基于NEI的下一代网络的状态认知和流量控制模型及算法研究

利用神经内分泌免疫系统（NEI）的基本理论和方法，针对面向全IP的下一代网络中，由于互连网络存在的不确定性、动态性和复杂性，导致网络状态认知和流量控制的复杂性，本课题拟利用人工免疫系统感知网络内部的参数变化和网络状态；利用神经内分泌系统对网络参数进行精细调控，保障网络内环境的稳定，同时利用神经系统感受外界各种随机因素对网络的干扰，协调内分泌系统和免疫系统共同做出应激反应，以达到对互连互通的网络状态进行认知并给出网络状态评价指标。在此基础上，对网络流量进行控制从而达到网络最优化和保证网络传输质量的目的。研究目标是提供准确、高效的网络认知模型和网络流量控制模型的建模手段，从而为神经内分泌免疫系统在网络认知和流量控制方面的应用研究提供理论基础和方法。最后以TCP/IP协议为实例，验证上述思想和方法的正确性和可行性。

在面向全IP的下一代网络中，由于互联网络存在的不确定性、动态性和复杂性，导致网络传输状态认知和流量控制的复杂性。本课题利用自然计算的基本理论和方法对网络实时传输状态进行认知，分析网络不同层中各个参数对网络传输状态的影响权重，对网络传输状态进行认知建模与等级划分，并据此进行参数调控，通过对网络流量的控制达到网络传输的最优化和提高网络传输质量的目的。.　　三年来，通过对网络的OSI七层架构、异构网络特性和自然计算的深入研究，从以下几个方面展开研究工作：.　　1．网络跨层参数的提取和各参数的贴近度分析；.　　2．网络跨层参数的隶属度函数与典型异构网络环境下的动态权重分布函数的建立；.　　3．利用自然计算中的人工免疫算法[1]-[2]、捕食模型[3]、粒子群模型[4]等，从网络等级划分及维持网络传输状态平衡的角度对异构网络的流量控制策略进行深入研究。.　　经过扎实的理论研究和近万组的仿真实验，主要完成并取得以下阶段性成果：. 1．完成了9个典型异构网络拓扑的构建，对9个重要的跨层参数进行了完整的贴近度分析，为网络传输状态的认知和传输控制的研究确定了基础。.　　2．建立了网络传输状态分级评价机制，为复杂的、动态的异构网络传输性能的精细化控制的研究提供了理论性和可行性基础。.　　3．将自然计算方法应用到异构网络传输性能认知和控制领域，将智能控制传输性能代理引入到实际网络环境中。.　　综上所述：参照申报书计划，通过三年扎实认真的研究和努力工作，达到预期目标。