_{\rm{s}}})$值;
     (3)  根据式(5),对虚拟网络中的虚拟节点降序排列在集合${R_{{n_{\rm{v}}}}}$中;
     (4)  For(j =0, j+1, j <Gmax)
     (5)   For 从排序第1个虚拟节点到第n个虚拟节点
     (6)    执行EBCL-VNM映射算法(表2),构造虚拟网络映射解Aj
     (7)   End for
     (8)    If ${{\rm{E}}_{{\rm{BCL}}}}({A_{{\rm{best}}}})$ > ${{{E}}_{{\rm{BCL}}}}({A_j})$
     (9)     令${{{E}}_{{\rm{BCL}}}}({A_{{\rm{best}}}})$ = ${{{E}}_{{\rm{BCL}}}}({A_j})$
     (10)    End if
     (11)    根据式(10),更新信息素浓度矩阵
     (12)    if converge
     (13)     Break;
     (14)    end if
     (15)  end for
     (16)  Return ${{\rm{E}}_{{\rm{BCL}}}}({A_{{\rm{best}}}})$ and ${A_{{\rm{best}}}}$
    下载: 导出CSV

    表 2  EBCL-VNM 算法

     (1)  初始化虚拟网络请求的虚拟节点、链路映射结果集合和资源分配结合,即A0 = Φ
     (2)  根据式(6),排序EONs中光节点在集合${R_{{n_{\rm{s}}}}}$中;
     (3)  选择顺序列表${R_{{n_{\rm{v}}}}}$中的第1个虚拟节点$n_{\rm{v}}^0$;
     (4) 选择顺序列表${R_{{n_{\rm{s}}}}}$中的第1个光节点$n_{\rm{s}}^0$;
     (5)  将满足资源约束的$n_{\rm{v}}^0$映射到$n_{\rm{s}}^0$,记录已映射节点信息,并从集合${R_{{n_{\rm{v}}}}}$中删除$n_{\rm{v}}^0$;
     (6)  For 依次映射集合${R_{{n_{\rm{v}}}}}$的剩余虚拟节点
     (7)  当前拟映射虚拟节点$n_v^i$加入已映射虚拟节点和虚拟链路集合时,根据式(8)结果确定需要新映射的虚拟链路;
     (8)  找出满足虚拟节点资源约束条件的候选光节点集合$n_{\rm{s}}^{i{\rm{ - C}}}$;
     (9)   For 对所有候选光节点集合$n_{\rm{s}}^{i{\rm{ - C}}}$依次执行
     (10)    运行多商品流算法映射各虚拟链路的K条候选光路路由和资源光路带宽分配;
     (11)    根据式(8)计算启发式信息矩阵η[$n_{\rm{v}}^i$][$n_{\rm{s}}^j$];
     (12)    根据式(9)计算转移概率矩阵P[$n_{\rm{v}}^i$][$n_{\rm{s}}^j$];
     (13)    将虚拟节点i按式(9)计算值,概率地选择映射到光节点j
     (14)   End for
     (15)   更新虚拟节点和虚拟链路映射集合;
     (16)  End for
     (17)  Return 虚拟节点映射、虚拟链路映射和资源分配结果。
    下载: 导出CSV
  • 加载中
图(5)表(2)
计量
  • PDF下载量:  13
  • 文章访问数:  559
  • HTML全文浏览量:  247
文章相关
  • 通讯作者:  刘焕淋, liuhl2@sina.com
  • 收稿日期:  2019-07-25
  • 录用日期:  2020-02-19
  • 网络出版日期:  2020-03-12
  • 刊出日期:  2020-07-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章