随着大量分布式能源终端接入,智慧园区中爆炸式增长的业务对队列积压、误码率、吞吐量等服务质量(quality of service,QoS)需求差异性大,现有的路由优化与差异化业务需求适配性差、时间同步与路由优化存在耦合性、链路与网络拥塞信息的...随着大量分布式能源终端接入,智慧园区中爆炸式增长的业务对队列积压、误码率、吞吐量等服务质量(quality of service,QoS)需求差异性大,现有的路由优化与差异化业务需求适配性差、时间同步与路由优化存在耦合性、链路与网络拥塞信息的不确定性等挑战,影响园区网络路由性能。针对上述挑战,提出了一种联合背压和Q学习的时间同步感知多态路由协议(backprEssure and Q-Learning based timE synChronizaTion-aware polymoRphic routIng protoCol,ELECTRIC)算法。首先,建立时间同步感知多态路由协议架构,实现园区终端的集中管理和数据传输优化;其次,根据背压算法,将队列积压最小化问题转化为队列积压差最大化问题,避免网络拥塞;然后,利用时间偏差阈值的概念对时间同步进行感知,使延迟唤醒的休眠态终端变为活跃态,并基于本地和历史信息进一步学习最优路由选择策略;最后,通过仿真结果验证,相较于基于Q学习的路由选择(Q-learning based route selection,QLRS)算法和基于队列积压的背压路由选择(queue backlog based backpressure route selection,QBBRS)算法,所提算法可分别提高平均吞吐量17.39%和56.52%,降低平均队列积压33.86%和44.07%,降低误码率31.58%和58.06%,保障智慧园区不同业务差异化的QoS需求。展开更多
文摘随着大量分布式能源终端接入,智慧园区中爆炸式增长的业务对队列积压、误码率、吞吐量等服务质量(quality of service,QoS)需求差异性大,现有的路由优化与差异化业务需求适配性差、时间同步与路由优化存在耦合性、链路与网络拥塞信息的不确定性等挑战,影响园区网络路由性能。针对上述挑战,提出了一种联合背压和Q学习的时间同步感知多态路由协议(backprEssure and Q-Learning based timE synChronizaTion-aware polymoRphic routIng protoCol,ELECTRIC)算法。首先,建立时间同步感知多态路由协议架构,实现园区终端的集中管理和数据传输优化;其次,根据背压算法,将队列积压最小化问题转化为队列积压差最大化问题,避免网络拥塞;然后,利用时间偏差阈值的概念对时间同步进行感知,使延迟唤醒的休眠态终端变为活跃态,并基于本地和历史信息进一步学习最优路由选择策略;最后,通过仿真结果验证,相较于基于Q学习的路由选择(Q-learning based route selection,QLRS)算法和基于队列积压的背压路由选择(queue backlog based backpressure route selection,QBBRS)算法,所提算法可分别提高平均吞吐量17.39%和56.52%,降低平均队列积压33.86%和44.07%,降低误码率31.58%和58.06%,保障智慧园区不同业务差异化的QoS需求。
