一、解决QoS问题的一个新思路（论文文献综述）
岳毅[1]（2021）在《延迟敏感的网络功能虚拟化环境资源调度机制研究》文中研究说明近年来,伴随着计算机技术日新月异的快速发展,互联网技术正全面融入社会生产生活的各个角落,深刻影响并改变着人们的生活方式。网络极大地便利了人们的消费、学习、娱乐等日常活动。云计算、大数据、物联网、5G等技术的发展和应用已经深入日常生活和工作的方方面面。在带来便利的同时,各种应用对网络提出了更高的要求,这驱动着网络和信息服务基础设施开始新一轮的变革。未来的网络不仅需要提升管理的便捷性与灵活性,削减网络构建成本,还需要提高对资源的监测与调度能力,例如对网络资源能够进行按需分配等。虚拟化技术是颇具前途的新兴技术,它将硬件与软件解耦,使服务开发者得以摆脱硬件的束缚而专注于功能的改进。在网络领域,虚拟化技术同样大有可为,具有广阔的发展前景,网络功能虚拟化（Network Function Virtualization,NFV）正在电信网络和服务提供商的竞争中扮演着越来越重要的角色。传统的网络功能基于专用硬件,网络服务必须运行在专用设备上。NFV将网络功能从硬件中解放出来,虚拟网络功能（Virtual Network Functions,VNF）可以运行在任何通用服务器上。网络功能服务可以不再被硬件约束,拥有了前所未有的灵活性和可扩展性。在支持NFV的云网络中,来自用户的网络服务请求由一条服务功能链（Service Function Chain,SFC）执行,而每一条SFC由一系列有序的VNF组成。相应地,用户对一条SFC的使用请求被称为网络服务功能链请求（Service Function Chain Request,SFCR）,而每一个 SFCR 中的元素称为虚拟网络功能请求（Virtual Network Function Request,VNFR）。当服务提供商收到一批用户的SFCR,需要为其放置并实例化相应的VNF以完成服务请求。考虑到VNF特有的软件性质,这允许服务提供商灵活地为其选择放置位置并分配资源。同时,为了尽量降低额外的带宽开销,在映射SFCR的同时也需要考虑其所涉及的VNF之间的顺序约束。因此,为了优化网络资源开销并提高资源利用率,需要为VNF设计合理的放置方案。这一类问题通常以VNF放置问题命名。近年来,VNF放置问题已经受到了广泛的关注并获得了许多有价值的研究成果。近年来,VNF放置问题已经受到了广泛的关注,尽管有相当数量的研究成果颇具参考价值且影响深远,但不容忽视的是,诸如SFCR延迟模型、等问题还有待深入探讨并得出解决方案。因此,本文针对延迟敏感的NFV资源调度机制进行研究,并做出了以下贡献:1.在考虑资源优化与流量感知的虚拟网络功能放置研究中,为了获得更精确的VNF资源消耗,采用实时学习方法从原始数据中计算出服务请求的到达率,从而使节点资源开销的计算更加精确。针对节点资源开销与带宽资源开销分别建立了相应的资源约束。然后,构建了在整个数据中心中虚拟网络功能放置所需的总资源开销模型,并将优化目标公式化为一个目标函数。随后,提出一种增强的基于生物地理的优化算法（Enhanced Biogeography-Based Optimization,EBBO）来求解该问题。由于原始BBO直接解决问题的时间成本很高,因此在BBO算法的基础上添加了罚函数方法,以缩小原始BBO算法的可行解的状态空间。与罚函数方法结合后的BBO算法即为EBBO算法,其自适应的变异率能够带来更好的寻优效果并减少收敛时间。最后,本文从若干方面将EBBO方法与其他虚拟网络功能放置方法进行实验评估。实验结果表明,EBBO方法的总资源开销明显优于同类型的对比方案,并且有效地减少了系统中的总资源开销。2.在考虑延迟保障和资源优化的虚拟网络功能放置研究中,考虑到SFCR的延迟保障、节点资源开销与带宽资源开销三者在优化时呈相互冲突的现象,提出了一种延迟保障的资源优化虚拟网络功能放置方法。该方法首先考虑了 VNF的基础资源开销以及VNF实例的共享机制。利用可共享VNF实例上的VNFR可以均摊实例基础资源开销的性质,可以有效降低节点资源开销。随后对资源优化和延迟保障的VNF放置问题进行数学建模,并转化为一个整数线性规划模型进行求解。针对该问题,提出了 SFCR映射算法与VNFR调整算法。SFCR映射算法根据用户的服务请求,在保证它们的延迟请求的前提下,将它们映射到物理节点。随后,VNFR调整算法通过将需要相同VNF类型的VNFR整合至一起从而节省更多节点资源。最后,对所提算法详细分析并进行全方位的评估。实验结果表明,当SFCR数量较少时,所提算法可以获得接近最优的资源消耗。此外,对于大数量的SFCR,所提算法在资源消耗、平均VNF利用率和使用的节点数方面都优于参照基准。3.在考虑时变网络负载的动态虚拟网络功能放置研究中,本文主要在时变网络负载环境下对问题展开研究。由于网络资源的使用、启动和生存期的高度动态性,SFCR是动态的,并会导致网络负载的变化。在问题建模过程中,考虑了服务器资源开销,带宽开销和SFCR延迟约束。随后将网络功能虚拟化环境中资源优化和延迟保障的动态VNF放置问题公式化表达为一个整数线性规划模型,旨在在保证它们的延迟要求的同时最小化网络资源开销。为了解决该问题,设计了一种称为两阶段优化的解决方法。该方法由SFCR映射算法、VNFR调整算法以及VNF动态释放算法组成。根据服务器之间的相似性模型,SFCR映射算法将SFCR映射至服务器上;VNFR调整算法负责在服务器之间对已映射的VNFR进行调整;VNF动态释放算法则根据时变的网络负载动态地释放冗余的VNF实例,从而节省更多的服务器资源并提高资源利用率。最后,对两阶段优化方法进行了详细的分析和实验评估。实验结果表明,当问题规模较小时,两阶段优化方法在服务器资源开销方面可以获得接近最优的性能。对于较大规模的问题,与对照算法相比,本方法可以有效地保证SFCR的延迟要求,并且在服务器资源消耗、激活的服务器和服务资源利用率方面均优于对照算法。
陈霆[2]（2020）在《基于概率模型检测的高可信系统性能分析与研究》文中研究说明随着科学技术的不断发展,人们的生活已经慢慢步入智能信息控制化时代,背后所依赖的是各种大型高可信系统。这类系统不断地向纵深发展,系统的控制逻辑与功能实现日趋复杂,为了进一步提高系统的性能并降低维护成本,人们对系统的可靠性和安全性提出了更高的要求。因此,优化系统的体系架构与开发新的可信计算体系软件便迫在眉睫,在对系统的安全性及可靠性的性能评估便显得十分必要。而概率模型检测技术作为传统模型检测的基础上演化的一个分支,不仅能够完成自动化的验证,而且还能产生定量的结果,对系统的验证提供更为详尽的依据,对提升系统性能提供一个更加明确的方向。本文主要对高可信系统的两个实际应用场景进行研究,结合概率模型检测技术对系统进行建模验证分析。本文主要所做贡献包含如下几个方面:（1）对于传统嵌入式控制系统的构建故障模型的形式化程度不高的特点,本文结合概率模型检测技术对该系统发生故障的场景进行抽象化建模,将整个过程扩展成符合嵌入式控制系统实际场景的连续时间马尔科夫链的概率模型（Embedded Systems Continuous-Time Markov Chain,EMCTMC）,对运行过程的三个阶段提出基于概率模型检测算法DCES子算法、PDES子算法以及SIES子算法描述系统运行逻辑。利用PRISM语言将系统模型和属性进行形式化描述,通过构建验证后,对系统的故障边界条件属性,不同类型的故障情况,同时还对系统的重启以及能耗进行了进一步的研究,对提升系统的稳定性以及可靠性提供了有效思路。（2）高可用性集群关键在于能提供不间断的服务,本文结合概率模型检测技术对集群的容错备援运行过程进行了建模分析。通过抽象该过程,扩展了符合集群容错备援恢复过程的连续时间马尔科夫链（Expanded Continuous-Time Markov Chain,ECTMC）,提出了基于概率模型检测算法FCR子算法和REP子算法。在原模型的基础上增加了一种Producer+Queue+Comsumer队列模型策略,解决了集群系统故障与维修单元效率不匹配的问题,并对维修单元修理组件的优先级进行了定义,提升了系统的可靠性。利用概率模型检测工具PRISM对模型进行描述,使用连续随机逻辑（CSL）描述了系统服务质量（Qos）的稳定性、系统边界、故障恢复和可靠性。通过验证发现,通过增加队列模型和增加组件的优先级之后,系统的可靠性及靠灾难能力有大幅度提升,对系统改进提供了有效的解决方案。本文的研究成果在对高可信系统的可靠性验证,优化系统体系结构提供了较好的的理论指导和解决思路,扩充了概率模型检测的应用理论,为高可信系统结合概率模型检测技术的实践应用打下较好的基础。
许杰[3]（2020）在《基于机器学习的终端直通通信系统性能优化研究》文中研究指明终端直通通信（Device to Device,D2D）技术是一种允许一定距离范围内的用户通信设备进行直接通信的新型技术,它能够在一定程度上减轻基站的负荷,并且能够提升频谱的利用率以及系统吞吐量等性能。但同时,D2D通信的应用会给蜂窝网络的用户带来干扰,这样的干扰会影响到整体通信系统的性能。所以如何降低D2D通信系统中的干扰,优化系统的性能一直是研究的热点。鉴于此,本文致力于研究终端直通通信系统的性能优化,通过功率控制和资源分配等手段降低系统中的干扰从而优化系统的性能。文章首先从D2D系统中的功率控制入手,以D2D用户的功率等级作为待优化的参数,以系统吞吐量和系统能效为优化的目标建立了 D2D系统性能优化的数学模型,引入强化学习和监督学习等机器学习算法来求解优化问题,提出了基于机器学习的D2D功率控制优化算法。其次,文章同时考虑功率控制和资源分配两种干扰控制的手段,提出了基于随机学习的D2D通信功率控制和资源分配联合优化算法,双管齐下进一步降低干扰提升系统性能。最后,文章受5G NR-U（New Radio-based access to unlicensed spectrum）技术的启发,考虑在D2D通信系统中合理高效地使用非授权频谱,这样在提升非授权频段利用率的同时,减轻了授权频段内部的干扰。最后,文章对本文提出的算法和方案进行了仿真,并且与其他的算法进行对比,结果表明,本文的算法和方案能有效提升D2D系统的性能,相较于其他的对比算法有着更好的表现。
伊小素,王家兴,姜梦茹,董伟涛,刘辉[4]（2019）在《SpaceFibre星载网络服务质量实现研究》文中指出为实现SpaceFibre星载网络中短时间内大量实时数据流的可靠传输,满足不同空间任务的服务质量（QoS）要求,提出一种基于二进制序列调度的新算法。该算法根据星载网络中的不同流量特征生成对应的二进制调度序列,可以很好地解决复杂数据流量的调度与不同数据流量带宽需求之间的权衡问题,实现了SpaceFibre协议框架下的QoS功能。最后给出了算法的延时性能分析与实例仿真,结果表明由该算法生成的二进制序列调度机制在传输时延上有着较好的灵活性和确定性。
杨伟钧[5]（2017）在《面向物联网的QoS路由近似算法研究》文中研究表明随着物联网的高速发展,人们对其业务质量和组网技术提出了更高的服务质量（Quality of Service,QoS）要求。目前,面向物联网如何更好的保障QoS,成为物联网行业与产业继续发展壮大的关键,是当前国际家电、IT厂商等业界关注的焦点,同时也是学术界研究的热点问题。根据不同业务类型所提出的QoS要求和网络环境的资源配置,研究高效可行的QoS路由算法,是QoS路由机制有效运行的技术支撑,也是物联网保障QoS的切实可行方案之一。在智能算法、确定性算法和近似算法等QoS路由算法的热点研究中,近似算法以其高效、合理可行的特点,在物联网不同网络环境下的业务应用中表现出一定优势。本论文以“面向物联网的QoS路由算法”为主线,针对工程实践中业务应用的多约束QoS路由、多播保障QoS路由、多播多约束QoS路由和WMN（Wireless Mesh Network）网络保障QoS路由等几个关键问题展开研究。从近似的角度寻找当前性能最优的解,并探讨其在不同网络环境中应用的合理性。本文主要研究内容与贡献如下:（1）通过研究单播多约束QoS最优路由问题,根据不同网络环境分别提出了高效可行的路由算法。首先,针对稳定可靠的网络环境,结合目前最快的确定性算法,通过缩放和取整技术,从近似的角度逼近所有QoS约束,最后找到“最优”路径,相应提出了一种计算时间合理、近似率较高的路由算法;其次,针对时变、不可靠的网络环境,通过寻找每条边上最主要的度量,从近似角度找到“最优”路径并满足QoS约束,相应提出了一种快速计算且可行的路由算法。理论分析并证明了两种算法的时间复杂度和近似率,通过仿真对比现有算法验证了性能。它们分别是工程实践中稳定可靠网络和时变、容错能力差网络环境下的一种合理高效的求解方案。（2）通过研究网络中的多播生成树问题,考虑多播目的节点数量及分布状态,提出了两种高效可行的路由算法。首先,针对多播目的节点数量较多、分布集中情况,结合性能最好的多播生成树算法,基于多播路径共享的思想,让多播目的节点根据优先级顺序加入生成树,从而减少多播生成树总度量值,相应提出了一种高效可行的近似算法;其次,针对多播目的节点数量较少、分布分散情况,根据目的节点与当前生成树距离,调整多播目的节点优先级值,相应提出了一种改进的合理可行的近似算法。理论分析并证明了两种算法的时间复杂度和近似率,均与性能最好的多播生成树算法一致。通过仿真验证了两种算法在不同情况下的优势。多播路由业务中不同目的节点数量及分布状态下,它们是合理可行的求解方案。（3）通过研究多播多约束QoS最优路由问题,根据不同网络环境分别提出了高效可行的多播生成树算法。首先,针对稳定可靠的网络环境,参考性能最好的多播生成树算法,结合目前最快的确定性算法,通过缩放和取整技术,从近似的角度逼近所有QoS约束并找到“最优”多播生成树,相应提出了一种合理计算时间、近似率较高的路由算法;其次,针对时变、不可靠的网络环境,通过选取每条边上最主要的度量,从近似角度在最短时间内找到“最优”多播生成树并满足QoS约束,相应提出了一种快速计算可行的路由算法。理论分析并证明了两种算法的时间复杂度和近似率,通过仿真对比现有算法验证了性能。它们是分别针对工程实践中不同网络环境下的一种合理高效的求解方案。（4）通过研究WMN网络的Anypath路由问题,针对时变特性强、容错能力差的WMN网络,研究高效可行的Anypath路由算法。根据工程实践中的业务应用,提出了新的Anypath路由问题,建立了数学模型。根据Anypath路由的期望度量值,强制一个特定QoS约束下同时逼近其它QoS约束,从近似角度在最短时间内找到Anypath路由最优路径。提出一种时间复杂度与经典Dijkstra算法一致、且近似率合理的Anypath路由算法,该算法对现有热点研究的Anypath路由协议具有较好的兼容性。理论分析并证明了算法的时间复杂度和近似率,通过仿真对比验证了性能。它是工程实践中WMN网络环境下的一种合理高效的求解方案。
高永顺[6]（2017）在《面向SDN网络的组播路由问题研究》文中研究说明软件定义网络（Software Defined Networking,简称SDN）作为一种新型网络架构,弥补了传统网络的诸多缺陷,为网络创新提供了更多的机会。由于组播业务在传统网络里已比较成熟,SDN在革新传统网络过程中也有必要实现组播业务,以完善自身所能提供的网络服务。所以,如何设计和实现SDN架构下的组播服务成为了 SDN领域内亟待解决的主要问题之一。组播路由问题是提供组播服务所要解决的关键问题。在网络业务中,服务质量（Quality of Service,简称QoS）体现了网络服务所能满足用户需求的程度,通常网络业务的QoS要求会通过若干网络性质（如带宽、时延等）的阈值约束来体现,如何求解满足服务质量要求的QoS组播路由问题已成为当今学术界研究的前沿课题之一。目前人们多采用进化算法来求解QoS组播路由问题,包括蚁群优化（Ant Colony Optimization,简称ACO）算法。然而现有ACO算法存在着耗时过长、全局搜索能力不强等缺陷,为此本文提出了一种新型ACO算法来求解带宽、时延约束组播路由问题,该算法采用新型蚂蚁寻路规则和信息素更新策略,弥补了已有ACO算法耗时过长的缺点,使其局部搜索能力和全局搜索能力有了较大提升。本文自主生成了若干组播请求场景,用于模拟带宽、时延约束组播路由问题。组播请求场景的仿真实验表明,本文提出的新型ACO算法相较于已有ACO算法在算法运行时间性能上优势明显,求得问题解的质量更佳。但是,新型ACO算法耗时仍然较长,而果蝇优化（Fruit Fly Optimization,简称FFO）算法这种新兴进化算法具有参数少、实现简单、运行速度快等优点,正弥补了新型ACO算法的不足。本文首次将FFO算法应用于求解带宽、时延约束组播路由问题,采用了一种新型果蝇位置表述方式,以使算法能用于求解组播路由问题。算法采用了果蝇嗅觉随机搜索和视觉定位的新策略,以提升算法求解能力。通过仿真实验表明,本文采用的FFO算法相较于多种目前主流进化算法在算法运行时间、收敛速度和求解质量等性能指标上均有较大优势,证明了本文FFO算法性能的优越性。本文设计并实现了一套SDN网络QoS组播服务系统。该系统应用Mininet仿真工具、Ryu控制器和OpenFlow协议及技术标准,构建了组播组管理、拓扑管理、环路控制、QoS组播路由、请求调度等5大系统模块。系统实现了本文提出ACO算法和FFO算法,用于组播路由计算环节。仿真实验表明,本系统能在SDN网络中提供较完整的组播服务,对如何在SDN架构下提供组播服务提供了一定的参考价值。
孙晓琳[7]（2016）在《云制造环境下供应商匹配方法研究》文中研究表明云计算、互联网、物联网等高新技术的发展带动了传统行业的快速转型。云制造是助力“中国制造2025”计划实现制造业发展得重要手段。对于制造企业供应商选择而言,云制造与传统制造相比拥有更大的选择范围,能够主动实时的匹配个性化需求,使分布的制造资源高度共享。同时,云制造庞大的服务资源为供应商选择带来新的难题,其服务匹配是亟待解决的问题。目前传统的匹配方法缺乏针对性,缺少针对供应商领域匹配方法的研究；同时云制造中存在大量功能相似的供应商,需要根据需求的QoS （Quality of Service）信息进行判断,传统匹配机制缺乏对模糊QoS信息的选择和排序。另外,传统匹配方法多推荐唯一的最优服务,难以满足需求方自主选择的需要。针对传统匹配方法的弊端,本文以云制造环境下的供应商为研究对象,结合本体和模糊QoS提出三阶段匹配方法,具体工作如下：首先,分析云制造及其供应链特点、与传统网络制造的区别,以及云平台的服务匹配流程和方法,找到问题的重点和难点,提出本文要解决的问题。然后,定义服务匹配的内容。设计了包含功能性信息和QoS信息的供应商描述模型。在本体建模研究的基础上定义了供应商服务本体的结构,作为匹配算法的语义支持。接着,设计供应商服务匹配算法,算法分为三个阶段,每个阶段匹配的内容分别是服务的功能性信息、QoS信息和前两个阶段的综合信息。针对功能性信息的资源概念,采用了基于语义相似度的匹配算法,同时为避免了由于表达方式不同造成概念不能匹配到本体模型,从而造成错误或片面匹配结果的问题,引入了属性影响因素。针对QoS信息匹配,考虑了QoS的模糊性和用户偏好,采用优化的FCM （Fuzzy C Means Clustering）算法。匹配方法结果为一定数量的基于综合匹配度的排序结果集合,满足需求方自主挑选供应商的需求。最后,实现了服务匹配系统并对匹配算法进行实验分析。通过实例验证了匹配方法的有效性,能较好的满足现实需求。并对比分析了查全率和查准率,同时验证了优化的算法提高了服务匹配的效率。本研究为探索如何解决云制造环境下的供应商匹配问题提出了一种新思路。
王雪旸[8]（2015）在《TCP/IP协议族在相控阵时分卫星网络中的应用》文中研究表明卫星通信系统凭借其应用不受地理环境限制、覆盖范围广泛、可通信距离长等优势成为全球通信领域中不可替代的重要组成部分,且构建空天地一体化的综合信息网络将是下一代互联网发展的必然趋势。本文以相控阵时分卫星网络为研究对象,研究了CCSDS制定的基于TCP/IP修改的SCPS协议的通信性能。卫星网络按照Walker星座结构建立双层卫星网络模型,借助STK仿真软件分析星间可见性,并在满足星间可见的前提下按照相控阵的轮询建链方式建立星间链路时隙表。接下来,通过OPNET网络仿真软件建立网络通信模型,对SCPS-TP协议进行仿真并给出与TCP协议的通信性能对比分析,验证了SCPS中Vegas拥塞控制和选择性否定确认（Selective Negative Acknowledgement, SNACK）机制能够有效提高星间链路中数据传输的效率。本文还针对相控阵时分卫星网络下IP层路由关键问题,在引入演化图模型的基础上提出了起点终点确知的路由遍历问题,给出基于演化图模型的两点间路由遍历算法。相控阵时分卫星网络拓扑结构的演化图模型和本文提出的两点间路由遍历算法为接下来研究相控阵时分卫星网络QoS （Quality of Service）路由问题奠定了基础。本文创新提出了一种基于蚁群优化的演化图QoS路由算法,将启发式算法中的蚁群算法应用到卫星网络中以解决最优路由选择问题。本文利用相控阵时分卫星网络拓扑结构高度动态性、周期性和可预测性的特点,构造了卫星节点信息素路由表,并定义蚁群算法中“蚂蚁”的数据结构,提出基于蚁群优化的QoS路由解决方案。该方案能够有效避免因网络拓扑频繁变化引起的蚁群算法慢收敛的弊端,信息素路由表能够将不同时隙下蚁群对网络通信质量的记忆相隔离,为网络提供了准确稳定的QOS路由；同时定向蚂蚁能够减少网络中无效蚂蚁的比例,提高连接建立成功率的同时为网络带来了更高的全局吞吐量。
徐宁[9]（2013）在《网络高性能交换结构及调度算法研究》文中研究表明近十几年来，互联网络的业务流量呈现持续爆炸性的增长，网络节点（路由器、交换机等）正在逐渐成为网络基础设施发展的关键制约因素，而交换结构（SwitchFabric）是网络节点的物理“核心”，研究高线速、多端口、可扩展性强并且能够提供更好的QoS服务支持的新型交换结构及相关的调度算法是目前的重要课题。在此背景之下，本文针对新型高性能交换结构、低抖动调度算法、多级交换结构的冲突丢包以及全光交换网络的输出波长冲突调度这四个方面的关键问题进行研究。本文的研究获得国家发改委下一代互联网CNGI项目“支持平滑演进的IPv6路由交换设备研制及产业化”以及武汉邮电科学研究院光纤通信技术和网络国家重点实验室开放基金资助项目“下一代光接入关键技术和系统研究”（No.2010OCTN-03）的支持。输出缓冲排队交换结构（OQ）是目前为止最能够适应各种服务质量需求的交换结构，但是由于其N倍加速的特点，在今天的高速交换网络中难以得到广泛应用。基于交叉矩阵的交换结构可以避免N倍加速问题，但是受到交叉矩阵调度机制的限制，难以支持复杂的服务质量需求。交叉点缓冲交换结构是目前性能最好的交换结构之一，但是由于交换结构队列的限制，非均衡流量下的性能很不理想。为了解决这一问题，本文提出了负载均衡-交叉点缓冲交换结构体系方法，这种新型的交换结构通过引入负载均衡机制将输入端口的非均衡流量变换为中间交换端口的近似均衡流量，从而有效的解决了单纯交叉点缓冲在非均衡流量下吞吐量性能不足的缺陷并且保留了交叉点缓冲交换结构的高服务质量特性，通过实验和理论分析证明了负载均衡-交叉点缓冲交换结构的稳定性和模拟输出缓冲排队的有效性。同时，为了解决引入负载均衡机制可能带来的交换数据流失序问题，进一步改进了负载均衡-交叉点缓冲交换结构，提出了虚拟队列负载均衡-交叉点缓冲交换结构，通过在交叉点缓冲中引入虚拟的输入队列和相应的分级调度算法，有效的保证了交换过程中数据流的各个数据包有序输出。部分连接多级交换网络具有结构简单，易于扩展等等优点，对于构建高速光交换网络系统具有重要意义。但是多级交换网络也存在着固有的内部链路冲突问题，可能导致数据包的丢失从而影响了网络应用的服务质量。为了能够在保持部分连接多级交换网络的优点的同时，有效的解决内部链路冲突的问题，提出用信息技术中的删除信道模型模拟多级交换网络内部固有冲突造成的数据包丢失，采用编码技术从交换数据流中恢复出丢失的数据包而不改动内部结构和选路算法。新的算法在最大限度的保持部分连接多级交换网络的特点的同时，有效解决了由于内部链路冲突而造成的丢包的问题。传统研究集中于吞吐量、延时、丢包率等常见的服务质量参数，但是传输抖动也是影响音视频业务主要电信级参数。在目前的混合输入排队-交叉点缓冲交换结构中，低抖动调度的研究仍是一个电信级业务的热点。针对传统方法中动态调度算法抖动抑制性能较差、帧调度算法复杂度高等问题提出基于混合输入排队-交叉点缓冲交换结构（CICQ）的混合动态-帧调度算法和基于帧的低抖动调度算法，将混合输入排队-交叉点缓冲交换结构中基于流量的低抖动帧调度转化为典型的优化问题，通过解优化问题获得了最佳的帧调度。能够提供巨大的交换容量和业务带宽的波分复用光交换系统是目前构建未来骨干传输交换网络的基础，而在光交换系统中，为了解决竞争输出波长而产生的冲突问题，必须高效率的调度交换结构中的输出光波长和有限波长转换器资源。针对目前的波长冲突调度算法在充分利用波长和转换器资源上不理想的问题，提出波长可调整的冲突调度算法，将可调整的波长带入波长转换器分配阶段与空闲波长一起调度，从而高效的利用了波长和转换器资源，提高了全光交换结构的性能。
吉玉琴[10]（2013）在《基于博弈定价的无线资源分配方法》文中进行了进一步梳理当今移动用户的应用业务量以指数形式急剧增长,各种应用对无线资源的需求也随之增加,而且不同应用的资源需求量各异,特别是需要严格QoS保证的实时多媒体应用要求更多的网络资源,因而对有限的无线资源进行合理配置显得十分重要。博弈论作为分析和解决冲突和合作的工具,主要研究的是多个有利益冲突的理性决策者在相互影响,相互制约的情况下有利于所有参与者获得相应均衡的问题,目前研究的热点是引入博弈论和市场机制对无线资源进行管理。合理进行资源分配是优化无线网络性能的一种重要手段,本文基于博弈论方法,对无线资源分配问题进行了研究,其内容如下：1.为了最大化网络的资源利用率并同时满足用户的QoS要求,本文提出了一个基于Stackelberg博弈的定价机制来解决资源分配问题,价格函数基于网络的拥塞程度和用户的QoS优先级而设计的。Stackelberg博弈强调主从激励,处于博弈中的参与者为最大化自身收益而做出决策。本文求出了均衡状态下网络的最佳要价和用户的最优资源分配量,给出了网络最佳运行状态的一种定量的描述,并证明了在该算法机制下,Stackelberg博弈可以收敛到均衡点,在该均衡点上每个参与者的收益都可达到最大化。2.移动云计算环境下,将计算密集型的应用卸载到云端执行被认为是一种克服计算资源的有限性和节省终端设备能耗的非常有效的方法。但是在不考虑用户与云服务器竞争的前提下,现有的研究缺乏一种激励机制来使系统实现有效的应用卸载和云资源的高效配置。本文基于双边市场理论设计了一个多维资源定价机制,提出了一个分布式的价格调整算法来实现资源的高效配置和QOS敏感的卸载调度。本文证明了该算法在有限次迭代后可以收敛到均衡点——核分配,并达到最大化系统总收益的帕累托有效。本文是第一篇应用博弈论和经济学中的定价机制来研究移动云计算中的应用卸载问题。仿真结果表明,本文所提的定价机制可以显着地提高系统的性能。
二、解决QoS问题的一个新思路（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、解决QoS问题的一个新思路（论文提纲范文）
（1）延迟敏感的网络功能虚拟化环境资源调度机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 网络功能虚拟化 |
| 1.2.1 基本概念 |
| 1.2.2 网络功能虚拟化的技术优势 |
| 1.2.3 虚拟网络功能和服务功能链 |
| 1.3 论文结构及主要贡献 |
| 1.3.1 NFV环境中考虑资源优化与流量感知的虚拟网络功能放置 |
| 1.3.2 NFV环境中考虑延迟保障和资源优化的虚拟网络功能放置 |
| 1.3.3 NFV环境中考虑时变网络负载的动态虚拟网络功能放置 |
| 参考文献 |
| 第二章 相关研究综述 |
| 2.1 网络功能虚拟化环境中资源调度问题研究现状 |
| 2.1.1 虚拟机放置问题 |
| 2.1.2 虚拟网络嵌入问题 |
| 2.1.3 虚拟网络功能放置问题 |
| 2.2 虚拟网络功能部署问题研究综述 |
| 2.2.1 资源优化相关的虚拟网络功能放置研究 |
| 2.2.2 服务功能链与路由相关的虚拟网络功能放置研究 |
| 2.2.3 QoS相关的虚拟网络功能放置研究 |
| 参考文献 |
| 第三章 NFV环境中考虑资源优化与流量感知的虚拟网络功能放置 |
| 3.1 引言 |
| 3.2 问题描述与系统模型 |
| 3.2.1 问题描述 |
| 3.2.2 节点资源模型 |
| 3.2.3 带宽资源模型 |
| 3.2.4 问题模型 |
| 3.3 所提EBBO算法 |
| 3.3.1 BBO算法的基本原理与相关概念 |
| 3.3.2 迁移运算 |
| 3.3.3 变异运算 |
| 3.3.4 保留精英解操作 |
| 3.3.5 J-ORTC问题与EBBO算法的结合 |
| 3.3.6 EBBO算法的实现 |
| 3.3.7 EBBO算法的复杂度分析 |
| 3.4 性能评估 |
| 3.4.1 实验设置 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 NFV环境中考虑延迟保障和资源优化的虚拟网络功能放置 |
| 4.1 引言 |
| 4.2 相关概念 |
| 4.2.1 服务功能链请求的延迟 |
| 4.2.2 VNF的基础资源开销与可共享VNF实例 |
| 4.3 问题描述与问题建模 |
| 4.3.1 问题描述 |
| 4.3.2 网络模型 |
| 4.3.3 问题模型 |
| 4.4 所提SMA与VAA算法 |
| 4.4.1 SMA算法 |
| 4.4.2 VAA算法 |
| 4.4.3 SMA算法与VAA算法的复杂度分析 |
| 4.5 性能评估 |
| 4.5.1 实验环境与参数设置 |
| 4.5.2 实验结果 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 NFV环境中考虑时变网络负载的动态虚拟网络功能放置 |
| 5.1 引言 |
| 5.2 相关概念 |
| 5.2.1 VNF的基础资源开销 |
| 5.2.2 可共享的VNF实例 |
| 5.2.3 相似性模型 |
| 5.3 问题描述与问题建模 |
| 5.3.1 问题描述 |
| 5.3.2 系统模型 |
| 5.3.3 问题建模 |
| 5.3.4 优化目标极值的获取 |
| 5.4 所提TPOS方法 |
| 5.4.1 TPOS方法的基本思想 |
| 5.4.2 SFCR映射阶段 |
| 5.4.3 VNFR调整阶段 |
| 5.4.4 算法复杂度分析 |
| 5.5 性能评估 |
| 5.5.1 实验环境与参数设置 |
| 5.5.2 对照算法 |
| 5.5.3 实验结果 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 结束语 |
| 6.1 论文总结 |
| 6.1.1 NFV环境中考虑资源优化与流量感知的虚拟网络功能放置 |
| 6.1.2 NFV环境中考虑延迟保障和资源优化的虚拟网络功能放置 |
| 6.1.3 NFV环境中考虑时变网络负载的动态虚拟网络功能放置 |
| 6.2 未来工作 |
| 6.2.1 在NFV环境中考虑吞吐量优化的虚拟网络功能放置 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（2）基于概率模型检测的高可信系统性能分析与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 国内外研究现状及发展 |
| 1.3 论文主要内容 |
| 1.4 论文框架结构安排 |
| 第二章 模型检测技术 |
| 2.1 模型检测基本原理及过程 |
| 2.1.1 系统建模 |
| 2.1.2 属性描述 |
| 2.1.3 模型验证 |
| 2.2 概率模型检测 |
| 2.2.1 离散时间马尔科夫链 |
| 2.2.2 连续时间马尔科夫链 |
| 2.2.3 马尔科夫决策过程 |
| 2.2.4 概率时间自动机 |
| 2.3 概率模型检测工具PRISM |
| 2.4 本章小结 |
| 第三章 嵌入式控制系统的概率模型检测分析 |
| 3.1 嵌入式控制系统的场景描述 |
| 3.2 概率模型检测算法描述 |
| 3.2.1 DCES子算法 |
| 3.2.2 PDES子算法 |
| 3.2.3 SIES子算法 |
| 3.3 嵌入式控制系统的形式化建模 |
| 3.4 模型验证与性能分析 |
| 3.4.1 模型的静态数据分析 |
| 3.4.2 模型的概率可达性分析 |
| 3.4.3 模型的期望可达性分析 |
| 3.5 本章小结 |
| 第四章 高可用性集群系统的概率模型检测方法 |
| 4.1 高可用性集群技术研究 |
| 4.2 分布式消息队列模型 |
| 4.3 工作站集群系统场景描述 |
| 4.3.1 集群系统 |
| 4.3.2 Producer+Queue+Comsumer队列模型 |
| 4.4 概率模型检测算法描述 |
| 4.4.1 FCR子算法 |
| 4.4.2 REP子算法 |
| 4.5 工作站集群系统的概率模型检测分析 |
| 4.5.1 系统的形式化模型描述 |
| 4.5.2 系统的性能分析 |
| 4.5.3 实验对比分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（3）基于机器学习的终端直通通信系统性能优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 文章主要内容 |
| 1.4 文章组织结构 |
| 第二章 相关理论与关键技术 |
| 2.1 D2D通信技术 |
| 2.1.1 D2D通信技术简介 |
| 2.1.2 D2D通信干扰分析 |
| 2.1.3 D2D通信的干扰管理技术 |
| 2.2 机器学习方法 |
| 2.2.1 强化学习 |
| 2.2.2 监督学习与神经网络 |
| 2.3 本章小结 |
| 第三章 基于机器学习的D2D功率控制 |
| 3.1 系统模型 |
| 3.2 基于Q学习的D2D功率控制算法 |
| 3.2.1 Q学习算法 |
| 3.2.2 基于Q学习的D2D功率控制算法流程 |
| 3.3 基于层次极限学习机的D2D功率控制 |
| 3.3.1 极限学习机算法 |
| 3.3.2 层次极限学习机算法 |
| 3.3.3 基于H-ELM的D2D功率控制算法流程 |
| 3.4 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 D2D功率控制与资源分配的联合优化 |
| 4.1 系统模型 |
| 4.2 基于随机学习的D2D资源分配和功率等级联合优化 |
| 4.2.1 随机学习算法 |
| 4.2.2 联合优化算法流程 |
| 4.2.3 结果分析 |
| 4.3 加入非授权频谱后的D2D通信 |
| 4.3.1 算法流程 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的研究成果目录 |
（4）SpaceFibre星载网络服务质量实现研究（论文提纲范文）
| 0 引 言 |
| 1 SpaceFibre中的QoS机制分析 |
| 2 QoS机制实现的算法设计 |
| 2.1 二进制序列调度机制的提出 |
| 2.2 二进制序列调度算法设计 |
| 3 延时分析与仿真 |
| 3.1 排队时延分析 |
| 3.2 实例仿真 |
| 4 结 论 |
（5）面向物联网的QoS路由近似算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能算法研究现状 |
| 1.2.2 近似算法研究现状 |
| 1.3 研究思路和技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 技术路线 |
| 1.4 主要研究内容和研究目标 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究目标 |
| 1.5 本文章节安排及结构 |
| 第二章 QoS路由算法与研究现状 |
| 2.1 引言 |
| 2.2 单播QoS路由近似算法与研究现状 |
| 2.3 多播QoS路由近似算法与研究现状 |
| 2.3.1 多播Steiner树问题 |
| 2.3.2 多播多约束QoS路由问题及研究现状 |
| 2.4 WMN网络QoS路由算法与研究现状 |
| 2.5 本章小结 |
| 第三章 单播多约束QoS路由近似算法研究 |
| 3.1 引言 |
| 3.2 问题描述及预备知识 |
| 3.2.1 问题描述 |
| 3.2.2 带辅助图的确定性算法 |
| 3.3 基于稳定网络的单播多约束QoS路由近似算法 |
| 3.3.1 FAA算法设计 |
| 3.3.2 FAA算法分析 |
| 3.3.3 仿真实验与性能评估 |
| 3.4 基于无线网络的单播多约束QoS路由近似算法 |
| 3.4.1 KAMCOP算法设计 |
| 3.4.2 KAMCOP算法分析 |
| 3.4.3 仿真实验与性能评估 |
| 3.5 本章小结 |
| 第四章 保障QoS的多播路由近似算法研究 |
| 4.1 引言 |
| 4.2 问题定义及背景描述 |
| 4.2.1 问题描述 |
| 4.2.2 多播路由算法 |
| 4.3 一种基于优先多播目的节点的近似算法 |
| 4.3.1 PNMPH算法设计 |
| 4.3.2 PNMPH算法分析 |
| 4.3.3 仿真实验与性能评估 |
| 4.4 一种改进的优先多播目的节点近似算法 |
| 4.4.1 IPNMPH算法设计 |
| 4.4.2 IPNMPH算法分析 |
| 4.4.3 仿真实验与性能评估 |
| 4.5 本章小结 |
| 第五章 多播多约束QoS路由近似算法研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于稳定网络的多播多约束QoS路由近似算法 |
| 5.3.1 NMHA算法设计 |
| 5.3.2 NMHA算法分析 |
| 5.3.3 仿真实验与性能评估 |
| 5.4 基于无线网络的多播多约束QoS路由近似算法 |
| 5.4.1 FMPH算法设计 |
| 5.4.2 FMPH算法分析 |
| 5.4.3 仿真实验与性能评估 |
| 5.5 本章小结 |
| 第六章 WMN网络保障QoS的路由近似算法研究 |
| 6.1 引言 |
| 6.2 问题描述与系统模型 |
| 6.2.1 Anypath路由描述 |
| 6.2.2 系统建模 |
| 6.2.3 问题描述 |
| 6.3 一种保障QoS的Anypath路由近似算法 |
| 6.3.1 HMAA算法设计 |
| 6.3.2 HMAA算法分析 |
| 6.3.3 仿真实验与性能评估 |
| 6.4 本章小结 |
| 总结 |
| 全文总结 |
| 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表或完成的论文 |
| 攻读博士学位期间获得的奖励和参与的项目 |
| 致谢 |
（6）面向SDN网络的组播路由问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 传统QoS组播路由问题研究 |
| 1.2.2 SDN架构下QoS组播研究 |
| 1.3 进化算法 |
| 1.3.1 ACO算法 |
| 1.3.2 FFO算法 |
| 1.4 本文的主要内容和创新性说明 |
| 第二章 SDN中QoS组播路由问题和两种进化算法原理 |
| 2.1 SDN及其QoS组播 |
| 2.1.1 SDN的定义 |
| 2.1.2 SDN的特点和优势 |
| 2.1.3 SDN中QoS组播机制 |
| 2.2 QoS组播路由问题 |
| 2.2.1 组播技术 |
| 2.2.2 组播的QoS约束 |
| 2.2.3 QoS组播路由问题的数学模型 |
| 2.3 ACO算法原理 |
| 2.3.1 ACO算法的算法机理 |
| 2.3.2 ACO算法模型 |
| 2.4 FFO算法原理 |
| 2.4.1 FFO算法的生物学原理 |
| 2.4.2 FFO算法基本步骤 |
| 2.5 本章小结 |
| 第三章 ACO和FFO在QoS组播路由问题上的应用 |
| 3.1 基于QoS组播路由问题的ACO算法 |
| 3.1.1 针对QoS组播路由问题特异性的ACO算法策略 |
| 3.1.2 蚁群的子群策略 |
| 3.1.3 带环组播树的去环策略 |
| 3.1.4 基本ACO算法 |
| 3.1.5 几种改进型ACO算法 |
| 3.2 一种新型蚁群优化算法:矢量引导蚁群优化算法 |
| 3.2.1 VGACO算法新特性 |
| 3.2.2 VGACO算法实现方法 |
| 3.2.3 VGACO算法参数的优化调整与算法分析 |
| 3.3 三种ACO算法的仿真对比统计与总结 |
| 3.3.1 组播请求场景 |
| 3.3.2 算法仿真对比统计与分析 |
| 3.3.3 算法仿真对比总结 |
| 3.4 概率视觉定位果蝇优化算法 |
| 3.4.1 关联网络链路标识的果蝇多维空间的位置表述方式 |
| 3.4.2 PVFFO算法新特性 |
| 3.4.3 PVFFO算法实现方法 |
| 3.4.4 PVFFO算法参数的优化调整和算法分析 |
| 3.5 PVFFO算法与其他几种进化算法的仿真对比统计与总结 |
| 3.5.1 算法仿真对比统计与分析 |
| 3.5.2 算法仿真对比总结 |
| 3.5.3 PVFFO算法在各场景中所得组播路由问题解的组播树展示 |
| 3.6 本章小结 |
| 第四章 SDN网络QoS组播服务系统设计与实现 |
| 4.1 系统实现的仿真工具和关键技术简介 |
| 4.1.1 Mininet仿真工具 |
| 4.1.2 Ryu控制器 |
| 4.1.3 OpenFlow技术与标准 |
| 4.1.4 OpenFlow消息 |
| 4.2 系统设计方案 |
| 4.2.1 系统背景和拓扑结构介绍 |
| 4.2.2 各系统模块设计方案 |
| 4.2.3 系统设计特色和创新 |
| 4.3 系统具体实现方法 |
| 4.3.1 组播组管理模块 |
| 4.3.2 拓扑管理模块 |
| 4.3.3 环路控制模块 |
| 4.3.4 QoS组播路由模块 |
| 4.3.5 请求调度模块 |
| 4.3.6 各模块关系及系统运行流程 |
| 4.4 系统组播功能的仿真实验 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的发明专利及科研成果 |
（7）云制造环境下供应商匹配方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状概述 |
| 1.2.1 功能性匹配方法研究 |
| 1.2.2 QoS匹配方法研究 |
| 1.2.3 云制造相关匹配方法研究 |
| 1.2.4 研究现状分析 |
| 1.3 研究内容及技术路线 |
| 1.4 本章小结 |
| 2 云制造环境下服务匹配流程分析 |
| 2.1 云制造基本概念 |
| 2.1.1 云制造及其特点 |
| 2.1.2 云制造与传统网络制造的区别 |
| 2.1.3 云制造环境下的供应链 |
| 2.2 云平台服务匹配流程及问题描述 |
| 2.2.1 匹配流程分析 |
| 2.2.2 问题描述 |
| 2.3 Web服务匹配方法分析 |
| 2.3.1 服务匹配评价方法 |
| 2.3.2 服务匹配方法分类 |
| 2.3.3 本体相关理论概述 |
| 2.3.4 本体建模方法和工具 |
| 2.3.5 服务描述语言 |
| 2.4 服务匹配框架 |
| 2.5 本章小结 |
| 3 基于本体的服务描述模型 |
| 3.1 本体模型 |
| 3.1.1 创建服务本体 |
| 3.1.2 供应商服务本体模型 |
| 3.2 服务描述模型 |
| 3.2.1 供应商服务功能 |
| 3.2.2 服务描述方法 |
| 3.3 本章小结 |
| 4 三阶段服务匹配算法 |
| 4.1 算法思想 |
| 4.2 基于语义相似度的功能性匹配方法 |
| 4.2.1 语义相似度计算方法 |
| 4.2.2 功能性匹配相似度 |
| 4.3 模糊QOS匹配方法 |
| 4.3.1 基于三角模糊数的FCM算法 |
| 4.3.2 改进聚类中心的模糊QOS聚类算法 |
| 4.3.3 QoS匹配相似度 |
| 4.4 综合匹配方法 |
| 4.5 本章小结 |
| 5 系统实现及实验分析 |
| 5.1 系统设计 |
| 5.1.1 系统架构 |
| 5.1.2 系统实现主要类文件 |
| 5.1.3 数据库设计 |
| 5.1.4 系统界面 |
| 5.2 实验设计 |
| 5.2.1 样本来源及规模 |
| 5.2.2 实验参数设置 |
| 5.3 实验结果分析 |
| 5.3.1 匹配方法的有效性分析 |
| 5.3.2 匹配方法中优化FCM的有效性分析 |
| 5.3.3 匹配方法对比分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 服务匹配系统相关程序代码 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）TCP/IP协议族在相控阵时分卫星网络中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景和意义 |
| 1.3 星间通信国内外研究现状 |
| 1.3.1 卫星系统发展现状 |
| 1.3.2 卫星通信协议 |
| 1.4 人工智能路由算法的研究现状 |
| 1.5 本文研究的主要内容 |
| 1.6 论文内容安排 |
| 第二章 相控阵时分卫星网络及TCP/IP协议分析 |
| 2.1 卫星网络及相控阵时分特性 |
| 2.1.1 节点特性 |
| 2.1.2 链路特性 |
| 2.1.3 拓扑结构特性 |
| 2.1.4 相控阵时分特性 |
| 2.2 卫星网络模型设计 |
| 2.2.1 卫星星座结构设计方法 |
| 2.2.2 卫星网络拓扑设计 |
| 2.3 基于TCP/IP改进的卫星网络通信协议 |
| 2.3.1 星际链路中TCP协议分析 |
| 2.3.2 星际链路中IP协议分析 |
| 2.4 本章小结 |
| 第三章 演化图模型和路由算法 |
| 3.1 演化图理论 |
| 3.1.1 演化图定义 |
| 3.1.2 演化图中路程的定义及属性 |
| 3.1.3 演化图中节点偶的属性分析 |
| 3.2 基于演化图模型的路由算法 |
| 3.2.1 节点和链路的动态性定义 |
| 3.2.2 演化图的存储结构 |
| 3.2.3 演化图中的时间方程 |
| 3.2.4 最早路程算法 |
| 3.2.5 两点间路程遍历算法 |
| 3.3 相控阵时分卫星网络拓扑结构建模 |
| 3.4 本章小结 |
| 第四章 蚁群优化的演化图QoS路由算法 |
| 4.1 通信网络QoS问题 |
| 4.2 QoS路由问题 |
| 4.3 蚁群优化算法 |
| 4.3.1 蚁群觅食行为 |
| 4.3.2 蚁群系统的特征 |
| 4.3.3 蚁群路由在在卫星系统的应用 |
| 4.4 基于蚁群优化的演化图路由算法 |
| 4.4.1 QoS系统结构 |
| 4.4.2 人工“蚂蚁”数据结构 |
| 4.4.3 卫星节点的路由表结构 |
| 4.4.4 算法步骤 |
| 4.5 本章小结 |
| 第五章 基于OPNET仿真及结果分析 |
| 5.1 OPENT仿真模型 |
| 5.1.1 网络层级模型 |
| 5.1.2 节点级模型 |
| 5.1.3 进程级模型 |
| 5.2 传输层TCP协议与SCPS-TP协议比较分析 |
| 5.3 IP层路由算法比较分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表或已录用的学术论文 |
（9）网络高性能交换结构及调度算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景 |
| 1.2 国内外的研究现状 |
| 1.3 论文研究的主要内容 |
| 1.4 论文的组织结构 |
| 2 一种新型的负载均衡交叉点缓冲交换结构 |
| 2.1 引言 |
| 2.2 问题背景 |
| 2.3 负载均衡交叉点缓冲交换结构 |
| 2.4 LB-CQ 的性能分析 |
| 2.5 实验结果 |
| 2.6 虚拟流队列负载均衡交叉缓冲排队结构 |
| 2.7 性能分析与验证 |
| 2.8 本章小结 |
| 3 一种多级交换结构的网络编码方法 |
| 3.1 问题背景 |
| 3.2 网络编码方法 |
| 3.3 多级交换网络编码方案 |
| 3.4 性能和复杂度分析 |
| 3.5 实验结果以及分析 |
| 3.6 本章小结 |
| 4 基于 CICQ 的低抖动调度算法 |
| 4.1 问题介绍 |
| 4.2 现有调度算法分析 |
| 4.3 两种低抖动调度算法 |
| 4.4 本章小结 |
| 5 新型高效的光交换冲突调度算法 |
| 5.1 介绍 |
| 5.2 光交换系统的模型 |
| 5.3 现有调度算法的问题 |
| 5.4 新的高效调度算法 |
| 5.5 高效调度算法的分析 |
| 5.6 实验与分析 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 本文的主要贡献 |
| 6.2 未来工作的展望 |
| 致谢 |
| 参考文献 |
| 附录 1 攻读学位期间发表及完成学术论文列表 |
| 附录 2 攻读学位期间申请专利 |
| 附录 3 攻读学位期间完成和在研的主要科研项目 |
| 附录 4 攻读学位期间参与研制产品的情况 |
| 附录 5 缩写词表 |
（10）基于博弈定价的无线资源分配方法（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 无线资源分配的研究现状 |
| 1.2 博弈论在无线资源分配中的应用 |
| 1.3 基于定价的资源分配模型概括 |
| 1.4 本文内容及结构 |
| 第2章 无线资源分配与博弈论技术 |
| 2.1 无线资源分配介绍 |
| 2.2 博弈论基础 |
| 2.2.1 博弈论定义 |
| 2.2.2 经典博弈——囚徒困境 |
| 2.2.3 博弈论分类 |
| 2.2.4 博弈论模型 |
| 2.2.5 基于博弈论的多目标优化研究概况 |
| 2.3 Stacklberg博弈 |
| 2.3.1 Stackelberg博弈模型概述 |
| 2.3.2 Stackelberg博弈基本原理 |
| 2.4 双边市场博弈 |
| 2.4.1 双边市场模型概述 |
| 2.4.2 双边匹配基本原理 |
| 2.5 小结 |
| 第3章 基于Stackelberg博弈的带宽分配 |
| 3.1 相关工作 |
| 3.2 系统模型 |
| 3.2.1 带宽分配方案 |
| 3.2.2 系统模型 |
| 3.3 基于Stackelberg博弈的问题建模 |
| 3.3.1 Stackelberg定价机制的基本思想 |
| 3.3.2 问题分析及建模 |
| 3.4 算法设计 |
| 3.5 仿真实验 |
| 3.5.1 实验设置 |
| 3.5.2 仿真实验 |
| 3.6 小结 |
| 第4章 基于双边市场的移动云资源分配 |
| 4.1 相关工作 |
| 4.1.1 移动云计算概况 |
| 4.1.2 多维资源定价研究 |
| 4.2 系统模型 |
| 4.3 基于双边市场的问题建模 |
| 4.3.1 双边市场定价机制基本思想 |
| 4.3.2 联合资源分配与VM调度的问题建模 |
| 4.4 算法设计与分析 |
| 4.4.1 算法设计 |
| 4.4.2 博奔分析 |
| 4.4.3 算法分析 |
| 4.5 仿真实验 |
| 4.5.1 实验设置 |
| 4.5.2 仿真结果 |
| 4.6 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文 |
| 附录B 攻读学位期间所参与的科研活动 |
四、解决QoS问题的一个新思路（论文参考文献）
- [1]延迟敏感的网络功能虚拟化环境资源调度机制研究[D]. 岳毅. 北京邮电大学, 2021(01)
- [2]基于概率模型检测的高可信系统性能分析与研究[D]. 陈霆. 江西理工大学, 2020(01)
- [3]基于机器学习的终端直通通信系统性能优化研究[D]. 许杰. 北京邮电大学, 2020(05)
- [4]SpaceFibre星载网络服务质量实现研究[J]. 伊小素,王家兴,姜梦茹,董伟涛,刘辉. 宇航学报, 2019(02)
- [5]面向物联网的QoS路由近似算法研究[D]. 杨伟钧. 广东工业大学, 2017(02)
- [6]面向SDN网络的组播路由问题研究[D]. 高永顺. 西南交通大学, 2017(07)
- [7]云制造环境下供应商匹配方法研究[D]. 孙晓琳. 大连理工大学, 2016(03)
- [8]TCP/IP协议族在相控阵时分卫星网络中的应用[D]. 王雪旸. 北京邮电大学, 2015(08)
- [9]网络高性能交换结构及调度算法研究[D]. 徐宁. 华中科技大学, 2013(10)
- [10]基于博弈定价的无线资源分配方法[D]. 吉玉琴. 湖南大学, 2013(07)