面向认知网络的用户QoS动态自配置方法

第３１卷第３期　２０１０年３月　通信学报　Ｊｏｕｒｎａ１　ｏｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　、，０ｌ＿３１　Ｎｏ．３　Ｍａｒｃｈ　２０１０　

面向认知网络的用户ＱｏＳ动态自配置方法　

冯光升，王慧强，马春光，李冰洋，赵倩　

（哈尔滨工程大学计算机科学与技术学院，黑龙江哈尔滨１５０００１）　

摘要：为解决网络阻塞状态下用户ＱｏＳ迅速降低的问题，提高网络系统对用户ＱｏＳ的准确判定能力和动态调　

整能力，提出了一种保障用户ＱｏＳ水平的动态自配置方法；采用效用函数对用户ＱｏＳ优先级初始化表示，利用　

认知网络的主动特性和中断管理机制，通过认知节点对用户ＱｏＳ优先级进行判定和动态修正。仿真实验和分析表　

明了所提出的方法优于传统的ＤｉｆＳｅｒｖ，能够有效保障网络阻塞状态下用户的ＱｏＳ水平。　

关键词：认知网络；用户ＱｏＳ；中断；自配置　

中图分类号：ＴＰ３０９　文献标识码：Ａ　文童编号：１０００—４３６Ｘ（２０１０）０３—０１３３．０８　

Ｄｙｎａｍｉｃ　ｓｅｌ　ｃ０ｎｎｇｕｒａｔｉ０ｎ　ｏｆ　ｕｓｅｒ　ＱｏＳ　

ｏｒｉｅｎｔｅｄ　ｔｏ　ｃｏｇｎｉｔｉｖｅ　ｎｅｔｗｏｒｋ　

ＦＥＮＧ　Ｇｕａｎｇ—ｓｈｅｎｇ，ＷＡＮＧ　Ｈｕｉ—ｑｉａｎｇ，ＭＡ　Ｃｈｕｎ—ｇｕａｎｇ，ＬＩ　Ｂｉｎｇ—ｙａｎｇ，ＺＨＡＯ　Ｑｉａｎ　

（Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１５０００１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｒａｐｉｄ　ｄｒｏｐ　ｏｆ　ｕｓｅｒ　ＱｏＳ　ｕｎｄｅｒ　ｎｅｔｗｏｒｋ　ｃｏｎｇｅｓｔｉｏｎ，ｉｍｐｒｏｖｅ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｏｆ　ｕｓｅｒ　ＱｏＳ　ａｎｄ　ａｄｖａｎｃｅ　

ｔｈｅ　ａｂｉｌｉｔｙ　ｏｆ　ｄｙｎａｍｉｃ　ａｄｊｕｓｔｍｅｎｔ，ａ　ｄｙｎａｍｉｃ　ｓｅｌｆ－ｃｏｎｆｉｇｕｒａｔｉｏｎ　ｍｅｔｈｏｄ　ｆｏｒ　ｕｓｅｒ　ＱｏＳ　ｐｒｏｔｅｃｔｉｏｎ　ｗａｓ　ｐｒｏｐｏｓｅｄ．Ｕｔｉｌｉｔｙ　

ｆｕｎｃｔｉｏｎ　ｗａｓ　ｉｎｔｒｏｄｕｃｅｄ　ｔｏ　ｉｎｉｔｉａｌｉｚｅ　ｔｈｅ　ｐｒｉｏｒｉｔｉｅｓ　ｏｆ　ｕｓｅｒ　ＱｏＳ，ａｎｄ　ｔｈｅｎ　ｔｈｅ　ａｃｔｉｖｅ　ｆｅａｔｕｒｅｓ　ｏｆ　ｃｏｇｎｉｔｉｖｅ　ｎｅｔｗｏｒｋ　ａｎｄ　ｔｈｅ　ｉｎｔｅｒｒｕｐｔｉｏｎ　ｍａｎａｇｅｍｅｎｔ　ｗｅｒｅ　ｕｔｉｌｉｚｅｄ　ｔｏ　ｄｅｔｅｒｍｉｎｅ　ｔｈｅ　ｐｒｉｏｒｉｔｉｅｓ　ａｎｄ　ａｌｓｏ　ｃｏｒｒｅｃｔ　ｔｈｅｍ　ｄｙｎａｍｉｃａｌｌｙ　ｂｙ　ｃｏｇｎｉｔｉｖｅ　ｎｏｄｅｓ．　

Ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｍｅｔｈｏｄ　ｉｓ　ｂｅ￣ｅｒ　ｔｈａｎ　ｔｒａｄｉｔｉｏｎａｌ　ＤｉｆＳｅｒｖ，ａｎｄ　ａｂｌｅ　ｔｏ　ｇｕａｒａｎｔｅｅ　ｕｓｅｒ　ＱｏＳ　ｅｆ－　

ｆｅｃｔｉｖｅｌｙ　ｉｎ　ｃａｓｅ　ｏｆ　ｎｅｔｗｏｒｋ　ｃｏｎｇｅｓｔｉｏｎ．　

Ｋｅｙ　ｗｏｒｄｓ：ｃｏｇｎｉｔｉｖｅ　ｎｅｔｗｏｒｋ；ｕｓｅｒ　ＱｏＳ；ｉｎｔｅｒｒｕｐｔｉｏｎ；ｓｅｌｆ－ｃｏｎｆｉｇｕｒａｔｉｏｎ　

１　引言　

现行网络系统的显著问题是不能充分感知终　

端用户的服务需求，不能根据网络系统的内外环境　

变化而有效、动态地改变终端用户ＱｏＳ，尤其是在　

网络阻塞状态下用户的ＱｏＳ水平会显著降低。目前　已经初步提出了一些解决此类问题的方法，如　ＤｉｆＳｅｒｖＩｌ，引，但是这些方法只能在发出服务请求之　

前确定优先级，而无法根据内外环境进行实时调　

整，导致网络系统用户的整体ＱｏＳ水平受网络状态　

的影响过大。　

一些研究认为可以通过动态配置策略决定网　

收稿日期：２００９—０６．１０：修回日期：２０１０—０ｌ—ｌ１　基金项目：国家高技术研究发展计划（“８６３”计划）基金资助项目（２００７ＡＡ０１Ｚ４Ｏ１）；国家自然科学基金重大计划资助项目　（９０７１８００３）；国家自然科学基金资助项目（６０９７３０２７，６０８７３０３６）　Ｆｏｕｎｄａｔｉｏｎ　Ｉｔｅｍｓ：Ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｈｉｇｈ　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　Ｐｒｏｇｒａｍ　ｏｆ　Ｃｈｉｎａ（８６３　Ｐｒｏｇｒａｍ）（２００７ＡＡ０１Ｚ４０１）；　Ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　Ｍａｊｏｒ　Ｐｒｏｊｅｃｔ　ｏｆ　Ｃｈｉｎａ（９０７１８００３）；Ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　ｏｆ　Ｃｈｉｎａ　（６０９７３０２７，６０８７３０３６）

　通信学报　第３１卷　

络节点与其他节点的连接方式，从而以最优化或次　优化的网络结构来提高终端用户的ＱｏＳ水平　Ｊ。这　

种观点从网络结构的角度出发，采用特定需求的自　

配置策略进行网络结构的动态部署，在一定程度上　

解决了上述问题，然而其最大的缺点是应用范围有　

限，仅能够部署于特定网络中，例如ｐｅｅｒ－ｔｏ．ｐｅｅｒ　

网络【４Ｊ。而且网络自配置策略离不开网络环境、用　

户需求等因素，对于如何充分利用用户ＱｏＳ和网络　

环境进行自配置策略规划还有待进一步研究。　

另外一些研究认为路由算法及其动态配置特性　

是提高用户ＱｏＳ的关键技术之一，相应地也提出了许　

多具有自配置特性的路由算法、自配置方法等　’　。　

这些方法是在当前静态网络基础上的一些重要改　

进，并在现行网络环境下获得了较好的应用效果。　

但是在下一代网络环境下，这些方法存在一定的局　

限性，缺乏充分考虑下一代网络的认知特性、网络　

状况和用户ＱｏＳ需求，仅是根据当前网络状况实施　

的一些优化调整等。　

还有一些学者认为ＱｏＳ动态白配置方法是根　

据用户需求、数据流特性等方面进行网络资源的合　

理划分，是提高终端用户ＱｏＳ的有效手段。如文献　

［７］提出了具有动态调整带宽功能的ｄ－ＱｏＳ模型，该　

模型采用中断机制，允许高优先级的数据流优先通　

过指定的网络区域。这种做法以牺牲其他数据流的　

通过性为代价，并且在复杂网络系统中如何确定数　

据流和用户ＱｏＳ需求的优先级面临着诸多挑战　Ｊ。　

针对这些问题，学术界已着手研究如何在下一　

代网络中融入认知元素以克服当前网络的固有缺　

陷，于是提出了认知网络的概念，其核心思想是网　

络系统能够感知内外环境变化，实时调整网络系统　

的配置，动态智能地适应环境并能指导未来的自主　

决策。认知网络被认为是提高网络整体及端到端系　

统的性能、简化网络管理的新途径，是下一代通信　网络发展的必然趋势　］。本文在认知网络的基础上，　

综合考虑用户ＱｏＳ和网络状况，采用效用函数表示　

用户ＱｏＳ，进而判定ＱｏＳ优先级并封装形成认识分　

组。在认识分组的传输过程中，通过认知网络节点　的中断管理方式对用户ＱｏＳ优先级进行动态修正，　

从而使用户群体感知到较好的服务质量。本文所提　

出的方法可以部署在认知网络环境中，也可以部署　

在当前的网络系统中，使网络系统具有一定程度的　

认知特性，改善网络系统中对用户Ｑｏｓ优先级判定　

的准确性，提高用户的服务质量。　２面向认知网络的动态ＱｏＳ自配置框架　

本文提出了一种面向认知网络的Ｑ０ｓ动态自　

配置方法。该方法首先利用经济领域和人工智能领　

域中的效用函数对不同级别的用户需求及认知网　

络系统状态进行分析，得到用户ＱｏＳ的效用函数，　

在此基础上获得用户Ｑｏｓ优先级，然后将中断策略　

引入到自配置框架中，以便在用户服务过程中根据　

网络状况进行用户ＱｏＳ的动态调整，如图１所示。　

图１　ＱｏＳ动态自配置框架　

２．１用户ＱｏＳ的效用函数表示　

认知网络能够根据用户ＱｏＳ管理并优化自身　

行为，但用户Ｑｏｓ如何表示及如何翻译为系统行为　

指令等问题将直接影响到用户期望服务水平的实　

现与否。当前的做法是采用制定目标策略来解决这　

些问题，根据目标策略调整系统行为，以期将系统　

置于任何可行和可接受的状态。这种调整目标实际　

上是一种对系统状态进行估计所形成的集合，却不　

能准确地建立用户Ｑｏｓ与系统目标之间的对应关　

系。由于效用函数可对特定系统状态进行高层次抽　

象，能够更加准确地刻画系统状态，因此本文采用　

效用函数表示用户ＱｏＳ，以准确确定不同级别的用　

户ＱｏＳ，并为达到该状态提供策略指导，包括调节　

系统参数及范围和重新分配资源及粒度等。　

本文假设所有的效用函数都独立于应用环境　

且共享一个通用的评价标准，因此任何终端用户均　

具有一个用户ＱｏＳ效用函数，根据效用函数与评价　

标准的比较，能够反映出相应的收益和惩罚。假设　

某用户在应用环境ｉ下的效用函数为　

’　＝ｕ　（ｓｉ，　，　）　（１）　

其中，　＝（Ｃｉ，Ｒ　Ｄｆ）是应用环境ｉ的服务水平空间；

　第３期　冯光升等：面向认知网络的用户ＱｏＳ动态自配置方法　．１３５．　

Ｇ是指系统的参数，由系统唯一确定；尾是指系统　

当前的资源配置水平；Ｄ产（　ｌ，　２，…，幽）为应用环境　

ｉ的需求空间；　和Ｄ　之间具有映射关系，前者依　

赖于后者。例如Ｓ１可以代表在系统参数为ｃ１，当　

前资源配置为Ｒ　，系统需求为Ｄ　时，服务水平的　

等级。这２个变量　和Ｄ　通常用于指明用户的类别。　

为修正因子，表示在当前网络状态下对终端用户　ＱｏＳ优先级　的修正程度。因此，系统的优化目　

标是　

Ｕ’　：ｍａｘ　Ｕｆ（　，Ｄ／，　）　（２）　

同时，假设　（　）是资源等级效用函数，指明　

了应用环境获取每－－￣ｅｅ可能等级刚ｊ勺大小值。　（Ｒ）　

可以通过∑　Ｕ（　，Ｄｉ，　）来计算。假设　（Ｒ）已经　

给出，计算资源分配Ｒｉ　并最大化全局效用如下　

∑　Ｕ　（Ｓｉ，　，　）＝∑　（　）　（３）　

Ｒ　＝ａｒｇｍａｘ￣０　（　）ｓ－ｔ．∑Ｒ＝　（４）　ｉ　ｉ　其中，　代表所有可用资源。式（４）是一个ＮＰ　ＨＡＲＤ　

离散资源分配问题，可以通过混合整数规划方法来　求解　们。　

２．２用户ＱｏＳ的优先级计算方法　

计算ＱｏＳ优先级的常用方法是Ｍ—ＬＷＤＦ　，　

该方法考虑了用户的排队时延和平均信道条件（用　

吞吐量来衡量），较好地满足用户对分组丢失率的　

要求，但是由超级用户产生的中断率过高，并最终　

影响网络系统用户群体的满意度。在认知网络环境　

中，敏感时延的媒体业务流将占据８０％以上ｌ１引，根　

据惠普因特网与存储系统实验室Ｋｅｌｌｙ等人［１３］的研　

究，对于敏感时延的媒体业务数据流，可以采用时　

延（包括排队时延和中断时延）来代替吞吐量等指　

标，通过选择合适的效用函数以保证网络用户群体　

的满意度。鉴于此，本文提出一种新的用户Ｑ０Ｓ优　

先级计算方法，该方法以时延单一变量作为系统的　

优化目标，以共享信道资源分配为目的，根据用户　

ＱｏＳ的效用函数设定用户数据分组优先权Ｐ’。　

由于没有考虑网络传输状况，该优先权级不能　

作为用户数据分组的最终优先级，因此有必要对用　

户优先级进行修正。为了防止时延超出可行的范　围，用障碍函数来构造用户ｉ的优先级修正因子　。　

：—［ｄｍａｘ－－ｄ—ｉ（ｎ）］１－￣　（５）　

‘　１一　其中，　为允许的最大时延，ｄｉ（ｎ）为当前ｎ时刻　的时延，识为可调节的惩罚因子。惩罚因子越大，