基于IP骨干網(wǎng)絡(luò)的流量矩陣估計(jì)方法研究.pdf

1、互聯(lián)網(wǎng)的快速發(fā)展，使得網(wǎng)絡(luò)的規(guī)模越來(lái)越龐大，結(jié)構(gòu)越來(lái)越復(fù)雜，網(wǎng)絡(luò)用戶數(shù)量呈指數(shù)級(jí)增長(zhǎng)，而網(wǎng)絡(luò)中的非關(guān)鍵業(yè)務(wù)的泛濫也導(dǎo)致網(wǎng)絡(luò)的帶寬資源被大量地消耗，影響了其他關(guān)鍵網(wǎng)絡(luò)業(yè)務(wù)的運(yùn)行，這些都導(dǎo)致對(duì)其監(jiān)控和管理越來(lái)越困難。為了更好的進(jìn)行網(wǎng)絡(luò)規(guī)劃、網(wǎng)絡(luò)設(shè)計(jì)、網(wǎng)絡(luò)管理、網(wǎng)絡(luò)監(jiān)控、路由配置等網(wǎng)絡(luò)流量工程和網(wǎng)絡(luò)仿真實(shí)驗(yàn)，迫切需要網(wǎng)絡(luò)流量方面的信息。流量矩陣作為全網(wǎng)流量的概覽，可以完整地描述相應(yīng)網(wǎng)絡(luò)中的所有結(jié)點(diǎn)間流量的分布情況，結(jié)合網(wǎng)絡(luò)路由信息還可以清晰地

2、反映出網(wǎng)絡(luò)中各個(gè)鏈路的流量成分，是網(wǎng)絡(luò)流量工程和網(wǎng)絡(luò)管理的關(guān)鍵輸入?yún)?shù)。然而規(guī)模龐大、結(jié)構(gòu)復(fù)雜的網(wǎng)絡(luò)使得流量矩陣難以通過(guò)直接的網(wǎng)絡(luò)測(cè)量的方法來(lái)獲得。目前，使用有限的測(cè)量信息估計(jì)流量矩陣是獲取流量矩陣的主要方法。流量矩陣估計(jì)問(wèn)題是一個(gè)病態(tài)的反問(wèn)題。
　　 本文介紹了流量矩陣估計(jì)的發(fā)展歷程，對(duì)各階段代表性的流量矩陣估計(jì)方法進(jìn)行了詳細(xì)介紹，分析了各類方法的優(yōu)缺點(diǎn)。本文的創(chuàng)新性成果體現(xiàn)在以下兩個(gè)方面。
　　 針對(duì)流量矩陣估計(jì)的病

3、態(tài)特性，避開(kāi)傳統(tǒng)估計(jì)算法的思路，即通過(guò)建立模型來(lái)增加問(wèn)題的約束條件來(lái)克服病態(tài)性，對(duì)實(shí)際測(cè)量到的大尺度流量矩陣數(shù)據(jù)進(jìn)行大量的統(tǒng)計(jì)分析，提出流量矩陣具有空間自相似性的假設(shè)，在此假設(shè)的基礎(chǔ)上提出了相似度線性映射的估計(jì)方法，實(shí)驗(yàn)表明該算法不僅計(jì)算速度快而且精度較高。
　　 網(wǎng)絡(luò)流量的復(fù)雜特性使得當(dāng)前研究者傾向于使用更精細(xì)而復(fù)雜的模型來(lái)進(jìn)行流量矩陣估計(jì)，神經(jīng)網(wǎng)絡(luò)是不錯(cuò)的方法，本文針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)用于流量矩陣估計(jì)時(shí)容易出現(xiàn)的記憶消失或變形的