学位论文 > 优秀研究生学位论文题录展示

基于人工免疫算法的CDN骨干网组播路由优化与仿真

作　者: 刘刚
导　师: 王华
学　校: 山东大学
专　业: 计算机系统结构
关键词: 内容分发网组播路由优化人工免疫算法 Steiner树
分类号: TP393.02
类　型: 硕士论文
年　份: 2013年
下　载: 10次
引　用: 0次
阅　读: 论文下载

内容摘要

随着Internet信息数量和网民数量的大规模增多,人们对网络中多媒体信息的需求也呈现指数级的增长。以IPTV为代表的多媒体应用已成为互联网界公认的"killer-application",人们摆脱了以往的限制,可以轻松自如地从Internet得到媒体信息。目前摆着科研人员和互联网服务提供商面前最大的挑战就是如何将流媒体内容高效稳定的分发给众多网络用户。目前在流媒体内容分发的商用环境中最为普及的是下面两种技术：内容分发网络(CDN, Content Delivery Network)和组播(Multicast)。CDN技术的通俗理解就是网站加速,通过在网络的不同位置部署多个内容分发服务器,实时地根据网络带宽、使用流量、负载状况等综合信息将用户的请求重新导向最合适的边缘服务器接收媒体信启、；服务提供商以此来解决因为跨运营商、骨干网络拥塞、局部流量过大等原因造成的用户访问速度过慢的问题。由于CDN的建设过程中部署了大量的服务节点,投资较大,后期运行维护成本也较高；同时CDN的本质还是基于C/S架构的,难以从根本上避免和缓解大量用户同时访问时对整个系统造成的压力。在组播网络中,分组数据可以通过复制的方式提高其复用率,此举极大的减轻了流媒体分发系统的压力,使得服务器能够有更多的空余资源来为用户提供多种多样的服务。但是,建立在应用层的组播分组转发规则脱离了网络层,并不考虑网络本身的拓扑结构,因此,应用层组播在延迟方面的性能较差；而且,由于分组重复传送的因素,应用层组播会给网络层增加额外的负担,这样,网络服务质量(QoS)就很难得以保证。本文在对组播技术和CDN技术深入研究的基础上,提出了一种组播和CDN技术相结合的IPTV传输网络,它融入了CDN和组播技术的优点,同时弥补了各自的不足。我们随之采用人工免疫算法对传输系统的QoS进行优化,并设计了一种改进的人工免疫算法使其能适应不同规模的拓扑,自动调节参数,不再依赖人工选择。(1)针对IPTV对流媒体传输的实时性较高,而组播算法在大规模拓扑中收敛时间过长的问题,我们将人工免疫算法引入组播路由优化中,提出了一种基于人工免疫算法的组播路由优化算法。同典型的组播树构造算法不同,本文提出的算法通过对组播树进行合并然后变换来达到进化的效果,极大的减少了算法的收敛时间。通过大量实验可以证明,人工免疫路由算法在大规模拓扑中仍然具有良好的适应性。(2)对于不同的拓扑规模,经典算法中的参数选择完全依靠大量的人工调整来进行。本文在人工免疫算法的基础上引入了粒子群优化算法,通过粒子的搜索,使得参数能够自适应当前拓扑规模,有利于免疫算法能够收敛于最优解。

全文目录

摘要  9-11
ABSTRACT  11-13
第1章绪论  13-18
  1.1 研究背景与意义  13-15
  1.2 国内外研究现状  15-16
  1.3 本文主要研究内容  16-17
  1.4 论文的组织结构  17-18
第2章相关理论与技术介绍  18-31
  2.1 组播技术概述  18-23
    2.1.1 组播分类  18-20
    2.1.2 组播路由算法  20-22
    2.1.3 组播路由协议  22-23
  2.2 人工免疫算法概述  23-30
    2.2.1 人工免疫算法的基本概念  24-25
    2.2.2 人工免疫算法数学模型  25-28
    2.2.3 人工免疫算法基本步骤  28-30
  2.3 本章小结  30-31
第3章 CDN技术介绍及其与组播结合技术  31-36
  3.1 CDN技术概述  31-32
    3.1.1 CDN的概念  31
    3.1.2 CDN的网络拓扑结构  31-32
  3.2 CDN与组播技术的优缺点及融合  32-35
    3.2.1 CDN与组播技术各自优缺点及融合的可行性分析  32-34
    3.2.2 CDN与组播技术融合的优势  34-35
    3.2.3 CDN与组播融合的总结  35
  3.3 本章小结  35-36
第4章基于人工免疫算法的树形变换路由优化算法  36-53
  4.1 CDN骨干网路由优化问题的数学模型  36-39
    4.1.1 组播树的概念  36
    4.1.2 Steiner树的数学模型  36-37
    4.1.3 CDN骨干网QoS组播路由的数学模型  37-39
  4.2 算法的基本思想  39-45
    4.2.1 算法的初始化  40-42
    4.2.2 抗体的克隆  42-43
    4.2.3 抗体的变异  43-44
    4.2.4 对抗体的抑制和种群更新  44-45
  4.3 算法的基本步骤描述  45-46
  4.4 仿真实验及结果分析  46-52
    4.4.1 仿真环境  46-47
    4.4.2 实验结果及分析  47-52
  4.5 本章小结  52-53
第5章基于微粒群的人工免疫算法参数自适应优化算法  53-63
  5.1 人工免疫算法的改进  53
  5.2 微粒群算法  53-56
  5.3 P-AIA算法的基本思想  56-57
  5.4 P-AIA算法的基本步骤  57-59
    5.4.1 参数的初始化  57-58
    5.4.2 初始值反馈到AIA中  58
    5.4.3 参数变量的更新  58
    5.4.4 算法的终止条件  58-59
  5.5 仿真实验及结果分析  59-62
  5.6 本章小结  62-63
第6章总结与展望  63-66
  6.1 总结  63-64
  6.2 展望  64-66
参考文献  66-71
致谢  71-72
攻读硕士期间发表的学术论文目录  72-73
在读期间参与的科研项目情况  73-74
附表  74

基于人工免疫算法的CDN骨干网组播路由优化与仿真

内容摘要

全文目录

相似论文