聪明的以内容为中心的网络路由策略:细菌群体激励模式

文摘

近年来,以内容为中心的网络(CCN)备受关注的全球互联网专家;特别是,它表明优秀的影响物联网的应用领域(物联网)。目前,路由技术ICN受到网络环境的动态变化与移动互联网的发展。因此,本文提出了一个智能CCN路由策略基于细菌群体模式(ICBQ)。ICBQ试图模拟细菌的行为,包括群体感应和适应性的趋化作用。与此同时,群体感应可以获得的参数信息带宽,延迟,错误率促进随后转发数据包。自适应趋化作用可以选择最佳的接口转发数据包通过信息测量。仿真是基于真正的Netflix GTS网络拓扑数据集,和实验结果表明,该ICBQ具有更好的性能的路由成功率,路由延迟、负载平衡和能源效率。

1。介绍

与物联网的快速发展(物联网)1,云计算2),和移动互联网3),它是非常困难的对当前互联网支持高效的内容传播,因为已经有大量的移动设备产生的数据流量。例如,根据思科的报告,全球IP流量预计到2021年将达到3.3 ZB [4]。在这样的背景下,它是非常必要的关注互联网未来的设计。我们最好的知识,做好网络(CCN) [5)是未来最流行的互联网模式,可以极大地解决这些问题,例如,内容分布、流动性和安全性。值得注意的是,CCN是相当重要的网络系统架构,和两个特殊的著名学术组织的国际会议,也就是说,IEEE HotICN ACM ICN,从2018年到2014年,每年举行。关于研究领域,CCN包括三个主要方面,即命名、路由和缓存。其中,路由中扮演一个重要的角色,执行检索感兴趣的内容通过转发数据包。

然而,正如上面提到的,移动设备的数量已大幅增加,因此,不能方便地获得网络状态,导致传统CCN的路由策略不能实现有效内容检索。因此,智能CCN路由技术吸引了学术界和产业界的高度重视。目前,已经有一些关于智能CCN路由。例如,在[6),提出了一种基于粒子群优化的CCN路由。以前的货运经验粒子保持入口的转发概率与多个服务质量(QoS)约束的考虑。在[7),一个节能的QoS路由设计,参与了一个多目标决策问题。它使用了智能下降算法来解决np难的问题。在[8),一个智能提出了基于q学习的强化学习方案来解决在CCN路由拥塞控制问题。它使用q学习方法来学习网络状态和设计一个敌手转发模式根据学习价值。在[9启发CCN),一个智能蚁群优化路由策略,模拟蚂蚁的觅食行为,获得最接近通过转发内容感兴趣的蚂蚁。

不同于之前的智能路由方案,我们在这项工作提出了一个基于细菌群体智能CCN路由模式(ICBQ)。ICBQ模拟细菌的行为,包括群体感应和适应性的趋化作用。特别是,群体感应是用来获取参数信息的带宽,延迟,和错误率,以便后续转发数据包;自适应趋化作用是用来确定最优接口转发数据包通过测量信息。此外,不同于(6- - - - - -9],本文评估拟议的Netflix ICBQ基于真实数据集,而不是随机数据集,保证ICBQ的可靠性和可用性。总之,本文的贡献两个方面。一方面,ICBQ模拟细菌的行为;另一方面,ICBQ Netflix使用真实的数据集。

本文的其余部分的结构如下。部分2评论和分析相关的工作。部分3提出了两种细菌CCN路由行为。节4详细介绍了,接口转发策略。实验结果部分所示5。最后,部分6本文总结并给出了今后的研究方向。

2。相关工作

本节介绍了现有路由策略CCN相关工作。很多都在路由策略进行了调查,采用一些方法来解决路由问题,可以分为三个类别根据使用方法:数学路由方法,机器学习路由,路由和智能算法。

一些研究是基于数学方法进行路由。文献[10支持缓存)提出了一个类似的QoS路由的路由的方法,建立了三种社会关系显示路由器之间的关系,也就是说,邻居,感兴趣的朋友,和响应的朋友。文献[11)提出了一个gateway-aware ICN拥塞控制方法,在网关提供了一个价格为每个用户通过评估交通拥堵情况坑相关信息,有效地解决交通堵塞问题路由。文献[12)提出了一个OST-based转发策略基于网络指标,实验表明,提出的策略表现最好与其他先进的方法相比而言,延迟和传播效率。文献[13)提出了一个散列路由基于地理信息的路由解决定位问题,直接映射的名称地理信息的内容。文献[14)提出了一个概率策略以减少广播风暴的影响利息在做好车辆网络转发,转发概率的计算基于邻居的密度得到利益。文献[15)提出了两种自适应转发策略,即搜索和发现,减少利息的冗余和数据。

机器学习应用于路由问题。文献[16)提出了一种新颖的自适应转发策略基于强化学习的随机神经网络地址转发,使用一个在线学习算法和强化学习使用随机神经网络,数据包转发兴趣。文献[17)设计和实现IQ-Learning (q学习兴趣)战略和DQ-Learning(数据q学习)策略,提高运输的效率和自适应性,可以做出最好的货运选择基于过去的经验。文献[18)提出了一种新颖的自适应转发方案基于q学习的优化方面的交付延迟转发特点感兴趣的请求,应用启发式知识标准q学习算法。

最近,一些研究已经进行使用智能算法来解决路由问题。文献[19蚁群优化)映射到ICN和使用蚁群觅食行为模拟的过程路由和提出一个ACO-inspired路由策略支持移动定位的内容路由。文献[20.)提出了一个QoS-supported路由转发策略基于蚁群优化的实现最优路由策略选择的路线满足QoS需求。文献[21)提出了一个绿化域和基于蚁群的联合转发方法优化能耗。在报纸上,一个数据包转发方法用于支持的服务质量。

现有的路由策略上面提到的可以解决路由问题在某种程度上,但这些方法中有一些未解决的问题,如网络环境的动态变化。

在本文中,我们提出一个细菌群体模式路由策略CCN的启发,试图模拟细菌的行为,包括群体感应和适应性的趋化作用。提出战略,群体感应可以获得相关的参数信息带宽,延迟,和错误率促进数据包转发;和自适应趋化作用可以选择最佳的接口转发数据包根据评估的信息。

3所示。细菌在CCN路由的行为

3.1。认为孵化

细菌被认为是最简单的微生物因其简单描述个人行为,他们遵循的原则的最佳觅食理论。特别是,细菌有出色的适应能力在复杂的环境中22),他们被认为是重要的研究对象从biomicroorganism纪律的角度。具体而言,过程中细菌觅食位置取决于特殊的趋化性行为,包括两种运动模式,也就是说,游泳和翻转。当环境包括资源丰富,细菌继续沿着目前的方向;否则,当环境中的资源是稀缺的,细菌也持续运动,但随机地选择一个方向。上述两种行为被称为游泳和翻转,分别。翻转行为而言,如果逐渐适应环境可以优化,然后细菌继续沿着目前的方向,直到环境优化的程度得不到提高。根据特殊的趋化性行为,细菌总是可以继续移动到的位置,有丰富的资源,也就是说,适应的趋化作用。

除了趋化性行为,细菌也有能力利用优势和避免劣势,即群体感应。具体来说,多个细菌可以共享信息和工作协作的方式。其中,每个细菌释放感应信号来吸引其他细菌走向它。此外,一些细菌接触有害物质时,它们释放的独家信号使其他细菌远离有害物质。

根据上面的语句,本文应用计划行为的细菌进入CCN路由。具体而言,细菌有自适应和自学习功能在觅食过程中,它可以帮助提高CCN路由效率。另一方面,行为,包括自适应趋化性和群体感应,代表敌手的模式,它可以帮助获得网络状态过程中CCN路由。

3.2。自适应趋化作用

本文假设的趋化作用方向细菌总是取决于感知信号;也就是说,细菌没有随机的方式持续运动。自适应趋化作用的过程中,有两种类型的细菌,也就是说,利益细菌和探索细菌。前者用于转发数据包,后者用于收集网络状态。特别是,每个CCN节点配备了三个主要的元素,也就是说,内容存储(CS),等待利益表(坑)和转发信息库(FIB)。自适应趋化作用过程(就像利息路由)可以描述如下。

当CCN节点收到细菌时,它首先检查CS。如果CS匹配的条目内容,以下是检查是否对细菌的细菌。如果是,返回的内容和意识信号也回到收集网络状态以及当前路径;否则,只有意识信号返回和包(即下降。,细菌都死了)。另一方面,如果CS没有匹配的条目内容,以下是检查坑坑,看看是否有匹配的内容名称条目。如果没有创建一个新坑条目,包括内容名称和细菌的输入接口(利益细菌是记录在接口表和探索细菌探测接口表中记录)。如果是,更新坑。在这种情况下,如果细菌,细菌趋化性的行为继续;如果他们探索细菌,只传入接口添加和探索细菌死亡。

数学方程的位置更新趋化性行为定义如下: 在哪里 后的位置吗对细菌趋化性行为 , 是游泳的步长,是速度矢量,是监管机构的因素。

3.3。群体感应

虽然细菌趋化性行为有着重要影响进行CCN路由,总是存在着随机性在相应的过程中,大大减少CCN路由的效率。为此,群体感应可以消除不确定性过程中趋化性行为。在此基础上,CCN节点可以计算最优的数据包传输路径根据感知信号进行参数(见部分3所示。2详情),最优路径维护和被认为是经验的后续内容请求,大大增加CCN路由的效率。群体感应过程(就像数据路由)可以描述如下。

内容提供者时发现,意识生成的信号。之后,意识到发送信号通过记录输入接口的坑。当CCN节点接收到感知信号,坑是首先检查是否有匹配的条目。如果没有,直接感知信号下降。相反,如果有匹配坑条目和感知信号来自探索细菌,传播路径的网络状态参数计算根据携带信息,包括带宽、延迟,和错误率;同时,其他相同的感知信号(s)等。然而,如果收到意识信号是来自细菌,内容感兴趣返回到请求者通过利息细菌对应的接口和相关的条目将被删除。

让表示遍历路径的带宽 ,让表示遍历链接的带宽 ,让表示相应的遍历路径的延迟 ,让表示相应的延迟的遍历链接 ,让表示错误的遍历路径 ,,让表示遍历链接的错误率;和相关带宽、延迟和错误率探测感知信号后细菌遍历链接定义如下:

4所示。转发策略

细菌可以获得最后的觅食路径基于两个操作,也就是说,适应性趋化性和群体感应。类似地,对于感兴趣的转发数据包,它受制于几个网络状态参数,如带宽、延迟和错误率。事实上,基于多种因素最优接口转发属于多属性决策问题;这是一个原因调查探讨了细菌的意识信号(网络状态参数的集合)。具体而言,这种意识信号支持这些兴趣细菌请求相同的内容,从而形成协作模式。

换句话说,基于兴趣的转发策略细菌严格取决于带宽,延迟,出错率,并通过计算得到最优转发接口。在本文中,为了体现客观性的重量设置界面计算的过程中,我们使用熵权方法23设置权重。

假设有米转发接口的一些CCN节点,可以构造一个矩阵在网络状态参数,也就是 。其中,第一列的数据元素代表了可用带宽,在第二列代表相应的延迟,和那些在第三列代表相应的出错率。让表示的标准化的结果 ;我们有

此外,归因 ,让表示属性的熵值 ,我们有 在哪里 和 。

让表示一个网络状态参数的重量,我们有

5。实验结果

拟议中的ICBQ由英特尔(R)实现核心(TM) i5 - 4590 CPU @ 3.46 GHz和8 GB RAM,和c++编程语言。特别是,仿真是基于真正的Netflix驱动的数据集(24]在GTS网络拓扑25]。具体而言,Netflix数据集包括6512用户,120000个请求,521内容提供商。GTS网络拓扑包含130个节点和168个链接,如图1。

此外,6512用户,120000个请求,521内容提供商分布到GTS显示网络拓扑分布规律。此外,使用参数p设置为0.5,细菌的数量为每一轮迭代设置为100,和模拟的数量设置为30。此外,四个指标,即平均路由成功率、平均路由延迟,平均负载平衡程度,和平均能量效率,被认为是评估性能的标准。此外,研究工作7,8)被认为是两个基线比较,因为它们是最新的智能CCN路由策略,分别是缩短IJCS和ITL。其中,(7设计一个节能的QoS路由通过使用智能算法。文献[8)提出了一种智能q学习基于强化学习解决拥塞控制问题。在这篇文章中,我们将五组不同的利益要求,也就是说,600年,800年,1200年,1500年和2000年,以及6100年的利息请求是不重叠的。

5.1。路由的成功率

路由成功率被定义为一个感兴趣的用户发送的请求数量之间的比例,可以找到所请求的内容。实验结果平均路由成功率ICBQ, IJCS, ITL在不同利益要求如图2。

我们发现该ICBQ平均路由成功率最高,特别是在最后阶段,平均路由成功率可以达到100%。这表明细菌群体激励方式可以提高CCN路由成功率。此外,我们也可以发现,平均路由成功率增加而增加兴趣发送请求的数量;这是因为系统逐渐趋于稳定状态。IJCS和ITL不能获得满意的GTS网络拓扑,因为他们不能及时调整状态。特别是,通过智能下降算法的路径或许并不是最优的。同时,强化学习只保证稳定,虽然它不能获得最优路由成功率。

5.2。路由延迟

路由延迟(ms)被定义为一个时间点的差异当利息请求发送,当获得所请求的内容或返回的故障信号。实验结果平均路由延迟ICBQ, IJCS, ITL在不同利益要求如图3。

我们发现该ICBQ具有最小的路由延迟和平均有三个主要原因。起初,ICBQ使用探测细菌和节省传输延迟。然后,感兴趣的大小细菌很小,可以传播速度快。最后,细菌群体的消费时间小于通过智能算法或通过强化学习下降。

5.3。负载平衡程度

负载均衡度被定义为一个弥散系数关于GTS网络拓扑中所有的带宽值,和小弥散系数值表示良好的网络性能。实验结果平均负载平衡程度对ICBQ IJCS, ITL如图4。

我们发现该ICBQ具有最好的负载平衡程度,这是因为ICBQ充分考虑带宽的因素。然而,IJCS ITL不考虑带宽分配;因此他们有相对较大的负载平衡程度。此外,智能下降算法IJCS通常收敛于一个路径;因此,负载不平衡的。同样,ITL采用强化学习,不能平衡全球网络负载;因此它不能获得满意的负载平衡。

5.4。能源效率

能源效率是一个非常重要的指标来衡量算法是否绿色因为ICT特别注重节能。有关能源效率的定义,我们参考读者26]。实验结果的平均能效ICBQ, IJCS, ITL如图5。

我们发现该ICBQ具有能源效率最高,其次是IJCS ITL,因为ICBQ消耗最小的能量。IJCS和ITL,他们需要多个迭代完成转发,消耗更多的能量。

6。结论

探讨智能CCN路由基于细菌的行为。首先,两个行为的细菌适应趋化作用,群体感应。然后,基于分布式hop-by-bop CCN路由策略的方式,介绍了细菌和探索细菌参与的兴趣。最后,仿真是基于真实的数据集在真实的网络拓扑,和实验结果证明其可行性和有效性通过测试路由成功率,路由延迟、负载平衡程度和能源效率。在未来,我们打算提高转发策略和讨论细菌群体的收敛。此外,我们还计划进行大规模实验测试平台。

数据可用性

网络拓扑数据用于支持这项研究的结果已经沉积http://www.topology-zoo.org。

的利益冲突

作者宣称没有利益冲突。

引用

1. 胡,寿,李h . g . y . et al .,“移动边缘计算:进展和挑战”《IEEE国际会议上移动云计算服务,和工程(移动云计算)牛津大学,页83 - 84年,英国,2016年3月。视图:出版商的网站|谷歌学术搜索
2. p . t . Dat,菅野,n .山本和t . Kawanishi”5 g运输网络:需要新技术和标准,“IEEE通讯杂志,54卷,不。9日,18-26,2016页。视图:出版商的网站|谷歌学术搜索
3. k . k . y . Liu Wang钱et al .,“龙卷风:使区块链在异构物联网通过space-structured方法中,“IEEE物联网,7卷,不。2、1273 - 1286年,2019页。视图:出版商的网站|谷歌学术搜索
4. 思科网络年度报告(2018 - 2023)白皮书,https://www.cisco.com/c/en/us。
5. g . Xylomenos c . n . Ververidis诉答:Siris et al .,“以信息为中心的网络的调查研究”IEEE通信调查和教程,16卷,不。2、1024 - 1049年,2014页。视图:出版商的网站|谷歌学术搜索
6. r .侯、y . Chang和l .杨“多人约束QoS路由基于PSO的命名数据网络,”专业的沟通,11卷,不。8,1251 - 1255年,2017页。视图:出版商的网站|谷歌学术搜索
7. 张l . j . Lv,“智能信息中心网络路由方案在不精确的信息,“国际通信系统杂志》上,32卷,不。4、1、2019页。视图:出版商的网站|谷歌学术搜索
8. w·孟和l .张“Q-learning-based拥塞控制策略,以信息为中心的网络,”互联网技术信2020年出版社。视图:出版商的网站|谷歌学术搜索
9. k . j . Lv x Wang任,m·黄和k·李,“ACO-inspired以信息为中心的网络路由机制,”计算机网络卷,126年,第217 - 200页,2017年。视图:出版商的网站|谷歌学术搜索
10. 黄m . d .瞿x Wang k . Li s . k . Das和s .吴”支持缓存一个类似的QoS路由方案在以信息为中心的网络,”网络和计算机应用》杂志上,卷121,不。7,20-32,2018页。视图:出版商的网站|谷歌学术搜索
11. w·李,王,y,和美国,“收费路线:在线定价icn网关拥塞控制,”IEEE网络和服务管理,17卷,不。1,第250 - 239页,2020。视图:出版商的网站|谷歌学术搜索
12. 博雷戈,m .王维a·莫里纳罗et al .,“机会主义的以信息为中心的网络转发:一个最优停止的方法,”IEEE通讯杂志,卷。58岁的没有。5,2020。视图:出版商的网站|谷歌学术搜索
13. h·荣格和美国金”,多个哈希路由方案快速数据检索ICN,”学报2018年国际会议信息和通信技术融合(ICTC)2018年10月,韩国济州岛。视图:出版商的网站|谷歌学术搜索
14. r . Tizvar和m . Abbaspour density-aware概率的兴趣就像车载网络转发方法,”车辆通信ID 100216条,卷。23日,2019年。视图:出版商的网站|谷歌学术搜索
15. 伊克巴尔,“适应性提出策略来减少冗余的利益和数据命名数据的网络,”网络和计算机应用》杂志上卷。106年,33-47,2018页。视图:出版商的网站|谷歌学术搜索
16. o . Akinwande”,使用强化学习兴趣转发命名数据网络,”传感器,18卷,不。2018年10篇文章ID 3354。视图:出版商的网站|谷歌学术搜索
17. 傅,l .钱y朱et al .,“基于强化学习算法效率和自适应转发命名数据网络,”学报2017年IEEE /中投国际会议交流在中国(ICCC)2017年10月,青岛,中国,。视图:出版商的网站|谷歌学术搜索
18. j·t·m·张x Wang Liu朱,和吴问:“AFSndn:一种新颖的自适应转发策略命名数据网络基于q学习的,”对等网络和应用程序,13卷,不。4、1176 - 1184年,2020页。视图:出版商的网站|谷歌学术搜索
19. j . Lv、王x和m .黄“ACO-inspired ICN路由机制与流动性支持,”应用软计算58卷,第440 - 427页,2017年。视图:出版商的网站|谷歌学术搜索
20. 问:黄和f·罗,”基于蚁群优化的QoS路由在命名数据网络,”杂志在科学与工程计算方法,16卷,不。3、671 - 682年,2016页。视图:谷歌学术搜索
21. l·c·李,w . Liu王et al .,“节能服务质量意识提出方案以内容为中心的网络,”网络和计算机应用》杂志上58卷,第254 - 241页,2015年。视图:出版商的网站|谷歌学术搜索
22. k . m . Passino”生物仿生的分布式优化和控制细菌觅食,”电机控制系统,22卷,不。3,52 - 67年,2002页。视图:出版商的网站|谷歌学术搜索
23. Y.-M。王罗和y,“集成标准偏差的相关性来确定属性权重在多属性决策中,“数学和计算机模拟,51卷,不。1 - 2、1 - 12,2010页。视图:出版商的网站|谷歌学术搜索
24. Netflix的数据集,https://pan.baidu.com/s/1dDtmbW9。
25. GTS网络拓扑,http://www.topology-zoo.org。
26. x, j . Lv黄m . k . Li j . Li和k .任“节能ICN与QoS路由机制的支持,”计算机网络卷。131年,38-51,2018页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021年香港杨等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。