[发明专利]一种卫星网络SDN多控制域的规划方法有效
| 申请号: | 202210832203.1 | 申请日: | 2022-07-15 |
| 公开(公告)号: | CN115225139B | 公开(公告)日: | 2023-03-10 |
| 发明(设计)人: | 钱克昌;万颖;王宇;熊达鹏;邢鹏;朱沁雨;董尧尧;张云帆;高天昊;刘文文 | 申请(专利权)人: | 中国人民解放军战略支援部队航天工程大学 |
| 主分类号: | H04B7/185 | 分类号: | H04B7/185 |
| 代理公司: | 北京天盾知识产权代理有限公司 11421 | 代理人: | 姜有保 |
| 地址: | 101416*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 卫星网络 sdn 控制 规划 方法 | ||
1.一种卫星网络SDN多控制域的规划方法,采用基于SDN的卫星网络架构,基于改进原子轨道算法对卫星网络时延和负载均衡模型进行求解,根据输出具有最低能量状态的电子,解码成卫星网络多控制域的规划方法,其特征在于,包括如下的步骤:
S1:对LEO卫星网络中的卫星控制器节点和交换机节点进行编码,在约束关系下随机初始化多控制域规划方案;
S2:进行个体适应度值计算;
S3:确定各个层级的结合能和结合态,将各层中的电子编码序列的平均值记为结合态,结合能为各个个体适应度值的平均值;
S4:在光子的发射、吸收部分的更新策略中引入自适应权重和反向学习机制,更新电子状态;
S5:循环步骤S3至S4进行迭代寻优,直至达到最大迭代次数,输出最佳结合能和结合态;
S6:解码,形成最优的卫星网络SDN多控制域的规划策略。
2.如权利要求1所述的卫星网络SDN多控制域的规划方法,其特征在于,所述卫星网络SDN的控制平面采用分布式部署方式,主控制器部署在地面站,在GEO卫星部署区域控制器,并选择部分LEO卫星部署从控制器,采用LEO卫星铱星网络拓扑结构,并将所有的LEO卫星均视为交换机节点。
3.如权利要求1所述的卫星网络SDN多控制域的规划方法,其特征在于,所述卫星网络的时延包括星间传播时延、控制域内的排队时延和控制器节点的任务处理时延。
4.如权利要求1所述的卫星网络SDN多控制域的规划方法,其特征在于,所述卫星网络的负载均衡情况通过负载均衡参数BL得以表示,负载均衡参数用于评价LEO卫星控制器节点负载的差异程度,其由公式(10)表示:
式中,fi表示控制器ci其控制域内的流量请求情况,fp表示控制器cp其控制域内的流量请求情况;C为控制器集合。
5.如权利要求1所述的卫星网络SDN多控制域的规划方法,其特征在于,所述S4中,自适应权重采用式(12)表示
其中,mgen为最大迭代次数,gen为当前迭代次数。
6.如权利要求1所述的卫星网络SDN多控制域的规划方法,其特征在于,所述S4中,光子的发射作用采用式(13)表示
光子的吸收作用采用式(14)表示
其中,与分别为第k层第i个电子的当前个体和更新的个体,αi、γi为(0,1)之间的随机数向量,LE为原子中最低能量状态的个体,BS为原子的结合态;npop为种群数量;LEk为第k层中最低能量状态的个体,BSk为第k层中的结合态。
7.如权利要求1所述的卫星网络SDN多控制域的规划方法,其特征在于,所述S4中的反向学习机制包括:
1)针对整体最优个体LE,对LE进行反向学习,如式(15)所示
其中,代表对整体最优个体LE进行反向学习后的个体,lb为最小控制域的编号,这里是1,m为控制域的数量,r为(0,1)的随机数,LE为原子中最低能量状态的个体;
2)针对各层最优个体LEk,对LEk进行反向学习,如式(16)所示
其中,为对第k层最优个体LEk进行反向学习后的个体,lb为最小控制域的编号,这里是1,m为控制域的数量,r为(0,1)的随机数,LEk为第k层中最低能量状态的个体;
3)通过比较与的适应度值,保留适应度值较小的个体作为对于整体最优个体和各层最优个体进行反向学习,通过比较得到第i+1个电子的个体但可能会破坏了个体的约束限制,当出现这种情况时,要对更新后破坏了约束条件的个体进行约束修复,使其适用于卫星网络多控制域的规划。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队航天工程大学,未经中国人民解放军战略支援部队航天工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210832203.1/1.html,转载请声明来源钻瓜专利网。





