基于智能理论的认知网络qos方法分析.docx

RED
Random Early Detect
随机早期检测
RTP
Real-time Transport Protocol
实时传输协议
SLA
Service-Level Agreement
服务等级协议
TCA
Traffic Conditioning Agreement
传输调节协议
SNMP
work Management Protocol
简单网络管理协议
UML
Unified Modeling Language
统一建模吾言
南京邮电大学学位论文原创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人己经发表或撰写过的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。
研究生签名:
日期:
南京邮电大学学位论文使用授权声明
南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其它复制手段保存论文。本文电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权南京邮电大学研究生院(筹)办理。
研究生签名:
导师签名:
日期:
第一章绪论
研究背景和现状
随着互联网技术和应用的飞速发展,网络上承载的业务日益丰富,目前互联网已经由单一的数据传送网发展成为同时承载数据、语音、图像、视频等多媒体信息的综合传输网络。虽然目前提出的区分服务和集成服务网络服务质量(QoS)体系结构一定程度上保障了网络的QoS,但仍然存在许多问题。首先,不同的业务对时延、抖动、丢包率等 QoS参数的需求有所不同,但是如何实时地感知业务的类型,并据此对业务进行区分服务存在许多困难;其次,缺乏有效的方法以减小P2P流量的急剧攀升给网络造成的严重负担;另外,缺乏自学习和推理的能力,难以根据网络行为的动态变化迅速且自适应地为用户提供理想的服务。总之,对日趋增长的复杂性进行有效的管理已成为当前计算机网络面临的主要挑战之一[1]。
认知网络(work)的提出为解决以上问题提供了全新的思路。认知网络是在认知无线电的基础上提出的[1],它是一种具有认知能力的网络,能感知全网的状态, 据此进行计划、决策、执行适当的动作,并且具有学习和推理的能力[2]。
近年来,国内外有许多研究人员和研究机构致力于认知网络及其相关技术的研究。主要分为无线认知网络研究和核心网认知网络研究[1]。Clark等人将知识平面的概念引入到网络中[3],知识平面跨越网络各层并与它们进行交互以获得网络的整体信息,网络可以通过这种方式实现自感知、自配置和自优化;Thomas则将认知网络系统架构划分为三层:行为目标层,认知处理层和软件可调节网络层[2];Motorola的FOCALE架构将自治管理的理念引入到网络中,实现网络的认知功能,其基本思想就是通过自治,让网络能够根据用户的需求和环境的变化进行调节[4];Mahonen等人提出一种认知资源管理者架构[5],这种架构与分层的通信协议校进行交互,使得协议校的自主优化成为可能;ANA (work Architecture)是欧盟IST FP6资助的认知网络项目,该项目提出的认知网络架构支持结点间的自治性,可以灵活地进行互联,可根据用户的需求动态地进行重配置[6];Dimitrakopoulos等人展示了一种用于B3G (Beyond 3G) 架构的分布式跨层重配置管理方案[7]。该方案提出一种称为认知环(cognitive loop)的结构,利用贝叶斯网络对网络行为进行建模,同时用一个目标方程来表示端到端的目标,该方程在最大重配置次数限制下,利用强化学习为用户选择使得QoS参数最优的配置;Gelenbe等人在路由过程
中使用一种认知分组,路由器能够根据认知分组收集和携带的路由状态信息进行学习和
推理,优化路由选择[8]。认知网络能从历史数据中进行学习和推理[1],因此人工智能理论和技术是实现认知
功能的基础。目前,关于如何在网络中借助人工智能相关技术以解决网络存在问题的讨论,主要围绕如何有效地进行知识表示、学习和推理。
文献[9]认为知识表示其实是为事物建立模型。本体论(ontology)是用于知识表示最常用的方法,文献[10~16]都采用本体论来表示网络的相关知识。文献[10]利用本体论对网络中被管理对象进行建模,每一个数据模型通常有一个或多个本体与之相关,用以表示关系及语义。然而网络是个复杂且具