基于測量的網(wǎng)絡(luò)管理技術(shù)研究.pdf

1、網(wǎng)絡(luò)的發(fā)展雖然已使我們的生活發(fā)生了翻天覆地的變化，但由于互聯(lián)網(wǎng)的高度異構(gòu)性和開放性以及業(yè)務(wù)的多樣性等特點，也給網(wǎng)絡(luò)管理帶來了諸多挑戰(zhàn)，而網(wǎng)絡(luò)測量技術(shù)通過對真實網(wǎng)絡(luò)的測量，以掌握其實際運行狀態(tài)，為網(wǎng)絡(luò)性能優(yōu)化和客觀評估提供可靠的依據(jù)，成為當(dāng)前研究的熱點。
　　本文對網(wǎng)絡(luò)測量的需求，網(wǎng)絡(luò)測量在網(wǎng)絡(luò)管理中的重要性，以及網(wǎng)絡(luò)測量研究的現(xiàn)實意義進行了分析，總結(jié)并回顧了當(dāng)前各研究機構(gòu)在網(wǎng)絡(luò)測量，尤其是性能測量領(lǐng)域的研究現(xiàn)狀、進展和特點，同時對

2、網(wǎng)絡(luò)測量的研究方法、性能測量的相關(guān)技術(shù)以及網(wǎng)絡(luò)測量中若干關(guān)鍵問題進行了深入研究，并以被動測量技術(shù)為基礎(chǔ)，詳細闡述了網(wǎng)絡(luò)性能測量技術(shù)。
　　為了減少采集的流量數(shù)據(jù)的冗余度，提出一種混合學(xué)習(xí)的模糊神經(jīng)網(wǎng)絡(luò)的性能數(shù)據(jù)融合算法，采用特征層數(shù)據(jù)融合算法進行性能數(shù)據(jù)的融合。針對各個測量主機所采集的流量數(shù)據(jù)，先對網(wǎng)絡(luò)測量的各級性能指標(biāo)進行特征提取，然后利用模糊神經(jīng)網(wǎng)絡(luò)進行逐層融合，借助BP算法實現(xiàn)對網(wǎng)絡(luò)在線訓(xùn)練學(xué)習(xí)，采用誤差反傳來調(diào)整參數(shù)，使其

3、快速收斂；利用粒子群對其進行離線優(yōu)化，并對其學(xué)習(xí)因子和進行改進，同時采用一種基于自適應(yīng)慣性因子動態(tài)調(diào)整策略的粒子群算法優(yōu)化融合性能，以此減少時間復(fù)雜度和空間復(fù)雜度。
　　在上述融合算法的基礎(chǔ)上，針對網(wǎng)絡(luò)性能參數(shù)的模糊性特點，本文從時延、帶寬、丟包率等主要的性能指標(biāo)中細化出相應(yīng)的二級指標(biāo)，結(jié)合模糊理論相關(guān)知識，提出了一種基于模糊理論的網(wǎng)絡(luò)性能評估模型。通過具體數(shù)據(jù)分析，該模型能對融合后的流量性能數(shù)據(jù)進行合理、有效的評估。
　　

4、在系統(tǒng)實現(xiàn)方面，針對網(wǎng)絡(luò)流量測量原型系統(tǒng)，分別從軟件架構(gòu)和軟件工程的角度，詳細分析其設(shè)計和實現(xiàn)過程；分別就系統(tǒng)的部署架構(gòu)、體系結(jié)構(gòu)，以及系統(tǒng)總體設(shè)計、各個功能模塊的設(shè)計進行了闡述；對系統(tǒng)重要的數(shù)據(jù)結(jié)構(gòu)、接口、出錯處理和運行等方面進行了說明；針對系統(tǒng)數(shù)據(jù)庫、主要類圖、系統(tǒng)用例識別和系統(tǒng)動態(tài)模型進行了詳細設(shè)計，其中重點講述了整個系統(tǒng)的核心模塊設(shè)計過程及核心模塊算法設(shè)計；最后針對主要的網(wǎng)絡(luò)性能指標(biāo)，借助CERNET西南地區(qū)網(wǎng)絡(luò)中心的良好實驗環(huán)