網(wǎng)絡(luò)柔性重構(gòu)的智能機(jī)理淺析*

蘭巨龍，程?hào)|年，王 雨，張風(fēng)雨

（國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心 鄭州 450002）

1 引言

網(wǎng)絡(luò)重構(gòu)[1]是一項(xiàng)全新的全面提升網(wǎng)絡(luò)業(yè)務(wù)支持水平的結(jié)構(gòu)性方法。從具體的結(jié)構(gòu)形態(tài)上看，可重構(gòu)網(wǎng)絡(luò)分為針對(duì)功能的重構(gòu)和針對(duì)性能的重構(gòu)、靜態(tài)重構(gòu)和動(dòng)態(tài)重構(gòu)、節(jié)點(diǎn)重構(gòu)和網(wǎng)絡(luò)重構(gòu)等。

網(wǎng)絡(luò)對(duì)其結(jié)構(gòu)實(shí)施重構(gòu)的具體目標(biāo)有兩種類型:實(shí)現(xiàn)異型網(wǎng)絡(luò)能力的融合和實(shí)現(xiàn)通用網(wǎng)絡(luò)能力的增強(qiáng)。異型網(wǎng)絡(luò)能力的融合是指網(wǎng)絡(luò)同時(shí)具有并可以靈活地組配多種不同的基礎(chǔ)傳送能力，如電路、虛電路、分組的信息交換模式等，網(wǎng)絡(luò)根據(jù)應(yīng)用的固有特征和數(shù)據(jù)傳送要求對(duì)自身資源進(jìn)行分配和調(diào)節(jié)，動(dòng)態(tài)調(diào)整不同基礎(chǔ)傳送能力的組合以及容量。通用網(wǎng)絡(luò)能力的增強(qiáng)是指網(wǎng)絡(luò)的基礎(chǔ)傳送能力僅有一種，如僅有分組信息交換模式，但網(wǎng)絡(luò)通過基礎(chǔ)傳送能力到網(wǎng)絡(luò)服務(wù)效果的“最佳對(duì)應(yīng)”支持多種網(wǎng)絡(luò)應(yīng)用和業(yè)務(wù)。從總體上看，這兩種能力均以其單一的網(wǎng)絡(luò)同時(shí)支持多種網(wǎng)絡(luò)應(yīng)用和業(yè)務(wù)，但從時(shí)間和空間的重構(gòu)操作粒度上看，前者側(cè)重于大粒度的重構(gòu)，而后者則更強(qiáng)調(diào)細(xì)粒度重構(gòu)。

作為無連接、變長分組交換，IP已經(jīng)被作為各類信息網(wǎng)絡(luò)數(shù)據(jù)傳遞的基礎(chǔ)模式。使用IP的信息網(wǎng)絡(luò)具有以下4個(gè)共同的特征。

·對(duì)鏈路層意義的物理網(wǎng)絡(luò)而言，是一個(gè)實(shí)現(xiàn)異型物理網(wǎng)絡(luò)間互聯(lián)的“超網(wǎng)”。

·具有語義透明性，并不針對(duì)任何特定的業(yè)務(wù)或應(yīng)用，因而網(wǎng)絡(luò)可以支持的應(yīng)用類型不受限制。

·提供無連接的信道，將網(wǎng)絡(luò)的數(shù)據(jù)傳送行為與網(wǎng)絡(luò)的內(nèi)在特征相分離，這種解耦合為網(wǎng)絡(luò)奠定了健壯性的物質(zhì)基礎(chǔ)。

·是時(shí)間和空間雙重意義的統(tǒng)計(jì)復(fù)用信道，使得各類上層應(yīng)用的數(shù)據(jù)可以在單個(gè)網(wǎng)絡(luò)傳送節(jié)點(diǎn)上實(shí)現(xiàn)時(shí)間意義的按需資源共享，而在整個(gè)網(wǎng)絡(luò)范圍內(nèi)實(shí)現(xiàn)空間意義的按需資源共享。

網(wǎng)際互聯(lián)、語義透明、簡單健壯的優(yōu)質(zhì)特性，使得IP成為可重構(gòu)網(wǎng)絡(luò)的基本數(shù)據(jù)交換模式，換句話說，以實(shí)現(xiàn)通用網(wǎng)絡(luò)能力的增強(qiáng)為目標(biāo)的可重構(gòu)網(wǎng)絡(luò)將成為可重構(gòu)網(wǎng)絡(luò)的一種重要形態(tài)，因?yàn)檫@類可重構(gòu)網(wǎng)絡(luò)基于單一的數(shù)據(jù)交換模式構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)和資源重構(gòu)的控制結(jié)構(gòu)，從而向特征和要求均時(shí)變的多種網(wǎng)絡(luò)應(yīng)用提供相應(yīng)的時(shí)變數(shù)據(jù)信道，最終用跟隨特征和要求做同步變化的服務(wù)能力，全面提升網(wǎng)絡(luò)對(duì)業(yè)務(wù)的支持水平。然而，基于單一和通用網(wǎng)絡(luò)能力構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)和資源重構(gòu)的機(jī)理、機(jī)制和控制結(jié)構(gòu)卻成為這類可重構(gòu)網(wǎng)絡(luò)設(shè)計(jì)的重大挑戰(zhàn)。作為可重構(gòu)網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整方式的所謂“柔性”，對(duì)于服務(wù)效果與應(yīng)用要求的一致匹配至關(guān)重要。支持網(wǎng)絡(luò)結(jié)構(gòu)柔性的工作機(jī)理和內(nèi)在結(jié)構(gòu)是什么？當(dāng)前的研究多圍繞結(jié)構(gòu)柔性的宏觀特性展開，并未清晰地回答諸如網(wǎng)絡(luò)對(duì)其結(jié)構(gòu)和資源進(jìn)行重構(gòu)的內(nèi)在方式等問題。

2 網(wǎng)絡(luò)結(jié)構(gòu)的柔性簡介

對(duì)于可重構(gòu)網(wǎng)絡(luò)而言，針對(duì)其結(jié)構(gòu)和資源進(jìn)行動(dòng)態(tài)調(diào)整的控制結(jié)構(gòu)是位于網(wǎng)絡(luò)功能體系結(jié)構(gòu)下層的基本數(shù)據(jù)交換模式和位于上層的應(yīng)用時(shí)變特征及要求之間的一塊“墊片”。該墊片在本質(zhì)上具有功能意義而非結(jié)構(gòu)意義，即其旨在實(shí)現(xiàn)基礎(chǔ)數(shù)據(jù)傳送能力到多樣、多變應(yīng)用要求的一致匹配，而具體的重構(gòu)結(jié)構(gòu)既可以是集中式的，也可以是完全分布式的。

柔性是重構(gòu)控制結(jié)構(gòu)的工作模式。作為重構(gòu)控制結(jié)構(gòu)的內(nèi)在要素，柔性是網(wǎng)絡(luò)針對(duì)應(yīng)用要求對(duì)其內(nèi)在結(jié)構(gòu)、資源做出隱性和動(dòng)態(tài)調(diào)整的方式，其目的是實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)效果對(duì)時(shí)變應(yīng)用要求的一致和穩(wěn)定的符合（或匹配）。在該意義上，網(wǎng)絡(luò)重構(gòu)的柔性應(yīng)當(dāng)具有漸變跟隨、整體要求、隱性隔離和自主驅(qū)動(dòng)4個(gè)具體特征。

本文特別強(qiáng)調(diào)柔性的漸變跟隨特征，它可以解釋為網(wǎng)絡(luò)結(jié)構(gòu)對(duì)應(yīng)用要求的“限距跟隨”。這里的“跟隨”指通過改變內(nèi)在結(jié)構(gòu)改變網(wǎng)絡(luò)資源對(duì)應(yīng)用要求的劃分，進(jìn)而使得被動(dòng)時(shí)變的資源劃分所表現(xiàn)出的網(wǎng)絡(luò)實(shí)際服務(wù)效果盡可能地接近主動(dòng)時(shí)變的應(yīng)用要求；“限距”是指上述跟隨所導(dǎo)致的服務(wù)效果與應(yīng)用要求之間的差距有界，即該差距的絕對(duì)值既有下界，也有上界。下界的作用是消除時(shí)變應(yīng)用要求在小尺度上的隨機(jī)波動(dòng)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)帶來的不必要影響，從而消除結(jié)構(gòu)對(duì)要求的過度敏感性。顯然，結(jié)構(gòu)對(duì)要求的非敏感性也具有損害應(yīng)用實(shí)際得到的服務(wù)效果的負(fù)面作用。這就是說，下界的設(shè)置應(yīng)當(dāng)同時(shí)考慮應(yīng)用要求本身的隨機(jī)波動(dòng)特性，即下界的值應(yīng)當(dāng)反映應(yīng)用要求在較小時(shí)間尺度上的有效和穩(wěn)定的變化。設(shè)立差距上界是為了滿足應(yīng)用對(duì)網(wǎng)絡(luò)服務(wù)效果降級(jí)的容限要求。用服務(wù)效果與應(yīng)用要求之間差距的上界直接表達(dá)服務(wù)效果降級(jí)的最大程度，就能為網(wǎng)絡(luò)重構(gòu)操作建立直接依據(jù)，避免服務(wù)效果持續(xù)、穩(wěn)定地降級(jí)，進(jìn)而最大可能地保證各個(gè)應(yīng)用均得到所需以及合理的網(wǎng)絡(luò)服務(wù)效果。

顯然，與時(shí)變的資源劃分和應(yīng)用要求相同，服務(wù)效果與應(yīng)用要求之間的差距也是時(shí)變的。因此識(shí)別該時(shí)變的差距以及該差距與差距上限之間的“差距”是至關(guān)重要的。從應(yīng)用對(duì)服務(wù)效果降級(jí)的容限特性這一角度看，網(wǎng)絡(luò)應(yīng)當(dāng)做到在服務(wù)效果降級(jí)的最大限度之內(nèi)允許應(yīng)用要求最大程度地隨機(jī)波動(dòng)。此外，該時(shí)變的差距與差距界之間的數(shù)量關(guān)系可以成為網(wǎng)絡(luò)重構(gòu)操作有效性的重要判斷依據(jù)。一方面，對(duì)差距下界的超越構(gòu)成啟動(dòng)網(wǎng)絡(luò)重構(gòu)操作的觸發(fā)條件，而對(duì)差距上界的超越則構(gòu)成加強(qiáng)網(wǎng)絡(luò)重構(gòu)操作的觸發(fā)條件；另一方面，差距穩(wěn)定在上、下界之間意味著對(duì)相應(yīng)的網(wǎng)絡(luò)重構(gòu)加強(qiáng)操作的肯定，而差距穩(wěn)定在下界之下則是對(duì)相應(yīng)的網(wǎng)絡(luò)重構(gòu)操作的肯定。

網(wǎng)絡(luò)服務(wù)效果與應(yīng)用要求之間差距的界因應(yīng)用類型的不同而不同，對(duì)于由多種不同類型的應(yīng)用匯聚而成的匯聚型應(yīng)用，界的設(shè)定將是值得深入考慮和研究的問題。

針對(duì)服務(wù)效果與應(yīng)用要求穩(wěn)定可靠變化的網(wǎng)絡(luò)重構(gòu)才是有效的。換句話說，網(wǎng)絡(luò)重構(gòu)的有效性應(yīng)當(dāng)表達(dá)為網(wǎng)絡(luò)結(jié)構(gòu)對(duì)服務(wù)效果與應(yīng)用要求穩(wěn)定可靠變化的針對(duì)性。因此，應(yīng)當(dāng)也必須將服務(wù)效果與應(yīng)用要求之間隨機(jī)波動(dòng)的穩(wěn)定特征作為網(wǎng)絡(luò)重構(gòu)操作的直接依據(jù)。從該意義上講，支持網(wǎng)絡(luò)柔性重構(gòu)核心特征的一種可行的機(jī)理是“智能低通隨動(dòng)”，其含義包括如下3個(gè)方面。

·可重構(gòu)網(wǎng)絡(luò)應(yīng)當(dāng)建立適當(dāng)?shù)牡屯V波機(jī)制，用于抽取網(wǎng)絡(luò)服務(wù)效果和應(yīng)用要求的隨機(jī)行為中相對(duì)穩(wěn)定可靠的特征，形成直接表達(dá)該穩(wěn)定可靠特征的低通信號(hào)。

·隨動(dòng)是指網(wǎng)絡(luò)對(duì)應(yīng)用提供的時(shí)變服務(wù)效果隨時(shí)變的應(yīng)用要求而動(dòng)，其本質(zhì)是網(wǎng)絡(luò)對(duì)自身結(jié)構(gòu)做出實(shí)時(shí)改變進(jìn)而使得時(shí)變的網(wǎng)絡(luò)服務(wù)效果受控。

·“低通”和“隨動(dòng)”機(jī)制應(yīng)該是智能化的，即驅(qū)動(dòng)網(wǎng)絡(luò)重構(gòu)的機(jī)制應(yīng)當(dāng)以“感知—決策—調(diào)整”的智能方式驅(qū)動(dòng)具體的低通和隨動(dòng)操作。智能可以粗略地分為低階和高階兩種類型，低階智能指對(duì)靜態(tài)特征進(jìn)行感知、適應(yīng)及局部自主優(yōu)化，而高階智能則對(duì)動(dòng)態(tài)特征進(jìn)行感知和適應(yīng)及全局性的自主優(yōu)化。

3 網(wǎng)絡(luò)的知識(shí)驅(qū)動(dòng)機(jī)理和功能結(jié)構(gòu)

傳統(tǒng)電信網(wǎng)和互聯(lián)網(wǎng)分別是網(wǎng)絡(luò)和終端具備智能的例子。近期研究表明，網(wǎng)絡(luò)智能正被賦予新的內(nèi)涵，這就是網(wǎng)絡(luò)自主和自動(dòng)適應(yīng)對(duì)其多樣和時(shí)變的要求。然而網(wǎng)絡(luò)智能的必要性和可行性仍是一個(gè)頗有爭議的問題，爭論的一個(gè)焦點(diǎn)是網(wǎng)絡(luò)為智能付出的代價(jià)是否抵得過智能所產(chǎn)生的收益。筆者以為，代價(jià)和收益的輕重應(yīng)當(dāng)同社會(huì)要求和科學(xué)技術(shù)與時(shí)俱進(jìn)。一方面，社會(huì)的整體進(jìn)步對(duì)當(dāng)今網(wǎng)絡(luò)的信息服務(wù)提出了前所未有的高要求；另一方面，在器件、硬件、軟件、人工智能等技術(shù)已經(jīng)大幅提高的今天，使網(wǎng)絡(luò)具備智能已不存在技術(shù)障礙，并且智能所帶來的收益完全有可能顯著超過其代價(jià)。

事實(shí)上，使開放型網(wǎng)絡(luò)具備智能的研究和努力一直在進(jìn)行著。當(dāng)前互聯(lián)網(wǎng)的體系結(jié)構(gòu)中存在著一個(gè)顯著的差異，即端系統(tǒng)具有應(yīng)用特定的強(qiáng)語義特征，而網(wǎng)絡(luò)具有語義的透明性。該差異意味著網(wǎng)絡(luò)的高等級(jí)目標(biāo)——應(yīng)用語義與網(wǎng)絡(luò)內(nèi)部的低等級(jí)任務(wù)特征被明顯地割裂，導(dǎo)致當(dāng)網(wǎng)絡(luò)內(nèi)部發(fā)生某種異常狀態(tài)時(shí)，網(wǎng)絡(luò)本身并不知曉它對(duì)高等級(jí)目標(biāo)的意義，因而也不可能采取任何行動(dòng)，網(wǎng)絡(luò)內(nèi)部的分組丟失、隊(duì)列擁塞以及TCP流控就是典型的例子。1990年，網(wǎng)絡(luò)體系結(jié)構(gòu)頂級(jí)科學(xué)家、美國MIT的Clark D教授針對(duì)開放型網(wǎng)絡(luò)首次提出了一種全新的體系結(jié)構(gòu)要素——“知識(shí)面”（knowledge plane）[2]，Clark教授認(rèn)為傳統(tǒng)網(wǎng)絡(luò)中算法式的方法不能滿足和適應(yīng)復(fù)雜的行為要求，基于智能方法的“知識(shí)面”強(qiáng)調(diào)，經(jīng)抽象得到高等級(jí)的網(wǎng)絡(luò)目標(biāo)，再將高等級(jí)的目標(biāo)與低層的操作決策有機(jī)關(guān)聯(lián)，就能夠綜合各種不完整甚至沖突的信息，從學(xué)習(xí)歷史行為和現(xiàn)狀中改善未來的行為，從而達(dá)到高等級(jí)的網(wǎng)絡(luò)目標(biāo)。知識(shí)面網(wǎng)絡(luò)體系的概念結(jié)構(gòu)如圖1所示。

圖1 知識(shí)面網(wǎng)絡(luò)體系的概念結(jié)構(gòu)

Clark教授敏銳地看到了知識(shí)與任務(wù)之間的區(qū)別和關(guān)系。他指出:任務(wù)通常能劃分成互不相交的任務(wù)子集，然而知識(shí)卻不能劃分成多個(gè)互不相干的知識(shí)子集。一項(xiàng)高等級(jí)網(wǎng)絡(luò)目標(biāo)不能通過對(duì)多個(gè)獨(dú)立功能 （分別對(duì)應(yīng)多個(gè)任務(wù)）的組合實(shí)現(xiàn)，相反，應(yīng)當(dāng)解析知識(shí)的內(nèi)涵，依據(jù)內(nèi)涵界定的要素及其關(guān)系確定功能和任務(wù)，最后對(duì)各個(gè)任務(wù)進(jìn)行多個(gè)層面、多種程度的有機(jī)關(guān)聯(lián)。

對(duì)于具有知識(shí)面的系統(tǒng)而言，其核心功能結(jié)構(gòu)具有閉環(huán)、學(xué)習(xí)和推理3個(gè)要素。閉環(huán)有3個(gè)不同能力等級(jí)的形式，即初級(jí)的“識(shí)別—解釋”環(huán)、中級(jí)的“識(shí)別—解釋—建議”環(huán)、高級(jí)的“識(shí)別—行動(dòng)”環(huán)。知識(shí)面中的“學(xué)習(xí)”和“推理”有兩個(gè)要義:學(xué)習(xí)環(huán)境、改進(jìn)自身。例如，針對(duì)安全的學(xué)習(xí)建立一種“透視”機(jī)制，發(fā)現(xiàn)隱藏在透明數(shù)據(jù)平面的惡意實(shí)體，進(jìn)而對(duì)行為、相關(guān)性和應(yīng)用需求進(jìn)行建模，推理則對(duì)現(xiàn)有知識(shí)進(jìn)行綜合并做出新的推斷和是否信任的判斷。

知識(shí)面定義的網(wǎng)絡(luò)結(jié)構(gòu)是功能性的，MIT的Li[3]進(jìn)一步給出了具體的知識(shí)面網(wǎng)絡(luò)結(jié)構(gòu)，創(chuàng)立了網(wǎng)絡(luò)知識(shí)面NetKP和高層SepcKP兩種知識(shí)面功能實(shí)體。其中，NetKP采用智能代理[4]的方法搜集較低等級(jí)的網(wǎng)絡(luò)狀態(tài)，從中提煉出有價(jià)值的信息并提供給SepcKP；SepcKP則基于NetKP提供的信息進(jìn)行路由優(yōu)化、性能優(yōu)化、網(wǎng)絡(luò)安全等較高等級(jí)操作，而這些較高等級(jí)操作的結(jié)果是導(dǎo)致較低等級(jí)的新狀態(tài)產(chǎn)生，因此兩者形成有機(jī)互動(dòng)的良性循環(huán)。

4 網(wǎng)絡(luò)功能的跨層交互機(jī)理

作為對(duì)信息進(jìn)行關(guān)聯(lián)融合的方法，知識(shí)面構(gòu)成網(wǎng)絡(luò)實(shí)現(xiàn)高等級(jí)目標(biāo)的重要機(jī)理，但并未涉及網(wǎng)絡(luò)功能的具體結(jié)構(gòu)形態(tài)，而當(dāng)前層次式網(wǎng)絡(luò)功能體系的現(xiàn)狀是:各個(gè)功能單元僅僅在相鄰層間的服務(wù)接入點(diǎn)（SAP）意義上相互關(guān)聯(lián)，各個(gè)非相鄰功能層之間相互隔離。對(duì)網(wǎng)絡(luò)功能的這種人為、主觀和硬性的關(guān)系劃分，加上每層自身的狀態(tài)信息對(duì)外不可見，均未考慮以自然的方式符合知識(shí)內(nèi)涵意義上功能和任務(wù)之間的有機(jī)關(guān)聯(lián)，結(jié)果一個(gè)功能單元無法得知其他單元的工作狀態(tài)，更不可能利用其他單元的工作狀態(tài)。顯然這種功能劃分結(jié)構(gòu)既未針對(duì)高等級(jí)網(wǎng)絡(luò)目標(biāo)的表達(dá)和實(shí)現(xiàn)，也無功能單元間協(xié)同工作的結(jié)構(gòu)性機(jī)制。

筆者認(rèn)為，網(wǎng)絡(luò)功能的分層不應(yīng)當(dāng)導(dǎo)致多個(gè)“孤軍作戰(zhàn)”功能和行動(dòng)的簡單組合，而應(yīng)當(dāng)是多個(gè)功能實(shí)體在多個(gè)層面上相互協(xié)同的“聯(lián)合作戰(zhàn)”。Thomas R W等人[5]于2005年首次提出認(rèn)知網(wǎng)絡(luò)（CN）的概念，2007年形成較為完整的體系[6]。CN強(qiáng)調(diào)通過全網(wǎng)認(rèn)知協(xié)同實(shí)現(xiàn)網(wǎng)絡(luò)端到端的目標(biāo)。認(rèn)知的概念源于生理學(xué)，指有意識(shí)或受意識(shí)支配的智能活動(dòng)；網(wǎng)絡(luò)認(rèn)知的概念則受到認(rèn)知無線電（CR）[7]的啟發(fā)，CR的核心思想是在無線環(huán)境中以類智能的方式實(shí)現(xiàn)頻譜優(yōu)化。從網(wǎng)絡(luò)體系結(jié)構(gòu)角度看，CR是僅涉及物理和鏈路兩個(gè)協(xié)議層的技術(shù)。與CR不同，CN將網(wǎng)絡(luò)認(rèn)知擴(kuò)展到所有協(xié)議層，其核心是網(wǎng)絡(luò)作為一個(gè)整體具備對(duì)業(yè)務(wù)要求、網(wǎng)絡(luò)資源和運(yùn)行狀態(tài)等的完整認(rèn)知能力，提出CN的動(dòng)因是用觀察、學(xué)習(xí)和行動(dòng)的智能活動(dòng)作為測量、關(guān)聯(lián)和應(yīng)對(duì)各類復(fù)雜變化的機(jī)制，從而滿足網(wǎng)絡(luò)端到端的目標(biāo)要求，實(shí)現(xiàn)網(wǎng)絡(luò)能力到應(yīng)用要求優(yōu)化匹配的目的。

網(wǎng)絡(luò)認(rèn)知的4個(gè)核心功能是觀察、分析、決策和行動(dòng)，如圖2所示，支持這4個(gè)功能的核心機(jī)理是全局感知機(jī)理、學(xué)習(xí)決策機(jī)理[8～10]和反饋控制機(jī)理。

多層關(guān)聯(lián)協(xié)同的核心是關(guān)聯(lián)協(xié)同感知，而跨層設(shè)計(jì)[11]又成為關(guān)聯(lián)協(xié)同感知的支持結(jié)構(gòu)。傳統(tǒng)的層次式網(wǎng)絡(luò)功能模型因其模塊化特征而極大地簡化了功能之間的耦合關(guān)系，但這種分層也導(dǎo)致應(yīng)用語義在垂直方向上的分割，從而難以將應(yīng)用端到端的目標(biāo)要求與網(wǎng)絡(luò)內(nèi)在的過程特征進(jìn)行有效關(guān)聯(lián)，使得網(wǎng)絡(luò)無法與端系統(tǒng)聯(lián)合支持應(yīng)用端到端的目標(biāo)要求。針對(duì)該問題，Srivastava和Motani提出了跨層設(shè)計(jì)這種新型的網(wǎng)絡(luò)功能分層模型，其結(jié)構(gòu)形態(tài)有3種基本類型:層間信令管道、層間直接通信和跨層平面，如圖3所示。層間信令管道結(jié)構(gòu)在協(xié)議數(shù)據(jù)單元頭部建立相鄰協(xié)議層之間的直接信令信道；層間直接通信結(jié)構(gòu)利用ICMP以全互連方式建立任意協(xié)議層之間的直接信令信道；跨層平面結(jié)構(gòu)則專門建立一個(gè)獨(dú)立于已有協(xié)議棧的共享數(shù)據(jù)集，每個(gè)協(xié)議層通過API訪問共享數(shù)據(jù)集以實(shí)現(xiàn)層間交互。跨層功能模型構(gòu)成認(rèn)知網(wǎng)絡(luò)全局感知能力的結(jié)構(gòu)性機(jī)理。

跨層設(shè)計(jì)的本質(zhì)是對(duì)應(yīng)用語義和網(wǎng)絡(luò)狀態(tài)進(jìn)行關(guān)聯(lián)，通過功能層之間的交互和協(xié)調(diào)機(jī)制，為支持網(wǎng)絡(luò)端到端的目標(biāo)要求設(shè)定網(wǎng)絡(luò)功能關(guān)聯(lián)協(xié)調(diào)的結(jié)構(gòu)性基礎(chǔ)。從網(wǎng)絡(luò)體系角度看，網(wǎng)絡(luò)功能的跨層交互消除了因垂直切割網(wǎng)絡(luò)功能而導(dǎo)致的應(yīng)用語義失真和阻斷；相反，它建立應(yīng)用語義能夠任意等價(jià)傳遞的邏輯通道，進(jìn)而從功能和結(jié)構(gòu)設(shè)計(jì)的源頭保證用戶數(shù)據(jù)的傳送要求和對(duì)網(wǎng)絡(luò)自身實(shí)施有效的控制。

認(rèn)知網(wǎng)絡(luò)通常采用跨層設(shè)計(jì)，一個(gè)網(wǎng)絡(luò)功能層通常不僅僅使用本層的信息，還使用其他層信息并與其他層進(jìn)行動(dòng)態(tài)交互，以智能的方式判斷狀態(tài)是否為最優(yōu)，并采取行動(dòng)改變網(wǎng)絡(luò)單元協(xié)議棧的配置等。

5 分布式合作感知機(jī)理

合作感知是諸多分布化的網(wǎng)絡(luò)功能實(shí)體協(xié)同工作，以實(shí)現(xiàn)網(wǎng)絡(luò)全局目標(biāo)的機(jī)制。每個(gè)承載某種功能的個(gè)體在自身所處的局部環(huán)境中收集本地狀態(tài)和信息，而合作感知機(jī)制則對(duì)所有局部信息進(jìn)行多等級(jí)的綜合，將綜合結(jié)果反饋給每個(gè)個(gè)體，指導(dǎo)眾個(gè)體做出局部判斷并實(shí)施局部操作，從而使得局部判斷和操作在整體上表現(xiàn)為實(shí)現(xiàn)全局目標(biāo)的全局性行為，進(jìn)一步構(gòu)成網(wǎng)絡(luò)做出結(jié)構(gòu)調(diào)整的重要條件。

圖3 跨層設(shè)計(jì)的3種結(jié)構(gòu)形態(tài)

環(huán)境或狀態(tài)信息具有時(shí)間和空間的固有特征，因而合作感知具有時(shí)間和空間兩種意義。

時(shí)間意義上，指在時(shí)間區(qū)段與感知實(shí)體之間建立對(duì)應(yīng)關(guān)系，各個(gè)感知實(shí)體獨(dú)立地獲取相應(yīng)時(shí)間區(qū)段的環(huán)境或狀態(tài)信息Il(Δt)，然后由匯集機(jī)制將各個(gè)區(qū)段的局部信息進(jìn)行合并，最終綜合歸納形成全局信息 Ig(ΔT)并反饋（ΔT>Δt），基本原理如圖4所示，原理式為:

圖4 時(shí)域合作感知基本原理

空間意義上，在空間域與感知實(shí)體之間建立對(duì)應(yīng)關(guān)系，各個(gè)感知實(shí)體獨(dú)立地獲取相應(yīng)空間范圍的環(huán)境或狀態(tài)信息Jl(a)，然后由匯集機(jī)制將各個(gè)子空間的局部信息合并歸納成全局信息Jg(A)并反饋，基本原理如圖5所示，原理計(jì)算式為:

圖5 空域合作感知基本原理

6 分布式智能機(jī)理

分布式協(xié)同是自然適應(yīng)分布式問題的解決方法，驅(qū)動(dòng)分布式協(xié)同的核心是分布式智能。網(wǎng)絡(luò)路由問題是一個(gè)典型的分布式問題，其目標(biāo)是在最大化性能、最小化代價(jià)的約束下指導(dǎo)流量。確定優(yōu)化路由的一般性問題可表述為“在非平穩(wěn)隨機(jī)環(huán)境中的約束性目標(biāo)優(yōu)化”，除了性能最大化和代價(jià)最小化，對(duì)網(wǎng)絡(luò)路由的其他約束有基礎(chǔ)網(wǎng)絡(luò)的交換和傳輸技術(shù)、條件等。

蟻群算法[12,13]是一種群智能算法[14,15]，以完全分布的方式實(shí)現(xiàn)組合優(yōu)化的功能結(jié)構(gòu)，即一群有特定合作意向和目標(biāo)的個(gè)體，通過信息素機(jī)制探索問題的狀態(tài)空間，實(shí)施相互激勵(lì)式的交互與合作，最終在蟻群的整體層面表達(dá)問題的最優(yōu)解。

被傳遞數(shù)據(jù)所經(jīng)路徑的特征是網(wǎng)絡(luò)實(shí)際服務(wù)效果的基礎(chǔ)。路徑至少有拓?fù)浜托阅軆蓚€(gè)基本內(nèi)涵。拓?fù)涫锹窂降撵o態(tài)特征，在拓?fù)湟饬x下，最短路徑指靜態(tài)拓?fù)涠攘浚ㄈ缣鴶?shù)等）取值最小的路徑，當(dāng)前互聯(lián)網(wǎng)所依賴的IP網(wǎng)絡(luò)路徑主要是拓?fù)湟饬x的。相對(duì)而言，性能意義下的最短路徑則指某個(gè)性能度量取值最優(yōu)（如時(shí)延最小、吞吐率最大等）的路徑，顯然，性能構(gòu)成路徑的動(dòng)態(tài)特征。比較而言，拓?fù)湟饬x路徑的特征隨網(wǎng)絡(luò)拓?fù)涞淖兓兓負(fù)渥兓ǔＪ禽^大尺度的，性能意義路徑的特征則會(huì)隨數(shù)據(jù)傳遞實(shí)際效果的變化而變化，性能通常在較小尺度上發(fā)生變化。基于蟻群算法針對(duì)的正是性能意義的網(wǎng)絡(luò)路徑。

作為全新的激勵(lì)式交互通信機(jī)制，信息素對(duì)于蟻群合作尋優(yōu)起到以下5個(gè)重要作用。

（1）標(biāo)記

每個(gè)螞蟻個(gè)體通過釋放信息素表達(dá)其經(jīng)歷，因此信息素本質(zhì)上是對(duì)全局路徑瞬時(shí)狀態(tài)的記錄、表達(dá)和通告。個(gè)體k在一個(gè)節(jié)點(diǎn)上釋放的信息素的量Δτk與當(dāng)前節(jié)點(diǎn)i到目的節(jié)點(diǎn)d的距離lid和經(jīng)歷的時(shí)延did成反比[16]，即:

（2）累計(jì)

位置i處的信息素τijd(t)表示在t時(shí)刻從 i到達(dá) j最終去往d的所有個(gè)體所釋放的信息素累計(jì)值，即:

這樣，表面上隨機(jī)形成的信息素強(qiáng)度的分布自然地表達(dá)了網(wǎng)絡(luò)路徑長度的內(nèi)在特征。

（3）引導(dǎo)

信息素構(gòu)成個(gè)體在任何位置選擇本地路徑而繼續(xù)前行的直接依據(jù)。

（4）放大

信息素濃度正確表達(dá)了路徑的質(zhì)量水平，如路徑的長或短。較高濃度的信息素會(huì)在未來吸引較多個(gè)體訪問（即歷經(jīng)），其結(jié)果又會(huì)進(jìn)一步增大信息素的濃度，形成放大吸引作用的正反饋效應(yīng)。

（5）辟新

信息素會(huì)自然揮發(fā)，從而形成鼓勵(lì)蟻群開辟新徑的有效機(jī)制:

其中，c為信息素?fù)]發(fā)系數(shù)，典型地，c=1/(1+Δτk(s))。

信息素最終用于對(duì)路由表的修改。依據(jù)對(duì)本地路徑“個(gè)別加強(qiáng)—普遍減弱”的原則，通過信息素突出表現(xiàn)被選擇的下一節(jié)點(diǎn)。對(duì)路由修改的結(jié)果是累加被選擇節(jié)點(diǎn)的信息素并減小未被選擇節(jié)點(diǎn)的信息素。對(duì)于去往目的節(jié)點(diǎn)d的第k個(gè)螞蟻個(gè)體而言，如果它在節(jié)點(diǎn)i選擇i的鄰居q作為下一個(gè)要到達(dá)的節(jié)點(diǎn)，則分別通過下述兩個(gè)規(guī)則修改路由表:

十九大報(bào)告指出，“不敢腐的目標(biāo)初步實(shí)現(xiàn)，不能腐的籠子越扎越牢，不想腐的堤壩正在構(gòu)筑，反腐敗斗爭壓倒性態(tài)勢已經(jīng)形成并鞏固發(fā)展”[1]P8。要真正構(gòu)筑起“不想腐的堤壩”，根本上還要通過加強(qiáng)全黨理想信念教育和思想理論學(xué)習(xí)，通過思想理論學(xué)習(xí)不斷強(qiáng)化馬克思主義理論素養(yǎng)，堅(jiān)定共產(chǎn)黨人的理想信念，增強(qiáng)中國特色社會(huì)主義道路自信、理論自信、制度自信、文化自信。因此，要堅(jiān)持以思想建設(shè)為引領(lǐng)，為全面從嚴(yán)治黨向縱深發(fā)展提供科學(xué)理論指引和強(qiáng)大思想武器。

美國中佛羅里達(dá)大學(xué)的Gelenbe E教授[17]于1999年提出了一種基于蟻群分布式智能的具體網(wǎng)絡(luò)結(jié)構(gòu)——認(rèn)知分組網(wǎng)絡(luò)（cognitive packet network，CPN），它具有如下 3個(gè)顯著特征。

·針對(duì)具有 QoS要求的流。

·將路由計(jì)算轉(zhuǎn)交給流，由流為自己選路，其結(jié)果是網(wǎng)絡(luò)節(jié)點(diǎn)不再具有“路由表”，而僅具有學(xué)習(xí)路由的強(qiáng)化學(xué)習(xí)算法。

·創(chuàng)立了3種全新的分組類型:稱為智慧分組（smart packet，SP）的前向分組（沿源到目的方向運(yùn)動(dòng)），為一個(gè)流確定完整的路徑；稱為應(yīng)答分組（ACK packet，AP）的反向分組（沿目的到源方向運(yùn)動(dòng)），負(fù)責(zé)反向帶回路徑信息和測量數(shù)據(jù)；稱為啞分組（dumb packet，DP）的前向分組，以源路由方式承載應(yīng)用數(shù)據(jù)。

每個(gè)SP均有自己特定的性能、代價(jià)、安全等目標(biāo)，攜帶一段旨在與網(wǎng)絡(luò)節(jié)點(diǎn)交互(對(duì)話)的代碼，而支持網(wǎng)絡(luò)節(jié)點(diǎn)與智慧分組交互的功能實(shí)體是郵箱(mailbox)，郵箱內(nèi)存儲(chǔ)表示QoS狀態(tài)的信息素。每到達(dá)一個(gè)節(jié)點(diǎn)，SP以較大概率理性地（即通過學(xué)習(xí)算法）自我做出選路決策，而以較小概率(如5%)隨機(jī)選路。SP與網(wǎng)絡(luò)節(jié)點(diǎn)之間的具體交互操作包括:讀取郵箱和自身目標(biāo)、運(yùn)行自適應(yīng)學(xué)習(xí)算法、計(jì)算并決定下一跳、累積存儲(chǔ)經(jīng)歷的路由信息和QoS信息。每次交互完成后，SP將所測量的信息（如經(jīng)歷的路徑和QoS狀態(tài)等）存入自身的特定字段。

當(dāng)SP到達(dá)目的節(jié)點(diǎn)后，自動(dòng)“變身”為一個(gè)對(duì)應(yīng)的反向AP分組，SP將自身攜帶的路由信息和QoS信息轉(zhuǎn)移到該AP。AP反向沿SP經(jīng)歷路由（未必是最短路由）折回源節(jié)點(diǎn)。每經(jīng)歷一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)就將其攜帶的QoS信息存儲(chǔ)在該網(wǎng)絡(luò)節(jié)點(diǎn)的郵箱內(nèi)。到達(dá)源節(jié)點(diǎn)后，再將其攜帶的全程路由信息存儲(chǔ)在源節(jié)點(diǎn)的啞分組路由表（DPRR）中，一個(gè)“源—目的地址”源組在DPRR表中可有多個(gè)表項(xiàng)，通常只有一個(gè)表項(xiàng)對(duì)應(yīng)“最短路徑”。

DP從DPRR中選擇最晚創(chuàng)建的表項(xiàng)作為自己的 “源路由”，在從源到目的的途中仍然收集QoS信息，到達(dá)目的后變身為一個(gè)反向的啞應(yīng)答分組（DACK），DP將其收集的狀態(tài)信息轉(zhuǎn)移到DACK中，該DACK再折回源節(jié)點(diǎn)，在折回途中將時(shí)間信息存儲(chǔ)在每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的郵箱，并更新源節(jié)點(diǎn)的DPRR。

與協(xié)議驅(qū)動(dòng)和拓?fù)潋?qū)動(dòng)的“網(wǎng)絡(luò)為應(yīng)用選路”的傳統(tǒng)路由相比，CPN使用的是非協(xié)議驅(qū)動(dòng)、非拓?fù)潋?qū)動(dòng)的“自我路由”。自我路由的目標(biāo)是計(jì)算性能意義的動(dòng)態(tài)路由，采用的機(jī)理是“探索—引領(lǐng)”，即引入 SP、AP和 DP，其中SP和AP是進(jìn)行主動(dòng)尋路的信令分組，DP則使用SP和AP計(jì)算出的“新鮮”路由信息傳送應(yīng)用數(shù)據(jù)，從而使得應(yīng)用數(shù)據(jù)動(dòng)態(tài)和最大程度地沿QoS意義的最佳路徑傳送。

CPN為SP設(shè)定了多種不同的學(xué)習(xí)算法計(jì)算路由。Bang-Bang[18]是其中較為簡單的一種學(xué)習(xí)算法。每當(dāng)SP到達(dá)一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)，就運(yùn)行該算法進(jìn)行本地選路:從節(jié)點(diǎn)郵箱中讀取歷史信息，分別計(jì)算某個(gè)QoS指標(biāo)量的均值X及其估計(jì)X*，若X*

比較Tk-1和Rk，根據(jù)比較結(jié)果同時(shí)調(diào)整與輸出鏈路對(duì)應(yīng)的RNN節(jié)點(diǎn)的興奮或抑制權(quán)值w+/w-以及所有其他輸出鏈路所對(duì)應(yīng)RNN節(jié)點(diǎn)的興奮或抑制權(quán)值，根據(jù)所有RNN節(jié)點(diǎn)調(diào)整后的興奮或抑制權(quán)值w+/w-計(jì)算每個(gè)節(jié)點(diǎn)的點(diǎn)火率ri，對(duì)每個(gè)節(jié)點(diǎn)的ri進(jìn)行歸一化得到 r*，用歸一化的點(diǎn)火率r*計(jì)算每個(gè)RNN節(jié)點(diǎn)的興奮程度qi，最后用興奮度qi作為選擇輸出鏈路i的概率。

各種學(xué)習(xí)算法都表現(xiàn)為在空間上隨機(jī)分布的諸多個(gè)體通過個(gè)體智能在問題空間的一個(gè)子空間上求解。具體地說，蟻群個(gè)體的智能表現(xiàn)為依據(jù)局部規(guī)則進(jìn)行局部計(jì)算，以與鄰近個(gè)體進(jìn)行交互的方式進(jìn)行局部合作。令人驚奇的是，雖然每個(gè)個(gè)體都不能僅靠自己發(fā)現(xiàn)全局意義的最優(yōu)路由，但蟻群團(tuán)隊(duì)卻能準(zhǔn)確地計(jì)算出該最優(yōu)路由，即眾多個(gè)體局部計(jì)算和局部合作反映在蟻群整體上產(chǎn)生全然不同的全局行為和結(jié)果——涌現(xiàn)[20]，整體層面的涌現(xiàn)與微觀的局部計(jì)算之間表現(xiàn)為難以解析表達(dá)的非線性關(guān)系，涌現(xiàn)精確刻畫了復(fù)雜的非線性整體問題的最優(yōu)解，因而研究分布式智能的目的是尋找個(gè)體間通過局部關(guān)聯(lián)、合作和自組織而發(fā)生涌現(xiàn)的微觀工作機(jī)理、運(yùn)動(dòng)形式和組織結(jié)構(gòu)。

7 結(jié)束語

IP因具備網(wǎng)際互聯(lián)、語義透明、簡單健壯等優(yōu)質(zhì)特性而被公認(rèn)為當(dāng)今和可預(yù)見的未來信息網(wǎng)絡(luò)基本的數(shù)據(jù)傳送模式，然而將IP作為單一的基礎(chǔ)傳送模式建立可重構(gòu)網(wǎng)絡(luò)卻成為一個(gè)挑戰(zhàn)。本文首先說明了重構(gòu)方式應(yīng)當(dāng)服務(wù)于效果與要求“一致匹配”這一核心目標(biāo)，揭示了柔性重構(gòu)為達(dá)到該目標(biāo)應(yīng)當(dāng)具備的漸變跟隨特征，接著分別從知識(shí)驅(qū)動(dòng)和功能結(jié)構(gòu)、網(wǎng)絡(luò)功能的跨層交互、分布式合作感知和分布式智能4個(gè)方面，論述了支持網(wǎng)絡(luò)結(jié)構(gòu)柔性的工作機(jī)理和內(nèi)在結(jié)構(gòu)。受性能約束的路由既是分組交換網(wǎng)絡(luò)保證數(shù)據(jù)傳送質(zhì)量的一個(gè)要素，也因其具有的小尺度和高度動(dòng)態(tài)性成為一個(gè)難點(diǎn)，對(duì)于性能約束路由這類小尺度非線性優(yōu)化問題，本文強(qiáng)調(diào)了采用蟻群優(yōu)化算法這種能夠在求解單元團(tuán)隊(duì)的層面上以“涌現(xiàn)”的形式表達(dá)最優(yōu)解的全分布式機(jī)理，該機(jī)理對(duì)于求解動(dòng)態(tài)、分布式和非線性問題具有很強(qiáng)的針對(duì)性和有效性。

網(wǎng)絡(luò)結(jié)構(gòu)的柔性可以也應(yīng)該具有全新且有益的觀察視角。對(duì)于重構(gòu)網(wǎng)絡(luò)而言，從柔性的漸變跟隨這一核心特征出發(fā)，可以并且也有理由將承載流量的網(wǎng)絡(luò)結(jié)構(gòu)和被承載的流量視為能動(dòng)的主體，即結(jié)構(gòu)和流量都可以自主地進(jìn)行自我調(diào)節(jié)而趨近它們各自或共同的目標(biāo)。對(duì)能動(dòng)主體的這種認(rèn)定表達(dá)了有區(qū)別的網(wǎng)絡(luò)要素角色的觀點(diǎn)，而多要素角色意義的能動(dòng)式自我調(diào)節(jié)則是網(wǎng)絡(luò)結(jié)構(gòu)漸變跟隨性質(zhì)的高級(jí)形式。

在網(wǎng)絡(luò)多要素能動(dòng)調(diào)節(jié)的意義下，具備柔性的可重構(gòu)網(wǎng)絡(luò)的邏輯結(jié)構(gòu)可以分為如下3種基本形態(tài)。

第一，“上適應(yīng)”形態(tài)。這是一種以網(wǎng)絡(luò)結(jié)構(gòu)為單一動(dòng)力學(xué)要素的動(dòng)力學(xué)系統(tǒng)形態(tài)，即網(wǎng)絡(luò)結(jié)構(gòu)具備調(diào)節(jié)自身能動(dòng)性的能力而流量不具備。根據(jù)預(yù)定的優(yōu)化目標(biāo)，網(wǎng)絡(luò)結(jié)構(gòu)實(shí)時(shí)測量它對(duì)流量的實(shí)際承載效果與預(yù)定目標(biāo)之間的差別，當(dāng)該差別穩(wěn)定呈現(xiàn)后，用該差別驅(qū)動(dòng)自身結(jié)構(gòu)的調(diào)整，以實(shí)現(xiàn)差別的最小化。

第二，“下適應(yīng)”形態(tài)。這是一種以網(wǎng)絡(luò)流量為單一動(dòng)力學(xué)要素的動(dòng)力學(xué)系統(tǒng)形態(tài)，即網(wǎng)絡(luò)流量具備調(diào)節(jié)自身能動(dòng)性的能力而網(wǎng)絡(luò)結(jié)構(gòu)不具備。根據(jù)預(yù)定的優(yōu)化目標(biāo)，網(wǎng)絡(luò)流量實(shí)時(shí)測量它的運(yùn)動(dòng)軌跡或分布所對(duì)應(yīng)的實(shí)際承載效果，再測量該效果與預(yù)定目標(biāo)之間的差別，然后由穩(wěn)定的差別驅(qū)動(dòng)對(duì)流量運(yùn)動(dòng)軌跡或分布進(jìn)行調(diào)整，以實(shí)現(xiàn)差別的最小化。

第三，“雙適應(yīng)”形態(tài)。這是一種同時(shí)以結(jié)構(gòu)和流量為雙重動(dòng)力學(xué)要素的動(dòng)力學(xué)系統(tǒng)形態(tài)，此時(shí)，具有共同目標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu)和流量均具備調(diào)節(jié)自身能動(dòng)性的能力。與“下適應(yīng)”和“上適應(yīng)”形態(tài)不同的是，除了各自的內(nèi)在動(dòng)力學(xué)機(jī)制外，“雙適應(yīng)”形態(tài)需要一種特殊的交互機(jī)制，這種交互機(jī)制使得結(jié)構(gòu)和流量中的任何一方可以向?qū)Ψ絺鬟f特定狀態(tài)的當(dāng)前值和（或）期望值，同時(shí)還可以從對(duì)方得到調(diào)節(jié)自身所需的特定狀態(tài)的當(dāng)前值和（或）期望值，進(jìn)而通過決策決定自身后續(xù)的動(dòng)力學(xué)行為。由此可以說，交互機(jī)制作用下的聯(lián)動(dòng)與協(xié)同構(gòu)成雙適應(yīng)這一能動(dòng)形態(tài)的本質(zhì)特征。

由于具備“雙向趨同”的獨(dú)特性質(zhì)，這種雙能動(dòng)體系結(jié)構(gòu)的聯(lián)動(dòng)與協(xié)同應(yīng)當(dāng)比單一能動(dòng)形態(tài)更有利于共同目標(biāo)的實(shí)現(xiàn)。當(dāng)然，這種理念的內(nèi)涵和表現(xiàn)形式還有待進(jìn)一步完善、細(xì)化，其有效性也需要進(jìn)一步的驗(yàn)證。

蟻群算法也存在值得深入研究的問題，具體如下。

·結(jié)構(gòu)形式，包括蟻群規(guī)模、每個(gè)原發(fā)節(jié)點(diǎn)產(chǎn)生螞蟻個(gè)體的概率或速度、網(wǎng)絡(luò)狀態(tài)對(duì)蟻群規(guī)模的影響等。

·行為模式，包括估計(jì)蟻群對(duì)計(jì)算路由所需的條件、求解算法，蟻群對(duì)網(wǎng)絡(luò)性能產(chǎn)生的影響以及這種影響對(duì)蟻群計(jì)算模型的反饋效應(yīng)等。

·行為模式對(duì)結(jié)構(gòu)形式的作用方式，即路由計(jì)算效果和對(duì)性能的影響如何改變蟻群的規(guī)模，比如如何定位恰好找到最佳路徑所對(duì)應(yīng)的蟻群規(guī)模，從而使蟻群對(duì)網(wǎng)絡(luò)帶寬的耗費(fèi)最小。

·蟻群算法收斂速度的提高。收斂速度受蟻群算法中諸多要素的制約，如螞蟻個(gè)體的生成模式、信息素的定義及其累積方式、對(duì)個(gè)體隨機(jī)操作的定義、對(duì)信息素?fù)]發(fā)的定義等。快速收斂的蟻群算法因更強(qiáng)的敏感性而更適于高度動(dòng)態(tài)和小尺度問題的優(yōu)化，更具實(shí)時(shí)性。

1 劉強(qiáng)，汪斌強(qiáng)，徐恪.基于構(gòu)件的層次化可重構(gòu)網(wǎng)絡(luò)構(gòu)建及重構(gòu)方法.計(jì)算機(jī)學(xué)報(bào),2010,33(9):1557～1568

2 Clark D D,Partridge C,Ramming J C,et al.A knowledge plane for the internet.Proceedings of ACM SigComm 2003,Karlruhe,Germany,August 2003

3 LiJ.Agent Organization in the Knowledge Plane.Ph D Dissertation,MIT,2008

4 Russell S,Norvig P.Artificial Intelligence:a Modern Approach,Second Edition.Prentice Hall,2002

5 Thomas R W,Dasilva L A,Mackenzie A B.Cognitive Networks.Proceedings of IEEE DySPAN 2005,2005:352～360

6 Thomas R W.Cognitive Networks.Ph D Dissertation,Virginia Polytechnic Institute and State University,June 2007

7 Mitola J.Cognitive Radio:an Integrated Agent Architecture for Software Defined Radio.Ph D Thesis,Royal Institute of Technology,2000

8 That hacharm M A L,SastryP S.Networks of Learning Automata.Kluwer,2004

9 Sutton R S.Learning to predict the methods of temporal difference.Machine Learning,1988(3):9～44

10 Kaelbling L,Littman M,Moore A.Reinforcement learning:a survey.Journal of Articial Intelligence Research,1996(4):237～285

11 Srivastava V,Motani M.Cross-layer design:a survey and the road ahead.IEEE Communication Magazine,2005,43(12):112～119

12 Colorni A,Dorigo M,Maniezzo V.Distributed optimization by ant colonies.Proceedings of ECAL'91,European Conference on Artificial Life,Elsevier Publishing,Amsterdam,1991

13 Schoonder W R,Holland O,Bruten J,et al.Ant-based load balancing in telecommunications networks.Adaptive Behavior,1996,5(2):169～207

14 Reynolds C.Flocks,birds and schools:a distributed behavioral model.Computer Graphics,1987(21):25～34

15 Toner J,Tu Y.Flocks,herds and schools:a quantitative theory of floking.Physical Review E,1998(58):4828～4858

16 Schoonder W R,Holland O,Bruten J,et al.Ant-like agents for load balancing in telecommunications networks.Proceedings of the First International Conference on Autonomous Agents,ACM Press,1997:209～216

17 Gelenbe E,Xu Z,Seref E.Cognitive packet networks.Proceedings of the 11th International Conference on Tools with Artificial Intelligence(ICTAI’99),Chicago,IL,USA,1999:47～54

18 Gelenbe E,Seref E,Xu Z.Simulation with learning agents.Proceedings of the IEEE,2001,89(2):148～157

19 Gelenbe E.Learning in the recurrent random neural network.Neural Computation,1993,5(1):154～164

20 Chu T,Wang L,Chen T,et al.Self-organized motion in a class of anisotropic swarms:convergence vs oscillation.Chaos,Solitons&Fractals,2006,30(4):875～885