在低功耗有损网络(low power and lossy networks)中,现有的移动性支持路由算法存在控制消息冗余,应用场景不具有普适应,网络丢包率和移动节点能耗较高等问题.针对这些问题,提出一种移动场景下的节点高效寻路RPL路由算法(efficient path...
详细信息
在低功耗有损网络(low power and lossy networks)中,现有的移动性支持路由算法存在控制消息冗余,应用场景不具有普适应,网络丢包率和移动节点能耗较高等问题.针对这些问题,提出一种移动场景下的节点高效寻路RPL路由算法(efficient pathfinding RPL routing algorithm for nodes in mobile scenarios,MSE-RPL).该算法提出的优化思路如下:首先,精简了移动节点的控制消息,并采用自适应黑名单机制建立备选父节点集,从而降低了移动节点的能耗;其次,基于移动节点的移动速度和方向,从备选父节点集中选择移出通信范围预估时间最短的节点作为最优父节点,不但适用于随机移动场景,还降低了平均端到端时延;最后,在链路中断前,利用DIS计时器及时通告DIS消息以快速重构拓扑,降低了丢包率.仿真结果表明,MSE-RPL算法在平均端到端时延、移动节点能耗、丢包率等性能指标方面均有明显改善.
在网络功能虚拟化(Network Function Virtualization,NFV)环境下,保证用户服务功能链(Service Function Chain,SFC)服务质量的同时节约资源消耗,降低运营成本,对运营商来说至关重要。联合考虑SFC部署和无线接入网资源分配,提出一种基于...
详细信息
在网络功能虚拟化(Network Function Virtualization,NFV)环境下,保证用户服务功能链(Service Function Chain,SFC)服务质量的同时节约资源消耗,降低运营成本,对运营商来说至关重要。联合考虑SFC部署和无线接入网资源分配,提出一种基于深度强化学习的SFC多维资源联合分配算法。构建一种基于环境感知的SFC资源分配机制,建立用户时延要求、无线速率需求以及资源容量等约束下的SFC部署成本最小化模型。考虑到无线环境的动态变化,将此优化问题转化为一个无模型离散时间马尔科夫决策过程(Markov Decision Process,MDP)模型。由于该MDP状态空间的连续性和动作空间的高维性,采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)强化学习算法进行求解,得到最小化部署成本的资源分配策略。仿真结果表明,该算法可在满足性能需求及资源容量等约束的同时,有效降低SFC部署成本和端到端传输时延。
暂无评论