專利名稱：基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒?br> 技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒ǎ瑢儆趯?duì)網(wǎng)絡(luò)路由級(jí)拓?fù)涞慕＜夹g(shù)。
背景技術(shù)：
隨著對(duì)復(fù)雜網(wǎng)絡(luò)研究熱潮的興起，人們對(duì)網(wǎng)絡(luò)拓?fù)涞恼J(rèn)知正在不斷發(fā)展。從早期的規(guī)則網(wǎng)絡(luò)與隨機(jī)網(wǎng)絡(luò)階段，到1998年Watts和Stoogatz闡述了小世界效應(yīng)(Small-world effect)(Watts D J,Strogatz S H. Collective dynamicsof “ smal l-world” networks [J] · Nature, 1998，393: 440-442. ), 1999 年 Barabasi 和Albert指出許多真實(shí)網(wǎng)絡(luò)的節(jié)點(diǎn)度值遵循冪律(Power-Iaw)分布Oarabasi A L, AlbertR. Emergence of scaling in random networks[J]. Science, 1999, 286(5439) :151-154.)，該類網(wǎng)絡(luò)被稱為無標(biāo)度網(wǎng)絡(luò)(Scale-free network)，兩人設(shè)計(jì)的網(wǎng)絡(luò)模型便被稱為BA?！ば汀，F(xiàn)實(shí)世界中許多網(wǎng)絡(luò)都具有無尺度特性，在Internet中，F(xiàn)aloutes等人發(fā)現(xiàn)不論是自治系統(tǒng)(Autonomous System,簡稱AS)級(jí),還是路由級(jí)拓?fù)涠季哂袩o尺度特性。拓?fù)淠Ｐ捅仨毐M可能的符合原型網(wǎng)絡(luò)，目前對(duì)網(wǎng)絡(luò)拓?fù)涞慕７椒ǚ譃閮深悾活愂腔趯哟谓Y(jié)構(gòu)的拓?fù)渖煞椒?，如Ties模型、Transit-Stub模型等,其生成過程雖然符合實(shí)際的規(guī)則，但最終生成網(wǎng)絡(luò)的統(tǒng)計(jì)特性卻并不理想；第二類是基于節(jié)點(diǎn)度分布規(guī)律的建模方法，例如無尺度網(wǎng)絡(luò)的節(jié)點(diǎn)度遵循冪律分布，對(duì)應(yīng)基于動(dòng)態(tài)增長-擇優(yōu)連接機(jī)制的生成算法，整體效果較好。但是，即使具有相似度分布的無尺度網(wǎng)絡(luò)，也可能具有完全不同的體系結(jié)構(gòu)，僅依靠節(jié)點(diǎn)度的冪律分布來判定生成拓?fù)渑c真實(shí)拓?fù)涫欠裎呛鲜遣粔虻?LLi，D Aldersonj W Willingerj J Doyle. A first-principles approach to understandingthe internet’s router-level topology[J]. ACM SIGCOMM Computer CommunicationsReview，2004，34(4) :3-14)。以上述任何一種模型為基礎(chǔ)，對(duì)實(shí)際中網(wǎng)絡(luò)的進(jìn)行特性統(tǒng)計(jì)、狀態(tài)預(yù)測、優(yōu)化分析，都必然會(huì)存在一定的不準(zhǔn)確性，甚至不一定具備實(shí)際的可操作性。路由級(jí)拓?fù)渥鳛橐环N客觀存在的實(shí)體，對(duì)其建模僅從個(gè)別屬性特征考慮是遠(yuǎn)遠(yuǎn)不夠的，必須綜合考慮技術(shù)、地理、成本等實(shí)際條件的限制(楊國正，陸余良，朱峰.Internet網(wǎng)絡(luò)拓?fù)浣７椒ňC述[J] ·計(jì)算機(jī)應(yīng)用研究，2009，26 (5) : 1625 1627.)。

發(fā)明內(nèi)容
發(fā)明目的本發(fā)明設(shè)計(jì)一種對(duì)實(shí)際情況符合程度更高的基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒?，從而以此為基礎(chǔ)進(jìn)行網(wǎng)絡(luò)特性統(tǒng)計(jì)、狀態(tài)預(yù)測和優(yōu)化分析。Barabasi和Albert將復(fù)雜網(wǎng)絡(luò)的生成歸結(jié)為兩個(gè)機(jī)制增長和擇優(yōu)連接，由此提出BA模型。但是該模型中未對(duì)節(jié)點(diǎn)和連接的種類做出區(qū)分，在路由級(jí)拓?fù)淠Ｐ椭校丝紤]節(jié)點(diǎn)度分布的特性，其具體結(jié)構(gòu)還必須考慮實(shí)際因素的約束。本發(fā)明結(jié)合層次化模型和冪律分布模型，采用混合建模的方法，提出了 DHQW(Dynamic Hierarchy and Quadrant withWeight)模型。
I.節(jié)點(diǎn)分層(Layer)BA模型中各節(jié)點(diǎn)被視為平等的，節(jié)點(diǎn)成長為集散節(jié)點(diǎn)很大程度上與其加入時(shí)間有關(guān)。實(shí)際路由級(jí)拓?fù)渲泄?jié)點(diǎn)的屬性與其被設(shè)計(jì)的功能直接相關(guān)，例如一個(gè)末端葉子節(jié)點(diǎn)，力口入網(wǎng)絡(luò)的時(shí)間再早也不可能成為集散節(jié)點(diǎn)。即使是異構(gòu)、超大規(guī)模的Internet，其中的節(jié)點(diǎn)也可以根據(jù)原則劃分層次，典型的大區(qū)域網(wǎng)絡(luò)，其路由級(jí)拓?fù)浣Y(jié)構(gòu)更具有清晰的層次性。本發(fā)明根據(jù)功能和組織關(guān)系按節(jié)點(diǎn)種類進(jìn)行分層，最內(nèi)圈承擔(dān)骨干互聯(lián)的節(jié)點(diǎn)稱之為核心層core，最外圈只具有對(duì)上連接的節(jié)點(diǎn)稱為葉子層lea f，除核心層和葉子層以外的層次稱為主體層main。模型可擴(kuò)展主體層可繼續(xù)細(xì)化拆解為多個(gè)層次。2.劃分象限(Quadrant)BA模型中的連接除遵循增長和擇優(yōu)連接機(jī)制外并沒有其它的約束，實(shí)際路由級(jí)拓?fù)渲械倪B接卻會(huì)受到成本、距離甚至組織管理等方面的限制。本發(fā)明在把網(wǎng)絡(luò)拓?fù)鋲罕獾揭粋€(gè)平面上后，利用雷達(dá)圖進(jìn)行連接象限的劃分。模型可擴(kuò)展象限內(nèi)部可繼續(xù)細(xì)化拆分。3.按權(quán)重分配節(jié)點(diǎn)對(duì)于路由級(jí)網(wǎng)絡(luò)拓?fù)?，?jié)點(diǎn)在各層次、各象限中的數(shù)目分布有對(duì)應(yīng)的比率，即該區(qū)域中的節(jié)點(diǎn)數(shù)與節(jié)點(diǎn)總數(shù)的比值，稱之為權(quán)重。按比率向各個(gè)層次/象限增加新節(jié)點(diǎn)，即在生成算法迭代時(shí)，根據(jù)權(quán)重進(jìn)行概率計(jì)算來決定新增節(jié)點(diǎn)的歸屬區(qū)域。模型可擴(kuò)展不同層次的象限比率可不相同。DHQW模型主要參數(shù)定義如表I所示。表I DHQW模型主要參數(shù)定義表
權(quán)利要求
1.一種基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒?，其特征在于，包? 在初始路由級(jí)拓?fù)渖希鶕?jù)無尺度網(wǎng)絡(luò)的增長和擇優(yōu)連接特性，將新增節(jié)點(diǎn)連接到已經(jīng)有較多連接的舊有節(jié)點(diǎn)上，使路由級(jí)拓?fù)渲械墓?jié)點(diǎn)呈現(xiàn)冪律分布； 根據(jù)功能和組織關(guān)系按節(jié)點(diǎn)種類將路由級(jí)拓?fù)渲泄?jié)點(diǎn)分為核心層core、葉子層leaf和主體層main三層；所述核心層為最內(nèi)圈承擔(dān)骨干互聯(lián)的節(jié)點(diǎn)，所述葉子層為最外圈只具有對(duì)上連接的節(jié)點(diǎn)；除核心層和葉子層以外的層次稱為主體層，主體層可繼續(xù)細(xì)化拆解為多個(gè)層次； 把路由級(jí)拓?fù)鋲罕獾揭粋€(gè)平面上后，利用雷達(dá)圖進(jìn)行連接象限的劃分；所述象限內(nèi)部可繼續(xù)細(xì)化拆分； 對(duì)于路由級(jí)拓?fù)?，使其所有?jié)點(diǎn)呈現(xiàn)冪律分布的同時(shí)，還需按比率向各個(gè)層次/象限增加新節(jié)點(diǎn)，即根據(jù)權(quán)重進(jìn)行概率計(jì)算來決定新增節(jié)點(diǎn)的歸屬區(qū)域；所述節(jié)點(diǎn)在各層次、各象限中的數(shù)目分布有對(duì)應(yīng)的比率，即該區(qū)域中的節(jié)點(diǎn)數(shù)與節(jié)點(diǎn)總數(shù)的比值，稱之為權(quán)重。
2.如權(quán)利要求I所述的基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒?，其特征在于所述初始路由?jí)拓?fù)涞慕⒑驮诼酚杉?jí)拓?fù)渲邪幢嚷氏蚋鱾€(gè)層次/象限增加新節(jié)點(diǎn)的具體步驟為初始化算法步驟和循環(huán)算法步驟； 初始化算法步驟 (11)按層次每個(gè)象限依序號(hào)產(chǎn)生Hitl個(gè)節(jié)點(diǎn)，重復(fù)步驟LXQ次； (12)核心層每個(gè)初始化節(jié)點(diǎn)依序號(hào)順序連接m個(gè)同層節(jié)點(diǎn)； (13)主體層初始化節(jié)點(diǎn)與上級(jí)(L-I)Q區(qū)域中節(jié)點(diǎn)建立δ(δ ^ I)條連接，與同一 LQ內(nèi)節(jié)點(diǎn)建立m-δ條連接；其中，第L層Q象限所在區(qū)域簡稱LQ ； (14)葉子層初始化節(jié)點(diǎn)對(duì)上級(jí)(L-I)Q區(qū)域節(jié)點(diǎn)建立I或m條連接,結(jié)束初始化算法； 其中，L為節(jié)點(diǎn)是層數(shù)，Q為象限數(shù),m為新增節(jié)點(diǎn)與舊有節(jié)點(diǎn)的新建連接數(shù),m0為每個(gè)LQ中的初始節(jié)點(diǎn)數(shù)，IiKmci, δ為主體層節(jié)點(diǎn)與上級(jí)節(jié)點(diǎn)的連接數(shù)。
循環(huán)算法步驟 (21)投入新節(jié)點(diǎn)η，以wL為概率，判斷本次投點(diǎn)歸屬的層次；若新點(diǎn)歸屬核心層，跳轉(zhuǎn)步驟(23)，若歸屬主體層，跳轉(zhuǎn)步驟(27);若歸屬葉子層，跳轉(zhuǎn)步驟(29)； (22)以wQ為概率，判斷新節(jié)點(diǎn)η歸屬的象限； (23)產(chǎn)生一個(gè)隨機(jī)數(shù)，作為新節(jié)點(diǎn)本次的連接概率V； (24)從核心層中隨機(jī)選取節(jié)點(diǎn)i，按照公式⑴計(jì)算p(ki)； Pik,) =Cl) (25)比較P(Ici)與p',SpGdDp'則連接n、i,若pG^Xp'則不進(jìn)行連接； (26)重復(fù)步驟(23) (25)完成m次連接； (27)產(chǎn)生隨機(jī)數(shù)V，在對(duì)上級(jí)(L-I)Q內(nèi)節(jié)點(diǎn)隨機(jī)選取節(jié)點(diǎn)i計(jì)算P(ki)，按步驟(25)進(jìn)行判定并重復(fù)δ次； (28)產(chǎn)生隨機(jī)數(shù)V，對(duì)同LQ內(nèi)節(jié)點(diǎn)隨機(jī)選取節(jié)點(diǎn)i計(jì)算P(ki)，按步驟(25)進(jìn)行判定并重復(fù)m-δ次； (29)產(chǎn)生隨機(jī)數(shù)V，在對(duì)上級(jí)(L-I)Q內(nèi)節(jié)點(diǎn)隨機(jī)選取節(jié)點(diǎn)i計(jì)算p(ki)，按步驟(6)進(jìn)行判定并重復(fù)I或m次；(30)重復(fù)(21) (29)步驟N次； 其中，N為基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)涞墓?jié)點(diǎn)總數(shù)，wL為層次的權(quán)重，wQ為象限的權(quán)重。
3.如權(quán)利要求2所述的基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒?，其特征在于完成初始化后不得有孤立?jié)點(diǎn)，即度值為O的節(jié)點(diǎn)；每個(gè)LQ內(nèi)初始化節(jié)點(diǎn)的度值均勻。
4.如權(quán)利要求2所述的基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒?，其特征在于新投入?jié)點(diǎn)與舊有節(jié)點(diǎn)建立第一條連接后，后續(xù)的新建連接應(yīng)避免重復(fù)選擇同一節(jié)點(diǎn)；初始化算法和循環(huán)算法整體重復(fù)R次，最終輸出的每個(gè)節(jié)點(diǎn)度值取R次實(shí)現(xiàn)度值的平均值。
全文摘要
本發(fā)明公開了一種基于無尺度網(wǎng)絡(luò)的路由級(jí)拓?fù)浣７椒ǎ鶕?jù)無尺度網(wǎng)絡(luò)的增長和擇優(yōu)連接特性，將新增節(jié)點(diǎn)連接到已經(jīng)有較多連接的舊有節(jié)點(diǎn)上，使路由級(jí)拓?fù)渲械墓?jié)點(diǎn)呈現(xiàn)冪律分布；根據(jù)功能和組織關(guān)系按節(jié)點(diǎn)種類將路由級(jí)拓?fù)渲泄?jié)點(diǎn)分為核心層core、葉子層leaf和主體層main三層，且層次具備可擴(kuò)展性；把路由級(jí)拓?fù)鋲罕獾揭粋€(gè)平面上后，利用雷達(dá)圖進(jìn)行連接象限的劃分，且象限內(nèi)部可繼續(xù)細(xì)化拆分；對(duì)于路由級(jí)拓?fù)洌砂幢嚷氏蚋鱾€(gè)層次/象限增加新節(jié)點(diǎn)，即根據(jù)權(quán)重進(jìn)行概率計(jì)算來決定新增節(jié)點(diǎn)的歸屬區(qū)域。本發(fā)明采用混合建模的方法，對(duì)實(shí)際情況符合程度更高。
文檔編號(hào)H04L12/751GK102904815SQ20121035695
公開日2013年1月30日 申請日期2012年9月21日 優(yōu)先權(quán)日2012年9月21日
發(fā)明者陳鵬 申請人:中國電子科技集團(tuán)公司第二十八研究所