基于模糊神经网络的网络运行态势感知关键技术研究

摘要

近年来，随着社会的发展，网络变得越来越复杂，传统的网络管理无法适应复杂的网络环境，急需一种能够实时监控网络运行状况并且预测网络变化趋势的技术，网络运行态势感知正是在此环境下被提出。网络运行态势感知是通过对网络的态势信息进行分析和预测，需要在一定规则下，对来自各网络单元或各子网络的运行数据进行归纳、合并、关联、综合和提炼，其本质上是一个复杂的数据处理过程。模糊神经网络是将模糊理论与人工智能技术当中的神经网络技术相结合而产生，能够充分发挥二者的优势，是目前该领域的重要发展方向，也是解决复杂数据环境下，网络运行态势感知的强有力手段。 因此，本文将模糊神经网络应用于网络运行态势感知中，围绕基于模糊神经网络和实时链路权重的网络运行态势评估模型、实时链路权重评价方法、模糊神经网络的结构及其学习算法等，进行了理论研究和仿真实验等工作，主要内容如下： 1.研究了网络运行态势感知的总体模型，重点研究了网络运行态势评估的方法与模型，提出了一种基于模糊神经网络和实时链路权重的网络运行态势评估方案。该方案通过模糊神经网络评估链路运行质量，然后通过实时链路权重评价方法计算每条链路实时权重，最后通过二者的加权融合得到网络运行态势评估值。 2.研究了模糊神经网络的结构与学习算法，通过对比现有的各种结构的优缺点和考虑态势感知的实时性需求，选择了一种四层的模糊神经网络结构，并且通过结合粒子群算法和反向传播（BP）算法，提出了一种混合学习算法，该混合算法充分发挥了粒子群算法的全局寻优能力和BP算法的局部寻优能力。最后通过仿真实验验证了算法的效率和正确性。 3.采用NS2网络仿真软件搭建网络仿真环境，通过Gawk分析工具采集网络运行数据，根据所提方案进行网络运行态势评估仿真实验，实验验证了方案的可行性。

目录

声明

缩略词表

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究历史与现状

1.3 本文的主要贡献与创新

1.4 论文结构

第二章 论文相关领域基础知识

2.1 网络态势感知概述

2.1.1 网络态势感知模型

2.1.2 网络态势感知中的评估方法

2.2 模糊理论概述

2.2.1 模糊逻辑推理系统

2.2.2 模糊逻辑推理系统的优缺点

2.3 神经网络概述

2.3.1 神经网络概念

2.3.2 神经网络的优缺点

2.4 模糊神经网络概述

2.4.1 模糊逻辑系统与神经网络的比较

2.4.2 模糊逻辑系统与神经网络的结合

2.5 本章小结

第三章 网络运行态势感知模型及总体方案设计

3.1 网络运行态势感知总体模型

3.2 网络运行态势评估模型

3.3 网络运行态势评估指标选取与测量

3.3.1 网络运行态势评估指标的选取

3.3.2 指标数据的采集

3.4 实时链路权重评价方法

3.4.1 基于可达性的链路权重评价

3.4.2 实时链路权重评价

3.5 本章小结

第四章 态势感知模糊神经网络的设计与实现

4.1 需求分析

4.2 模糊神经网络的结构设计

4.3 模糊神经网络的学习算法

4.3.1 粒子群算法

4.3.2 BP算法

4.3.3 混合学习算法

4.4 模糊神经网络算法的仿真

4.4.1 实验过程

4.4.2 结果分析

4.5 本章小结

第五章 系统的仿真验证

5.1 NS2仿真

5.2 网络运行态势评估方案仿真

5.2.1 链路运行状况评估

5.2.2 实时链路权重计算

5.2.3 网络运行态势评估

5.3 本章小结

第六章 总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果