軟件定義網(wǎng)絡多媒體服務建模與優(yōu)化.pdf_第1頁
已閱讀1頁,還剩112頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和服務的完善,網(wǎng)絡流量呈現(xiàn)爆炸式增長,摩爾定律下互聯(lián)網(wǎng)的建設(shè)速度已經(jīng)遠遠趕不上業(yè)務需求增長速度,這其中尤其以多媒體流量最為突出。根據(jù)思科調(diào)查顯示,截止2020年,媒體流量將占據(jù)互聯(lián)網(wǎng)流量的80%。盲目的網(wǎng)絡擴建已經(jīng)無法滿足日益增長的用戶需求,而賦予網(wǎng)絡智能,感知用戶和網(wǎng)絡信息,可以高效利用有限網(wǎng)絡資源從而帶來用戶服務質(zhì)量的提高。然而當前IP網(wǎng)絡的數(shù)據(jù)轉(zhuǎn)發(fā)對上層應用透明,網(wǎng)絡控制和數(shù)據(jù)轉(zhuǎn)發(fā)耦合在一起,使得無法根據(jù)網(wǎng)絡狀

2、態(tài)對不同用戶的不同目標進行智能優(yōu)化。軟件定義網(wǎng)絡(Software-Defined Networking,SDN)作為日益成熟的下一代互聯(lián)網(wǎng)技術(shù),將控制層與轉(zhuǎn)發(fā)層分離,使得網(wǎng)絡全局視圖可以被利用,做到應用層與網(wǎng)絡層協(xié)同,提高網(wǎng)絡各層協(xié)作效率,同時其集中式的控制平面能夠為部署各類決策算法提供一個開放式的平臺。本文以SDN為網(wǎng)絡支撐,以Markov決策過程和近似動態(tài)規(guī)劃為理論方法,研究多媒體服務建模與優(yōu)化問題,并采用神經(jīng)元動態(tài)規(guī)劃和深度學習

3、方法求解所提問題,具體研究內(nèi)容如下所示:
  1)研究基于近似動態(tài)規(guī)劃的視頻接入控制和路由聯(lián)合優(yōu)化。在帶寬受限的媒體服務專用網(wǎng)絡中,視頻服務商為多用戶提供有償視頻傳輸服務,如何合理地接入用戶,高效地規(guī)劃路由是視頻服務商獲取最大長期收益的關(guān)鍵。本文采用網(wǎng)絡切片技術(shù),利用FlowVisor網(wǎng)絡虛擬化工具虛擬出視頻服務專用SDN網(wǎng)絡以便靈活地部署優(yōu)化算法,并將影響視頻服務商收益的用戶接入控制和路由問題建模為Markov決策過程??紤]狀態(tài)

4、空間的復雜性,傳統(tǒng)的迭代求解方法會造成維數(shù)災,難以求得最優(yōu)解,本文采用近似動態(tài)規(guī)劃(Approximate Dynamic Programming,ADP)方法,利用kernel核函數(shù)方法構(gòu)造近似值函數(shù),并據(jù)此求出近似最優(yōu)解?;贔lowVisor虛擬化工具,Mininet網(wǎng)絡仿真器和POX控制器搭建的半實物網(wǎng)絡仿真結(jié)果表明,本文所提算法在性能和收斂性等表現(xiàn)上明顯優(yōu)于OSPF(Open Shortest Path First)算法和Q學

5、習算法。
  2)研究基于神經(jīng)元動態(tài)規(guī)劃的DASH視頻路由與碼率調(diào)整。與傳統(tǒng)視頻不同,DASH(Dynamic Adaptive Streaming over HTTP)視頻流具有多段、多碼率副本等特點,相比普通視頻服務有更大的優(yōu)化空間。傳統(tǒng)的DASH視頻傳輸優(yōu)化方法多集中在兩端,即用戶端的反饋和服務商源端的碼率調(diào)整,該方法可以充分感知用戶行為,但相應地,網(wǎng)絡狀態(tài)本身相對算法仍然透明,反饋信息也可能由于延遲降低優(yōu)化表現(xiàn)。SDN網(wǎng)絡

6、以其靈活的可控性為DASH視頻傳輸網(wǎng)絡層優(yōu)化帶來可行性,本文綜合考慮DASH視頻傳輸路由與碼率調(diào)整優(yōu)化問題,將其建模為Markov決策過程,并利用神經(jīng)元動態(tài)規(guī)劃方法(Neuro-Dynamic Programming,NDP)求解所提優(yōu)化問題的近似最優(yōu)解,以應對傳統(tǒng)解法面臨的維數(shù)災問題。通過Mininet網(wǎng)絡仿真器和POX控制器搭建的半實物網(wǎng)絡仿真平臺的驗證,本文所提算法的表現(xiàn)明顯優(yōu)于基于最短路徑優(yōu)先(OSPF)算法。
  3)研

7、究基于深度學習的SVC視頻層數(shù)自適應與路由規(guī)劃。作為一種新興的視頻編碼標準,可伸縮視頻(Scalable Video Coding,SVC)的傳輸優(yōu)化具有很突出的研究意義。通過將視頻流劃分為一個基本層和多個增強層的形式,SVC視頻流可以根據(jù)用戶需求,動態(tài)調(diào)整傳輸層數(shù)。受限于傳統(tǒng)網(wǎng)絡架構(gòu),現(xiàn)有的SVC傳輸優(yōu)化多為跨層協(xié)作,而在SDN架構(gòu)下,也多為單用戶優(yōu)化或組播服務。本文以SDN為網(wǎng)絡基本架構(gòu),研究有限帶寬下多用戶的SVC視頻傳輸服務。利

8、用SDN網(wǎng)絡特性,獲取并分析網(wǎng)絡狀態(tài),為每個請求SVC傳輸服務的用戶合理選擇傳輸層數(shù),并為每層SVC視頻流數(shù)據(jù)獨立路由,以最大化利用有限的網(wǎng)絡帶寬資源。該優(yōu)化問題被建模為Markov決策過程,考慮到求解過程中面臨的維數(shù)災以及NDP方法中手動特征提取的不穩(wěn)定性,在NDP方法中加入深度學習方法提取網(wǎng)絡狀態(tài)特征,并據(jù)此構(gòu)造近似狀態(tài)值函數(shù),獲取近似最優(yōu)解。半實物的實驗結(jié)果表明,本文所提算法在性能明顯上好于基本NDP算法。
  上述三個優(yōu)化

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論