面向业务的软件定义网络可编程控制与调度机制研究

Software Defined Network (SDN) has the features of isolation between control and transport, software programmable, and centralized control, which could solve the problems in the current network, such as ossified architecture, insensitive to services, and complicated control. In the meanwhile, the characters of large-scale, emergence of new services, and insufficient resource for current network challenge the SDN. Researching the service-oriented programmable control and scheduling scheme for SDN could solve the problems in current network, and overcome the challenges to SDN..Architecture of service-oriented programmable control and scheduling scheme for SDN is proposed in this project. Particle swarm optimization algorithm and Q-learning algorithm are used to realize the static controller placement and dynamic switches migration, and construct control plane for SDN, which accommodates to the large-scale network. Self-learning method is used to get the route for service based on the current state of network and service requirement considering that emerging new services have new requirements to network, to realize service-oriented control for SDN in microscopic view, and make the network have the character of service programmability. Constructing virtual networks which bear services that have different requirements to network based on network virtualization, using attractor selection model to choose optimization object dynamically, scheduling network resource in macroscopic view, to initiate virtual networks, realize network programmability, and improve network resource utilization ratio.

软件定义网络具有控制与传输分离、软件可编程和集中式控制的特征，能够解决现有网络结构僵化、业务不敏感、控制复杂的问题。同时，现有网络规模巨大、新业务不断出现、资源紧张又对软件定义网络提出了挑战，研究面向业务的软件定义网络可编程控制与调度机制，能够解决现有网络面临的问题，克服软件定义网络面临的挑战。本项目提出面向业务的可编程软件定义网络控制与调度机制架构。应用粒子群算法和Q-learning算法实现控制器静态部署与交换机动态迁移，构建适应大规模网络的软件定义网络控制平面。考虑到不断出现的新业务对网络提出的新需求，应用自学习方法，根据网络状态和业务需求自适应选择路由，从微观角度实现面向业务的软件定义网络控制机制，使网络具备业务可编程特征。基于网络虚拟化技术构建承载具有不同需求业务的虚拟网络，应用吸引子模型动态调整优化目标，从宏观角度调度网络资源，实例化虚拟网络，提高网络资源利用率，实现网络可编程

为了克服IP网络结构僵化、网络复杂、控制成本较高、不具备面向业务能力、不能区分网络控制与调度的缺点，本项目引入软件定义网络控制与传输分离理念，研究面向业务的可编程软件定义网络控制与调度机制，在满足各业务对网络性能需求的基础上，提高网络的资源利用率，实现对新业务的快速部署。.本项目首先提出了面向业务的软件定义网络可编程控制体系及架构，在支持业务感知的同时，增加了对网络状态的认知，具有良好的可编程性、可控性和可靠性；其次，考虑到控制平面的部署直接影响着整个网络的控制和资源调动问题，在整个控制平面的部署中基于动态性、可靠性的思想，提出了基于网络拓扑感知的控制器部署算法、基于多目标粒子群的控制器部署算法、基于强化学习的动态交换机迁移机制，提出了基于可靠性的控制器部署以及优化策略，实现了对软件定义网络的可编程动态管理和控制；再次，针对不同业务对网络的不同需求，引入基于业务感知的思想，基于人工智能的方法，提出了基于深度学习的业务感知算法和基于主动学习的流量预测与分类方法；提出了基于极限学习的面向业务智能化路由方法和QoS保障的多业务流调度算法，实现了对业务的可编程控制，满足不同业务对网络的不同需求；最后，为了解决业务与网络资源的动态匹配问题，提出了自适应的虚拟网络映射算法、以及基于粒子群的网络负载均衡机制，提出了基于吸引子模型的网络资源调度算法，提出了基于资源守恒的虚拟网络资源重配置机制，实现了对网络资源的智能化调度，提升对网络资源的利用率，提高网络的可靠性。.已在国内外高水平学术期刊上发表高水平论文55余篇，其中被SCI、EI收录33多篇，申请的国家发明专利32项，出版专著1部，培养青年教师4名，博士后2名，博士生8名，硕士生65名。获全国研究生智慧城市技术与创意设计大赛二等奖2项、优秀奖1项，获教育部科技进步二等奖1项、中国通信学会科技进步二等奖1项、陕西省科技进步一等奖1项。