IPv6下端到端的最优路径计算研究

摘要

基于以OpenFlow为代表的SDN网络设计思想，能够使管理中心扁平化的同时，实现更好地差异化管理，以满足繁杂业务的不同需求。而具有SDN思想网络架构的应用层，需要QoS路由算法等一些关键的支撑技术，这些关键支撑技术将会是整个网络设计的研究重点。
　　本文首先介绍了选题的背景、国内外相关的研究现状以及论文的研究目标和内容;然后简述了OpenFlow和SDN的原理及应用，从而引入SDN的思想;接着引入了IPv6的流标签的相关研究和应用。在介绍多约束QoS路由时，重点讲述了蚁群算法和遗传算法两种经典的生物启发式算法，并针对二者的优缺点进行了算法的融合。在给出的设计方案中，用8组仿真实验模仿不同流量规模的实际网络拓扑。在简单介绍实验的基本流程之后，本文给出了流标签的定义以及合理性分析，并将更加细化的测度作为算法的输入数据。接着，作者给出了蚁群算法和遗传算法的相关参数，并对其进行了分析，部分步骤进行了举例说明。实验部分，先通过一组简单的实验证明区分服务（即差异化服务）的有效性，然后在区分服务的基础之上，通过比较蚁群遗传融合算法、单独遗传算法、单独蚁群算法、人工权值Dijkstra算法、单值Dijkstra算法5种算法的实验结果，证明适当地应用启发式算法，并合理地融合相关算法，能够带来相对较好的结果。在设计方案的最后，简要地说明了所研究的路由算法如何应用到实际的SDN网络中。
　　本文的研究重点为(1) IPv6流标签的定义和使用;(2)融合智能算法。前者在遵循现有RFC定义的基础上，参考现有的一些方案，提出了可以根据需求进行动态变化的流标签的定义，并具体合理地应用到本文研究的问题中。后者是融合两种智能算法的优点，利用遗传算法的快速全局搜索能力为蚁群算法提供初始信息素，再利用蚁群算法的正反馈性进行后面的路径搜索。这样的衔接，在弥补蚁群算法初始信息搜索慢的缺点的同时，也避免了遗传算法后期信息利用率低的不足。融合算法所使用的参数都是相关领域的经典论文所推荐的参数，本文没有对参数经过进一步优化，如此的比较更能客观地说明融合算法和传统Dijkstra算法的优劣性。实验结果显示，合理适当地利用融合算法，能够得到比传统算法更优的结果，这也为具有SDN思想的网络架构的QoS路由算法应用提供一种选择。

目录

声明

摘要

第一章 绪论

1．1 选题的背景和意义

1．2 国内外研究现状

1．3 论文研究目标和内容

1．3．1 论文研究目标

1．3．2 论文研究内容

1．4 论文组织结构

第二章 OpenFlow和SDN

2．1 背景

2．2 原理和应用

2．3 本章小结

第三章 IPv6的流标签

3．1 IPv6基本介绍

3．2 流标签的介绍

3．3 IPv6中流标签的应用

3．4 本章小结

第四章 多约束QoS路由算法

4．1 QoS路由算法概述

4．1．1 QoS简介

4．1．2 多约束QoS路由概述

4．1．3 多约束QoS路由算法研究现状

4．2 蚁群算法

4．2．1 蚁群算法概述

4．2．2 蚁群算法基本原理

4．2．3 蚁群算法的数学模型

4．2．4 蚁群算法的优缺点

4．2．5 最大最小蚂蚁算法MMAS

4．3 遗传算法

4．3．1 遗传算法概述

4．3．2 遗传算法基本原理

4．3．3 遗传算法数学模型

4．3．4 遗传算法的优缺点

4．4 遗传蚁群融合算法

4．4．1 遗传蚁群融合算法概述

4．4．2 遗传蚁群融合算法的基本思路

4．5 本章小结

第五章 算法实现

5．1 SDN思想

5．2 实验基本介绍

5．2．1 实验基本流程

5．2．2 流标签的定义及分析

5．2．3 蚁群算法相关说明

5．2．4 遗传算法相关说明

5．2．5 遗传蚁群融合算法相关说明

5．3 实验研究和结果分析

5．3．1 基本介绍

5．3．2 对比实验1——区分服务的有效性

5．3．3 对比实验2——区分服务下算法的比较

5．3．4 对比实验3——区分服务下算法比较的改良

5．4 算法评价

5．5 SDN部署

5．5．1 基本介绍

5．5．2 研究思路

5．6 本章小结

第六章 总结与展望

6．1 论文总结

6．2 工作展望

致谢

参考文献

附录