基于模糊逻辑控制器的通信端口流量控制仿真

龚万炜,邢 军

(1. 闽南科技学院光电信息学院,福建 泉州 362332;2. 大连工业大学信息科学与工程学院,辽宁 大连 116034)

1 引言

网络智能化状态下5G移动通信[1]早已普及。同时,5G移动通信网络巨大的工作量,也频繁出现流量拥堵问题[2],导致信息无法高效发送和接收,5G移动通信网络易出现崩溃现象。随着高速网络的普及及应用,网络在5G移动通信下传输量日益增多,流量控制就成了当前时代下的重要研究问题。流量控制主要分为多种动态实施机制,可以有效掌握业务流在5G通信中的运行状态,有利于流量资源的分配。

根据这一优势,研究5G移动通信多端口并行流量控制方法逐渐成为热点话题。例如:闫伟[3]等人提出基于数据分类和最小时延的LWA网络流量控制算法,该方法为了可以有效提升网络传输速率,首先对网络传输数据实施了分类处理,从中选择时延最小的网络传输流量,利用该流量向时延敏感数据传输,而不敏感数据则传输到时延较大的网络内,以此完成流量控制,该方法的分类效果不明显,存在平均延时高的问题。田鹤[4]等人提出基于网络流的嵌入式互联网中流量控制与优化方法,该方法利用建立的流量控制模型对互联网流量开展控制,并采用粒子群算法对该模型中的最大流函数优化,达到控制网络流量优化的目的,以此实现对网络流量的控制及优化,该方法控制性能差,存在CPU占用率高的问题。李贝贝[5]等人提出铁路客票系统响应式流量控制策略研究方法,该方法首先详细分析了铁路客站的业务模式,针对分析结果以响应式流量控制方法为主,提出相应的流量控制策略,利用该策略对多种方面的流量实行控制,令网络业务流量保持平衡,实现流量控制,该方法的分析结果不够完善,存在控制效果差的问题。

5G移动通信具有高速率、低时延和大连接特点,但由于当前通信端口输入流量的速率和流量分配缓冲区大小还无法实现最优配置,导致通信端口流量易出现过高或过低的问题,影响网络数据传输效率。为了解决此问题,本文提出一种新的5G移动通信多端口并行流量控制方法。

2 5G移动通信多端口性能建模

设定在5G移动通信多端口需要传输出去的数据帧由m标记,而5G移动通信多端口中最多存有N个数据帧,数据帧在5G移动通信多端口内传输期间会出现传输出错及数据帧丢失的问题,出现这种问题的概率为p。当5G移动通信多端口数据帧传输时传输时延为ta,那么数据帧在多端口数据链路的发送端及接收端的输送时延就表示tp,数据帧在接收端中获取数据后产生的处理时延表示tpr。

多端口内若数据帧的传输流程为连续发送[6,7],那么数据帧与数据输送时间就会发生重叠。设置数据帧传输时时间重叠系数表示β,令其满足0≤β1<1的条件,当重叠时间为β1=0时,表示在5G移动通信多端口中只能有唯一的数据帧在链路内传输。设置5G移动通信多端口信道的传输时间属于瞬间传送,而在多端口链路内,数据帧在传输期间的时间由下述公式表达式定义而成

t4=ta+tp+tpr

(1)

式中,t4表示传输时间。

式(1)代表5G移动通信数据帧从多端口的发送端到接收端的传输时间,而数据帧从接收端到发送端的输送时间表达式定义为:t5=tb+tpr。式中,tb表示数据帧发送时延。

假设在5G移动通信多端口中,有m个数据帧划分成了n个移动端口,那么每个端口所传输的数据帧所消耗的时间定义为:t6=xt4+t5。式中,x表示数据帧个数。

根据以上计算的不同数据帧在5G移动通信多端口中的发送端时间,在时间重叠情况下,利用下式计算出输送m个数据帧所消耗的时间,定义为

tF=n(t6-β1t6)=mt4+nt5-n+β1t6

(2)

式中,β1表示时间重叠系数,tF表示多个数据帧传输时所消耗的时间。

若数据帧在5G移动通信多端口传输时会出现数据丢失或出错的问题,那么就要在移动端口中重新上传数据帧,并在移动窗口中确认,且重传次数无限制,那么m个数据帧在发送时所消耗的时间定义如下

(3)

式中,T′表示数据帧传输耗时,i表示常数,pi表示数据帧出错及丢失概率。

通过上述分析计算,可知在一定的单位时间内,5G移动通信多端口可以输送出较多的数据帧,且传输速率高。若数据帧传输过程中出现出错或丢失问题,可以连续重新上传需要传输的数据帧,这时5G移动通信端口传输单一数据帧时,传输时间就为:tH=x(t4+t5)。式中,tH表示数据输送到下一个端口的传输时间。

(4)

根据数据帧在通信信道中的传输时延,可知5G移动通信多端口的传输性能较高,具有较强的通信传输优势,基于这一特点分配5G移动通信多端口并行流量。

3 5G移动通信多端口并行流量控制

3.1 流量分配

由此可知,带宽和跳数在5G移动通信多端口中占据着重要地位。5G移动通信多端口数据帧的传输时延及丢包率[8,9]均与带宽成反比。跳数可以有效的对5G移动通信多端口并行流量的资源消耗效果产生反应,数据帧经过跳数时,跳数越大资源消耗越多。

基于5G移动通信多端口性能分析,设置LSP的平均时延表示Tk,跳数定义为Nk,那么并行流量在多端口链路中的分配准则ik就表示为:ik=Tk×Nk,此时的代价函数表述如下

(5)

式中,λk为约束条件。当分配并行流量时,F有了变小趋势,那么就表明LSP链路中的跳数是固定不变的,以此就可以通过F最小原则对5G移动通信多端口并行流量开展分配处理[10,11]。因此在LSP平均时延相等的情况下,并行流量跳数越少的,则被最先分配,以此达到降低资源占用的目的。

(6)

通过以上研究,对5G移动通信多端口并行流量的分配流程如下所示:

1)按照5G移动通信多端口链路的初始化状态,设立分配因子为Tk,0=Ck/CT,其中Ck标记链路容量,CT标记链路总容量,Tk,0代表分配因子。

2)依据5G移动通信多端口性能分析,计算出数据时延分组,获取平均时延。

3)从LSP链路中得出第j时刻的平均时延为Tk,j,将Tk,j与Tk,j相对应的跳数Nk乘积后得出链路资源参数Rk,j,并对其从大到小依次排序。操作完成后选取Rk,j的最大值与最小值为一组,而次大值与次小值为第二组,以此将最大值Max(Rk,j)分配到Min(Rk,j)中,形成流量Um。反复重复此操作,每对分配后的并行流量都为U,再从U中生成出新的一组,更新为Tk,j,完成对并行流量的分配。

4)每隔1个延时测量间隔后,返回到第2)步骤直接执行,直至全部分配完成后结束,至此实现流量的分配。

3.2 并行流量控制

通过对5G移动通信多端口链路并行流量的分配,建立模糊逻辑控制器[12,13]对各条链路中的并行流量控制,以此减小网络流量拥堵。

模糊逻辑控制器主要有两部分组成,一部分为FCAC(模糊连接受理控制),另一部分为IUPC(智能用法参数控制)。模糊逻辑控制器FLC将网络拥塞控制及流量控制相融合,具有控制性强的特点。

根据并行流量在各个链路中的分配结果,将FLC划分成两个控制部分,一种为用户发出请求后FCAC需尽快响应连接请求,确定链路流量、网络参数及资源,另一种为IUPC监管FCAC可以连接的并行输入流量,可以在链路中选择性的丢弃并行流量及信元,达到均衡网络并行流量的目的[14,15]。

将流量连接数Ni、ρi及γi用作FLC的输入,这时5G移动通信多端口并行流量所需带宽CFUZZY的模糊近似值就表示为

(7)

式中,L表示不同流量参数,i表示并行流量源。

基于模糊控制器FLC的输入结果,得出最佳模糊准则,利用FLC对5G移动通信多端口分配后的并行流量控制后,其最终输出结果为

(8)

根据FLC的输出结果,取得5G移动通信多端口网络拥堵反馈情况,并利用模糊逻辑控制器判断是否需要丢弃或标记输入的违约流量信元,从而完成对5G移动通信多端口并行流量的控制。

4 实验与分析

为了验证5G移动通信多端口并行流量控制方法的整体有效性,需要对该方法开展实验对比测试。

通过研究提出的5G移动通信多端口并行流量控制方法(研究方法)、文献[3]提出的基于数据分类和最小时延的LWA网络流量控制方法和文献[4]提出的基于网络流的嵌入式互联网中流量控制与优化方法开展对比测试。

为了能够验证研究方法、基于数据分类和最小时延的LWA网络流量控制方法和基于网络流的嵌入式互联网中流量控制与优化方法的控制效果,设定在5G移动通信多端口中引入20条链路,并将并行流量分配到各个链路中,根据分配结果测试流量在CPU中的占用率,其测试结果如图1所示。

图1 CPU占用率测试

根据图1中的数据可知,本次测试选取的并行流量为2500Mbs,将其分配到各个链路后,研究方法在整个CPU中的占用率要低于文献方法,且整体占用率不超过CPU的一半,可见研究方法的控制性能强。

流量分配到每条链路后,会随着链路数的增加,导致总端口平均带宽产生变化。链路数增加后,若总端口平均带宽的运动趋势较平缓,就说明流量在链路中处于稳定状态,没有发生链路拥堵的问题。根据这一特点,对总端口平均带宽开展实验对比测试,验证三种方法的流量控制效果,具体测试结果如图2所示。

图2 总端口平均带宽对比测试

分析图2中的数据可知,链路数不断增加的情况下,研究方法的总端口平均带宽运动轨迹保持着平稳上升的变化,说明链路条数增加后流量在各条链路中依然保持稳定状态,且没有链路拥塞,证明研究方法的控制效果好。

链路数在5G移动通信多端口中增加后,各个链路的流量端口带宽最大利用率会随之提升,针对这一特性,利用三种方法对端口带宽最大利用率及流量平均延时实行测试,根据测试结果侧面反映出三种控制方法的优劣。

依据图3与图4的测试结果,可以明显看出研究方法的端口带宽最大利用率最高、而流量的平均延时最低,充分体现出研究方法的控制性能最优。这是因为研究方法对5G移动通信多端口并行流量实行分配处理,以此解决了多端口并行流量出现的拥塞问题,为5G移动通信多端口并行流量控制奠定了重要基础,大大地提升了整体控制性能,因此研究方法的端口带宽最大利用率最高、平均延时最低。

图3 端口带宽最大利用率测试

图4 平均延时测试

5 结束语

本研究提出5G移动通信多端口并行流量控制方法。优先分析了5G移动通信多端口性能,基于此分配5G移动通信多端口并行流量,达到降低网络流量拥堵的目的,进而利用建立的模糊逻辑控制器对各个链路的并行流量控制。通过实验全面测试了该方法的应用性能,验证了提出方法在5G移动通信多端口并行流量控制方法中发挥着重要地位,在今后并行流量控制方法中有着良好的发展前景。