基于改进的负载平衡组播路由问题模型的研究.docxVIP

基于改进的负载平衡组播路由问题模型的研究 1 基于度约束最小半径、负载平衡的多目标优化模型 近年来，许多研究人员提出了基于ip层集群分布的不足的担忧，并很快成为研究的热点。Overlay组播是在由许多应用层节点(终端节点和代理节点,它们都能承担组播功能)组成的虚拟Overlay网络上进行组播,每个网络上的边都联系着基础物理层中的单播路径。 由于虚拟网络是由许多应用层节点构成的,在建立Overlay组播路由时,需要考虑许多因素和评价指标:第一,每个节点支持的连接数不同,需要考虑它们所能支持的连接限制,一般用节点的度来表示。第二,路由算法应该有效地使用网络资源,尽可能多地携带流量。所以带宽消耗的大小是评价组播路由算法的一个主要指标。第三,另一个主要的性能指标是应该尽可能地保证端对端的延迟,即保证组播树的半径最小(组播树的半径定义为源节点到其它节点的最长简单路径)。此外,需要考虑均衡流量负载的能力,否则会造成系统的利用率低和会话拒绝率高。延迟与负载是两个很难调和的量,因为一棵小半径的组播树将导致在中心节点上的流量集中,结果这些节点成了系统的瓶颈;增加整个网络的半径固然会分散负载,但是又将导致路径变长、延迟增加。为此,不同的研究者按不同的指标提出了不同的算法。 其中文献综合这几方面的因素和指标,提出了一种半径受限、负载平衡的组播路由问题模型LRRB(Limited Radius,Residual Balanced Steiner tree):给定无向图G=(V,E),V是应用层节点的集合,E是边(表示节点之间的点到点连接)的集合。对?v∈V有组播能力的节点的度约束值dmax(v)∈N;边权函数c:E→R+,c(e)表示节点之间的通信代价;给定一个组播树的半径约束值B∈Z+。给定组播源点s∈V,应用层组播路由问题为求解一棵以s为源点的生成树T?G满足: 其中T为G的生成树;rad(T)为生成树T的半径;TV为生成树T的节点集合。 LRRB模型是固定其中一个寻优目标为某个具体值(作为约束条件),然后优化另一个寻优目标。但是,该模型中的负载均衡策略很复杂,属于“极大-极小型”优化问题,求解算法的复杂一般很高。 为此,我们改进了LRRB中的负载均衡的策略,同时考虑度约束、最小半径和负载平衡,建立新的多目标优化模型——.度约束最小半径、负载平衡组播路由模型(Minimum Radius,Residual-Balanced,Degree Limited steiner tree,MRRBDL),并提出解决问题的相应算法: 给定无向图G=(V,E),V是应用层节点的集合,E是边(表示应用层节点之间的点到点连接)的集合。每一个节点v对应一个度约束值dmax(v)∈N;边权函数c:E→R+,c(e)表示节点之间的通信延迟。给定组播源点s∈V,应用层组播路由问题为求解一棵以s为源点的生成树T?G满足: 其中rad(T)和u(T)分别表示组播树的半径和节点之间负载的不平衡程度(unbalance degree)。 模型式(1)与模型式(2)在衡量一棵组播树的负载平衡程度时的表现如何呢?如何更加合理地计算节点之间的负载平衡程度呢?模型式(2)是通过不平衡程度从反面来刻画平衡程度的,那么又如何计算一棵组播树中各个节点之间的不平衡程度呢?本文就这些问题本文展开了讨论。 2 负载平衡度的测量 2.1 节点实际负载评估 上述模型式(2)中的u(T)如何计算,即如何具体量化一棵组播树中各节点间负载的不平衡程度呢?先引入两个概念:亏度(deficient degree)和饱和度(saturated degree)。一个节点的绝对亏度定义为该节点的最大可承受负载与实际承受负载之差,相对亏度定义为绝对亏度与最大可承受负载的比值;一个节点的饱和度定义为该节点实际承受负载与最大可承受负载的比值。即: 绝对亏度(absolute deficient degree): 相对亏度(relative deficient degree): 饱和度(saturated degree): 从而,我们可以分别从用所有节点的绝对亏度方差、相对亏度方差、饱和度方差来量化表示节点负载的不平衡程度。然而,由于δvRDD=1-δvSD成立,则D(δvRDD)=D(δvSD),即相对亏度方差等同于饱和度方差,故实际上,所以我们仅需从绝对亏度方差和相对亏度方差两方面进行讨论。于是有 其中上标“*”指上标ADD,RDD之任一种。为了减少舍入误差对评价结果的影响,我们引入,则。显然,对u*(T)寻优等价与对U*(T)寻优。 2.2 不同组播树的负载不平衡程度的计算 由式(2),式(3),式(6)组成的是绝对亏度负载平衡多目标优化模型,简记为ADD-LB;由式(2),式(4),式(6)组成的是相对亏度负载平衡多