软件定义网络中应用蚁群优化的负载均衡算法

doi:10.13190/j.jbupt.2017.03.006

北京邮电大学学报 ›› 2017, Vol. 40 ›› Issue (3): 51-55.doi: 10.13190/j.jbupt.2017.03.006

软件定义网络中应用蚁群优化的负载均衡算法

曲桦^1,2, 赵季红^1,2, 樊斌¹, 王密², 郭涯¹

1. 西安交通大学电子与信息工程学院, 西安 710049;
2. 西安交通大学软件学院, 西安 710049

收稿日期:2016-08-15 出版日期:2017-06-28 发布日期:2017-05-25
作者简介:曲桦(1961-),男,教授,E-mail:qh@mail.xjtu.edu.cn.
基金资助:
国家自然科学基金项目（61371087；61531013）

Ant Colony Optimization for Load Balance in Software Defined Network

QU Hua^1,2, ZHAO Ji-hong^1,2, FAN Bin¹, WANG Mi², GUO Ya¹

1. School of Electronic and Information Engineering, Xi'an Jiaotong University, Xi'an 710049, China;
2. School of Software Engineering, Xi'an Jiaotong University, Xi'an 710049, China

Received:2016-08-15 Online:2017-06-28 Published:2017-05-25

摘要/Abstract

摘要： 在软件定义网络中提出了一种应用蚁群优化的负载均衡算法，以负载均衡度为目标函数重定义了蚁群算法中的参数和操作，对软件定义网络数据流和网络拓扑进行合理设置，规划出流传输的最优路径，从而提升了网络资源利用率和流传输质量.仿真结果表明，与其他算法相比，新算法在负载均衡度、流接受率、流丢包率、时延以及网络吞吐量方面的性能都有明显的提升.

关键词: 软件定义网络, 负载均衡, 蚁群优化

Abstract: An ant colony optimization-based load balancing alogrithm was proposed in software defined network. This alogrithm defines the degree of load balancing as the objective function and redefines the parameters and operations in the ant colony algorithm. The software defined network flows and the network topology are designed reasonably. The optimal paths of software defined network flows are derived from thealogrithm, which promotes the network resource utilization and transmission quality. Simulations show that the proposed alogrithm outperforms the benchmark algorithm in terms of the degree of load balancing, flow acceptance rate, packet loss rate, delay and network throughput.

Key words: software defined network, load balance, ant colony optimization

中图分类号:

TP393

曲桦, 赵季红, 樊斌, 王密, 郭涯. 软件定义网络中应用蚁群优化的负载均衡算法[J]. 北京邮电大学学报, 2017, 40(3): 51-55.

QU Hua, ZHAO Ji-hong, FAN Bin, WANG Mi, GUO Ya. Ant Colony Optimization for Load Balance in Software Defined Network[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(3): 51-55.

参考文献

[1] 吴舢. 一种基于SDN的网络负载均衡方案的设计与实现[D]. 复旦大学, 2014.
[2] 曹傧, 刘勰, 孙奇. 软件定义网络架构下的动态自适应负载均衡策略研究[J]. 重庆邮电大学学报(自然科学版), 2015, 27(4):460-465. Cao Bin, Liu Xie, Sun Qi. Dynamically adaptive load balancing strategy under the software defined network structure[J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2015, 27(4):460-465.
[3] Dobrijevic O, Santl M, Matijasevic M. Ant colony optimization for QoE-centric flow routing in software defined networks[C]//International Conference on Network and Service Management.[S.l.]:IEEE, 2015:274-278.
[4] Cui Chenxiao, Xu Yabin. Research on load balance method in SDN[J]. International Journal of Grid and Distributed Computing, 2016, 9(1):25-36.
[5] Long Hui, Shen Yao, Guo Minyi, et al. LABERIO:dynamic load-balanced routing in OpenFlow-enabled networks[C]//AINA 2013. Barcelona:IEEE, 2013:290-297.
[6] Wang Yong, Tao Xiaoling, He Qian, et al. A dynamic load balancing method of cloud-center based on SDN[J]. China Communications, 2016, 13(2):130-137
[7] 赵梦亚, 龙昭华, 蒋贵全, 等. 基于OpenFlow的负载均衡机制[J]. 计算机工程与设计, 2015, 36(9):2356-2360. Zhao Mengya, Long Zhaohua, Jiang Guiquan, et al. Load balancing mechanism based on OpenFlow[J]. Computer Engineering and Design, 2015, 36(9):2356-2360.
[8] Jain S, Kumar A, Mandal S, et al. B4:Experience with a globally-deployed software defined WAN[J]. ACM SIGCOMM Computer Communication Review, 2013, 43(4):3-14.
[9] 徐涛, 丁晓璐, 李建伏. K最短路径算法综述[J]. 计算机工程与设计, 2013, 34(11):3900-3906. Xu Tao, Ding Xiaolu, Li Jianfu. Review on K shortest paths algorithms[J]. Computer Engineering and Design, 2013, 34(11):3900-3906.
[10] 白轶多, 胡鹏, 夏兰芳, 等. 关于k次短路径问题的分析与求解[J]. 武汉大学学报(信息科学版), 2009, 34(4):492-494. Bai Yiduo, Hu Peng, Xia Lanfang, et al. A kth-shortest path algorithm based on k-1 shortest paths[J]. Geomatics and Information Science of Wuhan University, 2009, 34(4):492-494.
[11] 段海滨. 仿生智能计算[M]. 北京:科学出版社, 2011.

[1]	彭维平杨玉莹宋成阎俊豪. VEC中多边缘节点协作卸载与资源分配算法[J]. 北京邮电大学学报, 2023, 46(2): 78-83.
[2]	李竟博, 马礼, 马东超, 傅颖勋, 李阳. 基于SDN的一体化融合网络路由调度机制[J]. 北京邮电大学学报, 2022, 45(4): 84-90.
[3]	李竟博马礼马东超傅颖勋李阳. 基于SDN的一体化融合网络路由调度机制[J]. 北京邮电大学学报, 2022, 45(4): 98-104.
[4]	苏扬, 魏连锁, 郭媛. 多目标融合势博弈无线自组网络拓扑控制算法[J]. 北京邮电大学学报, 2022, 45(4): 91-97.
[5]	苏扬魏连锁郭媛. 多目标融合的序数势博弈无线自组网络拓扑控制算法[J]. 北京邮电大学学报, 2022, 45(4): 105-111.
[6]	贾雨宁, 魏翼飞, 周军华. 基于SDN与NFV的服务功能链编排算法[J]. 北京邮电大学学报, 2022, 45(2): 85-90.
[7]	王敬超, 高先明, 黄玉栋, 汪硕, 黄韬. 时间敏感网络的控制架构[J]. 北京邮电大学学报, 2021, 44(2): 95-101.
[8]	马璐, 刘铭, 李超, 路兆铭, 马欢. 面向6G边缘网络的云边协同计算任务调度算法[J]. 北京邮电大学学报, 2020, 43(6): 66-73.
[9]	阎逸飞, 王智立, 邱雪松, 王嘉潞. Spark环境下基于数据倾斜模型的Shuffle分区优化方案[J]. 北京邮电大学学报, 2020, 43(2): 116-121.
[10]	刘保菊, 喻鹏, 丰雷, 邱雪松, 江昊. 电力SDN通信网中面向负载均衡的路由重构[J]. 北京邮电大学学报, 2020, 43(2): 16-22.
[11]	马庆刘, 喻鹏, 吴佳慧, 熊翱, 颜拥. 基于深度强化学习的综合能源业务通道优化机制[J]. 北京邮电大学学报, 2020, 43(2): 87-93.
[12]	王璇, 侯蓉晖, 徐伟琳. 低轨卫星网络动态路径切换技术[J]. 北京邮电大学学报, 2020, 43(2): 80-86,109.
[13]	邢长友, 李东阳, 谢升旭, 张国敏, 魏伟. 一种面向软件定义网络的大流检测机制[J]. 北京邮电大学学报, 2020, 43(1): 97-103.
[14]	程超, 滕俊杰, 赵艳领, 宋梅. 一种基于多智能体强化学习的流量分配算法[J]. 北京邮电大学学报, 2019, 42(6): 43-48,57.
[15]	易芝玲, 崔春风, 韩双锋, 潘成康, 陈亚迷. 5G蜂窝物联网关键技术分析[J]. 北京邮电大学学报, 2018, 41(5): 20-25.

软件定义网络中应用蚁群优化的负载均衡算法

Ant Colony Optimization for Load Balance in Software Defined Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价