基于遗传算法的网络运维中资源调度的研究与应用

摘要

近年来，随着通信市场竞争的日益剧烈，尤其是4G时代的到来，降低网络运维成本成为提高通信企业竞争力的重要手段。据工信部2014年的统计数据显示，目前三大运营商的4G基站总数已经达到70万个，运营商的网络越来越复杂，运行维护的工作量也越来越大，导致网络运维成本也越来越高。因此，降低网络运维成本成为通信企业关注的重点。网络运维中现场作业的调度成本是网络运维成本的重要方面，如何根据作业工单的要求将合适的资源分配给作业任务，以提供更好的网络运维服务质量，是现场作业任务调度需要解决的问题。由于网络运维现场作业所涉及的资源种类较多、动态性、调度方案需要实时动态调整，使得传统的手工调度面临着巨大的挑战。因此，如何设计好的现场作业调度算法，尽可能降低调度成本，提高网络运维的服务质量，是重要而现实的问题。　　根据网络运维现场作业调度问题的特点，本文提出将遗传算法和模拟退火算法相结合来解决资源调度问题的算法，即模拟退火遗传算法SAGA(SimulatedAnnealing Genetic Algorithm)。首先，详细描述了网络运维中现场作业调度问题的定义，对现场作业调度问题进行分析并建立现场作业调度模型，分别利用遗传算法和模拟退火遗传算法对现场作业调度模型进行求解。　　遗传算法是全局优化搜索算法，但是它存在易陷入局部最优解、收敛速度慢等问题，而模拟退火算法则具有跳出局部最优解的特性，本文将这两种算法相结合，充分发挥它们的优点。利用SAGA求解现场作业的资源调度问题分为两个阶段:遗传操作阶段和模拟退火阶段。首先，描述了使用遗传算法求解网络运维中现场作业调度问题时的编码、选择、交叉、变异和适应度函数的设计，针对网络运维中现场作业调度的特点，遗传操作阶段的编码方式采用双层编码，即对完成作业任务的现场作业工程师的编码和对现场作业工程师需要使用的资源进行编码;其次，对遗传操作阶段得到的解通过引入模拟退火算法进行优化，在遗传操作产生的种群的基础上，采用模拟退火操作，在特定的温度下，通过对新产生的种群中的每个个体进行Metropolis选择接受过程，形成新种群，不断进行迭代，直至最终找到最优解。　　将本文提出的现场作业调度求解模型应用到广州某代维企业的现场作业调度中，并将用于求解现场作业调度模型的SAGA在该企业开发智能化运维服务管理平台中实现，通过实例来验证SAGA在解决网络运维中现场作业调度问题的有效性。

目录

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 论文的主要内容

1．4 论文的组织架构

第二章 遗传算法在网络运维中的应用

2．1 网络运维概述

2．1．1 网络运维的管理模型

2．1．2 网络运维成本

2．2 遗传算法

2．2．1 遗传算法简介及基本流程

2．2．2 遗传算法的相关参数

2．2．3 遗传算法的优势与不足之处

2．3 现场作业调度问题的建模

2．3．1 问题定义

2．3．2 结合网络运维现场作业生产特点的建模

2．3．3 基于遗传算法的现场作业调度问题求解技术框架

2．4 本章小结

第三章 基于遗传算法的现场作业调度模型求解

3．1 遗传算法求解现场作业调度问题

3．1．1 编码

3．1．2 初始种群的生成

3．1．3 适应度函数的确定

3．1．4 选择

3．1．5 交叉

3．1．6 变异

3．2 算法的实现流程

3．3 本章小结

第四章 基于改进遗传算法的现场作业调度算法

4．1 模拟退火算法

4．1．1 模拟退火算法的思想

4．1．2 冷却进度表中参数的讨论

4．1．3 模拟退火算法的优缺点

4．2 模拟退火遗传算法的设计

4．2．1 与遗传算法的融合

4．2．2 基于模拟退火遗传算法的现场作业调度模型的实现

4．2．3 算法的实现流程

4．2．4 算例分析

4．3 本章小结

第五章 SAGA在智能化运维服务管理平台中的应用

5．1 智能化运维服务管理平台概述

5．2 智能化运维服务管理平台的内容

5．3 实例分析

5．4 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文和参加的科研项目

声明

致谢