基于模糊邏輯控制器的通信端口流量控制仿真

龔萬煒,邢 軍

(1. 閩南科技學院光電信息學院,福建 泉州 362332;2. 大連工業大學信息科學與工程學院,遼寧 大連 116034)

1 引言

網絡智能化狀態下5G移動通信[1]早已普及。同時,5G移動通信網絡巨大的工作量,也頻繁出現流量擁堵問題[2],導致信息無法高效發送和接收,5G移動通信網絡易出現崩潰現象。隨著高速網絡的普及及應用,網絡在5G移動通信下傳輸量日益增多,流量控制就成了當前時代下的重要研究問題。流量控制主要分為多種動態實施機制,可以有效掌握業務流在5G通信中的運行狀態,有利于流量資源的分配。

根據這一優勢,研究5G移動通信多端口并行流量控制方法逐漸成為熱點話題。例如:閆偉[3]等人提出基于數據分類和最小時延的LWA網絡流量控制算法,該方法為了可以有效提升網絡傳輸速率,首先對網絡傳輸數據實施了分類處理,從中選擇時延最小的網絡傳輸流量,利用該流量向時延敏感數據傳輸,而不敏感數據則傳輸到時延較大的網絡內,以此完成流量控制,該方法的分類效果不明顯,存在平均延時高的問題。田鶴[4]等人提出基于網絡流的嵌入式互聯網中流量控制與優化方法,該方法利用建立的流量控制模型對互聯網流量開展控制,并采用粒子群算法對該模型中的最大流函數優化,達到控制網絡流量優化的目的,以此實現對網絡流量的控制及優化,該方法控制性能差,存在CPU占用率高的問題。李貝貝[5]等人提出鐵路客票系統響應式流量控制策略研究方法,該方法首先詳細分析了鐵路客站的業務模式,針對分析結果以響應式流量控制方法為主,提出相應的流量控制策略,利用該策略對多種方面的流量實行控制,令網絡業務流量保持平衡,實現流量控制,該方法的分析結果不夠完善,存在控制效果差的問題。

5G移動通信具有高速率、低時延和大連接特點,但由于當前通信端口輸入流量的速率和流量分配緩沖區大小還無法實現最優配置,導致通信端口流量易出現過高或過低的問題,影響網絡數據傳輸效率。為了解決此問題,本文提出一種新的5G移動通信多端口并行流量控制方法。

2 5G移動通信多端口性能建模

設定在5G移動通信多端口需要傳輸出去的數據幀由m標記,而5G移動通信多端口中最多存有N個數據幀,數據幀在5G移動通信多端口內傳輸期間會出現傳輸出錯及數據幀丟失的問題,出現這種問題的概率為p。當5G移動通信多端口數據幀傳輸時傳輸時延為ta,那么數據幀在多端口數據鏈路的發送端及接收端的輸送時延就表示tp,數據幀在接收端中獲取數據后產生的處理時延表示tpr。

多端口內若數據幀的傳輸流程為連續發送[6,7],那么數據幀與數據輸送時間就會發生重疊。設置數據幀傳輸時時間重疊系數表示β,令其滿足0≤β1<1的條件,當重疊時間為β1=0時,表示在5G移動通信多端口中只能有唯一的數據幀在鏈路內傳輸。設置5G移動通信多端口信道的傳輸時間屬于瞬間傳送,而在多端口鏈路內,數據幀在傳輸期間的時間由下述公式表達式定義而成

t4=ta+tp+tpr

(1)

式中,t4表示傳輸時間。

式(1)代表5G移動通信數據幀從多端口的發送端到接收端的傳輸時間,而數據幀從接收端到發送端的輸送時間表達式定義為:t5=tb+tpr。式中,tb表示數據幀發送時延。

假設在5G移動通信多端口中,有m個數據幀劃分成了n個移動端口,那么每個端口所傳輸的數據幀所消耗的時間定義為:t6=xt4+t5。式中,x表示數據幀個數。

根據以上計算的不同數據幀在5G移動通信多端口中的發送端時間,在時間重疊情況下,利用下式計算出輸送m個數據幀所消耗的時間,定義為

tF=n(t6-β1t6)=mt4+nt5-n+β1t6

(2)

式中,β1表示時間重疊系數,tF表示多個數據幀傳輸時所消耗的時間。

若數據幀在5G移動通信多端口傳輸時會出現數據丟失或出錯的問題,那么就要在移動端口中重新上傳數據幀,并在移動窗口中確認,且重傳次數無限制,那么m個數據幀在發送時所消耗的時間定義如下

(3)

式中,T′表示數據幀傳輸耗時,i表示常數,pi表示數據幀出錯及丟失概率。

通過上述分析計算,可知在一定的單位時間內,5G移動通信多端口可以輸送出較多的數據幀,且傳輸速率高。若數據幀傳輸過程中出現出錯或丟失問題,可以連續重新上傳需要傳輸的數據幀,這時5G移動通信端口傳輸單一數據幀時,傳輸時間就為:tH=x(t4+t5)。式中,tH表示數據輸送到下一個端口的傳輸時間。

(4)

根據數據幀在通信信道中的傳輸時延,可知5G移動通信多端口的傳輸性能較高,具有較強的通信傳輸優勢,基于這一特點分配5G移動通信多端口并行流量。

3 5G移動通信多端口并行流量控制

3.1 流量分配

由此可知,帶寬和跳數在5G移動通信多端口中占據著重要地位。5G移動通信多端口數據幀的傳輸時延及丟包率[8,9]均與帶寬成反比。跳數可以有效的對5G移動通信多端口并行流量的資源消耗效果產生反應,數據幀經過跳數時,跳數越大資源消耗越多。

基于5G移動通信多端口性能分析,設置LSP的平均時延表示Tk,跳數定義為Nk,那么并行流量在多端口鏈路中的分配準則ik就表示為:ik=Tk×Nk,此時的代價函數表述如下

(5)

式中,λk為約束條件。當分配并行流量時,F有了變小趨勢,那么就表明LSP鏈路中的跳數是固定不變的,以此就可以通過F最小原則對5G移動通信多端口并行流量開展分配處理[10,11]。因此在LSP平均時延相等的情況下,并行流量跳數越少的,則被最先分配,以此達到降低資源占用的目的。

(6)

通過以上研究,對5G移動通信多端口并行流量的分配流程如下所示:

1)按照5G移動通信多端口鏈路的初始化狀態,設立分配因子為Tk,0=Ck/CT,其中Ck標記鏈路容量,CT標記鏈路總容量,Tk,0代表分配因子。

2)依據5G移動通信多端口性能分析,計算出數據時延分組,獲取平均時延。

3)從LSP鏈路中得出第j時刻的平均時延為Tk,j,將Tk,j與Tk,j相對應的跳數Nk乘積后得出鏈路資源參數Rk,j,并對其從大到小依次排序。操作完成后選取Rk,j的最大值與最小值為一組,而次大值與次小值為第二組,以此將最大值Max(Rk,j)分配到Min(Rk,j)中,形成流量Um。反復重復此操作,每對分配后的并行流量都為U,再從U中生成出新的一組,更新為Tk,j,完成對并行流量的分配。

4)每隔1個延時測量間隔后,返回到第2)步驟直接執行,直至全部分配完成后結束,至此實現流量的分配。

3.2 并行流量控制

通過對5G移動通信多端口鏈路并行流量的分配,建立模糊邏輯控制器[12,13]對各條鏈路中的并行流量控制,以此減小網絡流量擁堵。

模糊邏輯控制器主要有兩部分組成,一部分為FCAC(模糊連接受理控制),另一部分為IUPC(智能用法參數控制)。模糊邏輯控制器FLC將網絡擁塞控制及流量控制相融合,具有控制性強的特點。

根據并行流量在各個鏈路中的分配結果,將FLC劃分成兩個控制部分,一種為用戶發出請求后FCAC需盡快響應連接請求,確定鏈路流量、網絡參數及資源,另一種為IUPC監管FCAC可以連接的并行輸入流量,可以在鏈路中選擇性的丟棄并行流量及信元,達到均衡網絡并行流量的目的[14,15]。

將流量連接數Ni、ρi及γi用作FLC的輸入,這時5G移動通信多端口并行流量所需帶寬CFUZZY的模糊近似值就表示為

(7)

式中,L表示不同流量參數,i表示并行流量源。

基于模糊控制器FLC的輸入結果,得出最佳模糊準則,利用FLC對5G移動通信多端口分配后的并行流量控制后,其最終輸出結果為

(8)

根據FLC的輸出結果,取得5G移動通信多端口網絡擁堵反饋情況,并利用模糊邏輯控制器判斷是否需要丟棄或標記輸入的違約流量信元,從而完成對5G移動通信多端口并行流量的控制。

4 實驗與分析

為了驗證5G移動通信多端口并行流量控制方法的整體有效性,需要對該方法開展實驗對比測試。

通過研究提出的5G移動通信多端口并行流量控制方法(研究方法)、文獻[3]提出的基于數據分類和最小時延的LWA網絡流量控制方法和文獻[4]提出的基于網絡流的嵌入式互聯網中流量控制與優化方法開展對比測試。

為了能夠驗證研究方法、基于數據分類和最小時延的LWA網絡流量控制方法和基于網絡流的嵌入式互聯網中流量控制與優化方法的控制效果,設定在5G移動通信多端口中引入20條鏈路,并將并行流量分配到各個鏈路中,根據分配結果測試流量在CPU中的占用率,其測試結果如圖1所示。

圖1 CPU占用率測試

根據圖1中的數據可知,本次測試選取的并行流量為2500Mbs,將其分配到各個鏈路后,研究方法在整個CPU中的占用率要低于文獻方法,且整體占用率不超過CPU的一半,可見研究方法的控制性能強。

流量分配到每條鏈路后,會隨著鏈路數的增加,導致總端口平均帶寬產生變化。鏈路數增加后,若總端口平均帶寬的運動趨勢較平緩,就說明流量在鏈路中處于穩定狀態,沒有發生鏈路擁堵的問題。根據這一特點,對總端口平均帶寬開展實驗對比測試,驗證三種方法的流量控制效果,具體測試結果如圖2所示。

圖2 總端口平均帶寬對比測試

分析圖2中的數據可知,鏈路數不斷增加的情況下,研究方法的總端口平均帶寬運動軌跡保持著平穩上升的變化,說明鏈路條數增加后流量在各條鏈路中依然保持穩定狀態,且沒有鏈路擁塞,證明研究方法的控制效果好。

鏈路數在5G移動通信多端口中增加后,各個鏈路的流量端口帶寬最大利用率會隨之提升,針對這一特性,利用三種方法對端口帶寬最大利用率及流量平均延時實行測試,根據測試結果側面反映出三種控制方法的優劣。

依據圖3與圖4的測試結果,可以明顯看出研究方法的端口帶寬最大利用率最高、而流量的平均延時最低,充分體現出研究方法的控制性能最優。這是因為研究方法對5G移動通信多端口并行流量實行分配處理,以此解決了多端口并行流量出現的擁塞問題,為5G移動通信多端口并行流量控制奠定了重要基礎,大大地提升了整體控制性能,因此研究方法的端口帶寬最大利用率最高、平均延時最低。

圖3 端口帶寬最大利用率測試

圖4 平均延時測試

5 結束語

本研究提出5G移動通信多端口并行流量控制方法。優先分析了5G移動通信多端口性能,基于此分配5G移動通信多端口并行流量,達到降低網絡流量擁堵的目的,進而利用建立的模糊邏輯控制器對各個鏈路的并行流量控制。通過實驗全面測試了該方法的應用性能,驗證了提出方法在5G移動通信多端口并行流量控制方法中發揮著重要地位,在今后并行流量控制方法中有著良好的發展前景。