流量控制和服务器选择的联合优化研究及实现

摘要

新兴P2P流媒体发展迅速，但是无序的P2P流媒体流量大大增加了网络流量，抢占瓶颈链路的大部分带宽，会导致网络性能下降，在很大程度上直接导致了运营商“增量不增收”的问题。针对P2P流媒体业务带来的一系列问题，需要优化P2P流媒体，加强运营商和内容提供商的合作。
　　运营商主要是解决流量控制，内容提供商主要是解决服务器选择，流量控制和服务器选择的关系包括了独立优化、部分合作、完全合作。本论文针对这三种关系所对应的三种数学模型，完成了拉格朗日对偶分解法对数学模型进行了完整的公式推导，通过引入拉格朗日算子将约束条件松弛，将原问题变成一个主要问题和若干个子问题，再利用梯度法对变量进行更新。考虑到实际中算法复杂度和收敛速度等因素，又实现了直接微分映射法进行了详细的求解，通过先忽略链路和服务器服务能力等条件，对变量进行直接微分，将求得的解再通过映射法映射到[0,1]范围内，再更新网络，直至收敛。
　　本论文为了验证算法的正确性和比较性能的改善程度，在Planetsim仿真平台上实现了完整的程序设计，包括了初始化、优化和输出等模块。在初始化模块中，配置好服务器和存储内容，用户集合和访问文件，链路状况和路径等。在优化模块中，按照算法进行设计，然后更新变量和网络，直到网络稳定。在输出模块中设计了出口，将收敛结果及参数输出到指定文件中去。最后在实际网络中的不同拓扑对算法进行了测试，对结果进行了分析比较，验证了完全合作模型的优越性和模型求解的正确性。

目录

流量控制和服务器选择的联合优化研究及实现

ASTUDY OF COOPERATIVE OPTIMIZATION ON TRAFFIC ENGINEERING AND SERVER SELECTION

摘 要

Abstract

第1章 绪 论

1.1 课题背景及研究意义

1.2 国内外研究现状

1.2.1 ISP与CP不合作

1.2.2 ISP与CP部分合作

1.2.3 ISP和CP的完全合作

1.3 本文主要研究内容

第2章 联合优化的基本概念

2.1 凸优化

2.1.1 凸优化问题

2.1.2 拉格朗日对偶法

2.1.3 KKT最优化条件

2.2三种模型建模

2.2.1 三种模型简介

2.2.2 模型I和模型II的TE模型

2.2.3 模型I和模型II的SS模型

2.2.4 模型III的TE-SS模型

2.3 本章小结

第3章 三种模型的求解

3.1 模型I和模型II的TE求解

3.1.1 TE的拉格朗日对偶算法求解

3.1.2 TE的直接微分映射算法求解

3.2 模型I的SS求解

3.2.1 SS的拉格朗日对偶算法求解

3.2.2 SS的直接微分映射算法求解

3.3 模型II的SS求解

3.3.1 SS的拉格朗日对偶算法求解

3.3.2 SS的直接微分映射算法求解

3.4 模型III的TE-SS求解

3.4.1 拉格朗日对偶算法求解

3.4.2 直接微分映射算法求解

3.5 本章小结

第4章 算法的仿真设计和实现

4.1 仿真拓扑和框架

4.1.1 绑定关系

4.1.2 仿真拓扑

4.1.3 仿真框架

4.2 系统各模块设计和实现

4.2.1 初始化模块设计和实现

4.2.2 优化模块设计和实现

4.2.3 输出模块设计和实现

4.3 本章小结

第5章 仿真结果及分析

5.1 网状拓扑的仿真结果和分析

5.2 城域网拓扑的仿真结果和分析

5.3 改进后的城域网拓扑仿真结果和分析

5.4 三个拓扑仿真结果与预期指标比较

5.5 本章小结

结 论

参考文献

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致 谢