IP網絡中流量矩陣估算算法的研究.pdf

1、近年來，隨著互聯網的持續(xù)飛速發(fā)展，網絡規(guī)模在擴大，復雜性在增長，各種新興服務和應用不斷涌現，網絡測量的要求越來越高。對一個規(guī)?？涨褒嫶蟮木W絡進行網絡性能的監(jiān)控與管理，是當前互聯網領域所面臨的一個全新的研究領域。要成功設計、控制和管理網絡，就需要了解和掌握網絡的內部特性。其中流量矩陣是重要的網絡性能參數之一。由于網絡日益向大型化、異構化、分布化發(fā)展，通過直接進行網絡測量的方法，來獲得網絡內部流量矩陣信息就變得越來越困難，網絡層析成像作為一

2、種通過端到端間接測量的數據來推斷網絡狀態(tài)參數的技術正成為研究的熱點之一。 業(yè)務流量矩陣是網絡性能測量技術非常重要的一個方面，它主要是指測量通信網絡中源節(jié)點-目的節(jié)點(Origin—Destination，OD)對之間的流量。獲得準確的數據流量對于網絡設計和管理是非常重要的，網絡拓撲結構的設計、鏈路容量的規(guī)劃和預測以及路由協(xié)議的實現等都需要用到OD對之間的流量數據。對于許多IP網絡的管理非常重要，但是，直接測量業(yè)務流量矩陣是非常困

3、難的，所以從鏈路負載統(tǒng)計數據或其他更簡單的測量數據中估算業(yè)務流量矩陣是現在的主要方法。而網絡層析成像技術上近年來出現的一種端到端的技術和統(tǒng)計學方法來獲得網絡中那些不能直接觀察到信息的技術。 本論文主要的研究內容是研究基于網絡層析成像理論的業(yè)務流量矩陣的估算算法。論文首先介紹了網絡層析成像理論，接著詳細論述了基于網絡層析成像理論的幾種估算算法—重力模型、統(tǒng)計推斷模型、第三代方法和EM算法等的原理和方法。最后在網絡層析成像、現有業(yè)務

4、流量矩陣和高斯分布的基礎上，將高斯混合模型(Gaussian Mixture Model，GMM)算法應用于流量矩陣估算研究中。該方法主要是通過采用混合高斯模型來描述網絡的OD流，這樣流量矩陣估算問題就轉化成模型的參數估算問題，然后采用期望最大化(Expectation—Maximization，EM)算法對模型的參數進行估算。緊接著在信息熵的基礎上，將最大熵(Maximum Entropy，ME)應用在流量矩陣估算中，主要借助矩陣變換