基于蚁群算法的树环结构应用层组播树构建算法.docVIP

基于蚁群算法的树环结构应用层组播树构建算法 文章编号2013）1座机电话号码 摘要：作为对IP组播技术的改进，应用层组播（ALM）技术具有不受网络架构限制、资源丰富、数据传输速率高等优势综合考虑节点性能和端到端延迟，提出一种快速且高效的建立应用层组播树的方法：基于蚁群算法的树环结构ALM模型（ACOTRM）目前对ALM结构的研究大部分都是仅仅粗略地给出拓扑结构，而对整个构建过程却缺乏完整且清晰的描述鉴于此，完整地给出了一种树环结构ALM树的具体构建过程，主要包括网络节点分簇、簇内成环连接、数据转发数的建立等关键步骤另外，为每个节点设定特有的优先级，使得整个ALM树达到最优化状态仿真结果表明，该模型得到了较低的平均时延以及较高的平均数据传输率，在增加系统稳定性的同时也提高了其转发效率 关键词：应用层多播；树环结构；蚁群优化算法；节点性能；优先级 中图分类号： TP393 文献标志码：A 0引言 作为对IP组播[1-3]技术的改进，应用层组播 （Application Layer Multicast， ALM）[4-9]技术逐渐成为Internet中提供组播服务的主要方案应用层组播是一种在覆盖网络 （overlay network）上实现组播的特殊组播方式，它的组播功能由主机来实现，组播数据的实际传输通过底层网络的单播链接来进行应用层组播与IP组播的最大区别就是组播的复制、转发功能是由主机实现，而不是由路由器实现与在单播传输模型中一样，路由器只需要支持“尽力传输”功能，而无需支持与组播相关的其他额外功能因此，可以认为应用层组播中的组播功能是在覆盖网络层次上进行的，此处的覆盖网络是指由节点自组织成的、架构在底层网络之上的逻辑网络 提高应用层组播树稳定性[10-11]的一个重要途径是减少节点失效影响范围，在此，树环结构应用层组播树有着比NICE协议更稳定且高效的优点基于此，本文提出一种基于蚁群优化（Ant Colony Optimization，ACO）算法[12]的树环结构应用层组播（TreeRing Application Layer Multicast Based on Ant Colony Optimization， ACOTRM）模型，综合考虑节点性能和端到端延迟，利用一种快速蚁群优化（Fast Ant Colony Optimization，ACOF）算法快速且有效地实现环状结构的构建另外，针对NICE协议中当Leader节点失效后没有对应的处理方法，从而导致网络收敛慢的问题，ACOTRM根据节点的性能以及端到端延迟，为每个节点设定特有的优先级，然后在分簇中选举出具有最高优先级的节点作为本簇的Leader，结合合理的分层数，使得整个分层结构达到最优化状态 1模型构建 1.1模型结构 模型的整个拓扑结构分为m（m 0，1，2，…）层，各层分别表示为L0， L1，…，Lm-1，并将各层节点组织成环状结构最高层L0层为Root节点，是整个体系结构的管理和控制中心下层域中的环节点由上层环中某个特定的节点进行控制， 这样每个上层环中节点都分散控制管理着自己的下层域中节点， 从而减轻了Root节点的控制管理负担该拓扑结构的最高层是Root节点， 紧接着的高层是一个由Leader节点组成的中心环，这些Leader节点是通过计算节点的性能和优先级从普通节点中选出来的图1是一个3 层的树环结构应用层组播拓扑结构由于随着树的深度增加，网络中各节点的负担以及传输延时都将会增大并且相对于以往的部分研究[5]，本文提出的模型更为灵活，各个节点控制管理负担相比较小因此，适当增加每层节点数以减小树的深度，从而平衡网络负担与传输时延本文规定每一层中的节点总数在22i和22（i+1）之间（其中i表示层数），通过实验的反复论证，最后的仿真结果说明此规定能够达到比较短的时延以及较高的数据传输率 1.2基于蚁群算法的动态构建算法 1.2.1基于蚁群聚类的节点分簇算法 蚁群优化（ACO）算法是由意大利学者Dorigo等[12]根据蚂蚁群体在觅食过程中所体现出的智能行为首先提出来的一种仿生寻优算法本文利用一种基于信息素的蚁群聚类方法对网络中的节点进行聚类划分，主要思想是：蚂蚁在觅食过程中会在其经过的路径上释放信息素， 并能够感知信息素及其强度；经过蚂蚁越多的路径其信息素越强， 同时信息素自身也会随着时间的流逝而挥发；蚂蚁倾向于信息素强度高的方向移动， 某一路径上走过的蚂蚁越多， 后来的蚂蚁选择该路径的概率就越大 1.2.2簇内成环连接 1.2.3树环结构数据转发树的建立 选举出来的Leader节点构成节点集，利用上文提出的ACOF算法完成Leader节点的成环连接工作，选取Leader节点集中优先级最高的节点作为Root节点，层次环状组播树的初步