91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

羅小琴，朱曉榮

（南京郵電大學(xué)通信與信息工程學(xué)院南京210003）

摘要：針對(duì)高清視頻在異構(gòu)無(wú)線網(wǎng)絡(luò)巾以多流并發(fā)的方式進(jìn)行傳輸，以提高傳輸速率，從而增強(qiáng)用戶體驗(yàn)的問(wèn)題，以最小化系統(tǒng)傳輸時(shí)延以及各路徑間時(shí)延差為優(yōu)化目標(biāo)，聯(lián)合考慮r視頻發(fā)送端和接收端，自適應(yīng)調(diào)整視頻發(fā)送速率和接收端緩存大小以提高用戶體驗(yàn)，建立了異構(gòu)無(wú)線網(wǎng)絡(luò)中視頻多流并發(fā)傳輸?shù)目刂颇Ｐ�，并基于Pareto分布和P/P/I排隊(duì)理論對(duì)具有自相似性和長(zhǎng)相關(guān)性的視頻流進(jìn)行了研究，推導(dǎo)了并發(fā)傳輸系統(tǒng)的時(shí)延統(tǒng)計(jì)特性，并在此基礎(chǔ)』：提出了一種異構(gòu)無(wú)線網(wǎng)絡(luò)視頻流自適應(yīng)分流決策方法。仿真結(jié)果表明，與一般的負(fù)載均衡分流決策方法相比，提出的異構(gòu)網(wǎng)絡(luò)多流并發(fā)自適應(yīng)傳輸控制方法在時(shí)延和分組丟失率方面都有一定的優(yōu)越性。

關(guān)鍵詞：異構(gòu)無(wú)線網(wǎng)絡(luò)；流量分配；自相似流；Pareto分布；傳輸時(shí)延

1  引言

    隨著Internet技術(shù)的飛速發(fā)展，視頻業(yè)務(wù)流逐漸成為互聯(lián)網(wǎng)中的主要數(shù)據(jù)流量，比較典型的有在線電影、視頻會(huì)議等。移動(dòng)數(shù)據(jù)和視頻業(yè)務(wù)正成為人們生活中至關(guān)重要的一部分．2012年移動(dòng)視頻流量已超出其他數(shù)據(jù)流量的50%．思科最新公布的一份報(bào)告顯示了2014年視頻流量占全球網(wǎng)絡(luò)流量的90%以上。各種視頻流媒體應(yīng)用不斷出現(xiàn)，能夠使用3G/4G無(wú)線移動(dòng)連接到互聯(lián)網(wǎng)的智能手機(jī)和平板設(shè)備快速增加，都是視頻流量快速增長(zhǎng)的原因。

    實(shí)時(shí)多媒體傳輸通常具有很高的網(wǎng)絡(luò)帶寬要求，尤其是實(shí)時(shí)高清視頻業(yè)務(wù)需要嚴(yán)格的端到端時(shí)延和時(shí)延抖動(dòng)要求，而單一的無(wú)線接人技術(shù)由于有限的通信能力和不同的工作方式無(wú)法為用戶提供較好的用戶體驗(yàn)。無(wú)線異構(gòu)網(wǎng)絡(luò)環(huán)境是下一代無(wú)線網(wǎng)絡(luò)的一個(gè)重要特征，存在多種不同的異構(gòu)無(wú)線網(wǎng)絡(luò)，例如3G、LTE、WLAN等，多徑并行傳輸系統(tǒng)，通過(guò)聚合多條鏈路的傳輸性能，可以有效提升網(wǎng)絡(luò)資源利用率，提高業(yè)務(wù)傳輸速率及負(fù)載均衡能力。

    參考文獻(xiàn)[3]提出了一種無(wú)線廣域網(wǎng)和無(wú)線個(gè)域網(wǎng)協(xié)作下的自適應(yīng)流量分配策略，該策略通過(guò)網(wǎng)絡(luò)間的負(fù)載均衡實(shí)現(xiàn)了最小化系統(tǒng)傳輸時(shí)延，并且擴(kuò)展了單模終端的通信功能以支持高速率數(shù)據(jù)流，該參考文獻(xiàn)假設(shè)了網(wǎng)絡(luò)流量到達(dá)服從泊松過(guò)程，根據(jù)排隊(duì)論將不同鏈路中數(shù)據(jù)傳輸建模為M/M/l隊(duì)列，而參考文獻(xiàn)[4]提出的大量對(duì)網(wǎng)絡(luò)流量的研究表明數(shù)據(jù)分組到達(dá)不服從指數(shù)分布、不具有泊松性，而是具有自相似性和長(zhǎng)相關(guān)性。參考文獻(xiàn)[5]也提出數(shù)據(jù)分組到達(dá)和分組長(zhǎng)度服從指數(shù)分布不適合用來(lái)建立不同種類的網(wǎng)絡(luò)流量模型，并且指出重尾分布更加適合數(shù)據(jù)分組到達(dá)和數(shù)據(jù)分組長(zhǎng)度。在網(wǎng)絡(luò)性能分析中，服從重尾分布(heavy-tailed distribution)與服從泊松分布的數(shù)據(jù)流有明顯不同的特征。參考文獻(xiàn)[6]指出理解流量的性質(zhì)對(duì)無(wú)線網(wǎng)絡(luò)和無(wú)線服務(wù)的設(shè)計(jì)至關(guān)重要，傳統(tǒng)的網(wǎng)絡(luò)流量（泊松流量）模型導(dǎo)致低估或者高估無(wú)線網(wǎng)絡(luò)性能，并且仿真結(jié)果表明與泊松流量相比，自相似流量的實(shí)時(shí)輪詢服務(wù)和盡力而為服務(wù)的時(shí)延增加，盡力而為服務(wù)的請(qǐng)求碰撞概率增大。此外參考文獻(xiàn)[3]的優(yōu)化目標(biāo)是系統(tǒng)時(shí)延總和最小，而針對(duì)視頻流，需要綜合考慮各路徑時(shí)延、各路徑時(shí)延差（即路徑間抖動(dòng)）以及播放緩沖區(qū)長(zhǎng)度。參考文獻(xiàn)[7]提出的不同類型的網(wǎng)絡(luò)流量表現(xiàn)出自相似特性，其性能特征和服從典型的泊松分布或者指數(shù)分布的流量有顯著區(qū)別。參考文獻(xiàn)[8]提出了滿足時(shí)延約束抖動(dòng)優(yōu)化的路徑流量分配算法，該算法根據(jù)路徑最大容許流入速率按比例分配各路徑流量，同時(shí)盡可能減小路徑間的時(shí)延抖動(dòng)。參考文獻(xiàn)[9]提出了異構(gòu)網(wǎng)絡(luò)中一個(gè)流量自適應(yīng)分配策略，將數(shù)據(jù)流分解成多個(gè)流，并在終端聚合，并行數(shù)據(jù)傳輸使用M/M/1排隊(duì)理論建模，并通過(guò)拉格朗日乘子法求解最優(yōu)化問(wèn)題。但是近年來(lái)對(duì)網(wǎng)絡(luò)通信流的測(cè)量研究顛覆了傳統(tǒng)的以柏松理論為基礎(chǔ)的通信模型，許多文獻(xiàn)報(bào)告了現(xiàn)代數(shù)據(jù)通信流具有自相似特性。參考文獻(xiàn)[10]建立了異構(gòu)多接入網(wǎng)絡(luò)并發(fā)傳輸端到端時(shí)延的等效排隊(duì)論模型，并由此模型獲得了并發(fā)傳輸系統(tǒng)的理論時(shí)延界。提出了多接入網(wǎng)間資源聯(lián)合調(diào)度的分流策略，包括最短等待時(shí)延分流策略和統(tǒng)一隊(duì)列管理分流策略。但是將分組到達(dá)看作指數(shù)分布，服務(wù)過(guò)程看作泊松分布。參考文獻(xiàn)【11】針對(duì)網(wǎng)絡(luò)流量的自相似特性，使用P/P/l排隊(duì)模型研究了在各種無(wú)線局域網(wǎng)場(chǎng)景自相似流量的影響。通過(guò)對(duì)數(shù)據(jù)分組到達(dá)時(shí)間間隔和數(shù)據(jù)分組大小應(yīng)用更加真實(shí)的自相似分布，結(jié)果表明，在某些情況下，尤其是單跳網(wǎng)絡(luò)或者無(wú)移動(dòng)性網(wǎng)絡(luò)中，自相似流量對(duì)無(wú)線局域網(wǎng)的時(shí)延有顯著影響。具有自相似特性的網(wǎng)絡(luò)業(yè)務(wù)對(duì)網(wǎng)絡(luò)設(shè)計(jì)提出新的挑戰(zhàn)，自相似業(yè)務(wù)的復(fù)用疊加不僅不會(huì)使網(wǎng)絡(luò)業(yè)務(wù)趨向平滑，反而增加了它的突發(fā)性，而時(shí)間集合的分形業(yè)務(wù)的突發(fā)性減弱速度也遠(yuǎn)比泊松業(yè)務(wù)要慢得多，所以網(wǎng)絡(luò)設(shè)計(jì)中就需要分配更多的資源來(lái)保證服務(wù)質(zhì)量。

    本文針對(duì)上述問(wèn)題，以最小化系統(tǒng)鏈路時(shí)延和以及各路徑間時(shí)延差為優(yōu)化目標(biāo)，首先提出了系統(tǒng)模型，建立了異構(gòu)無(wú)線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制數(shù)學(xué)模型，形成了異構(gòu)無(wú)線網(wǎng)絡(luò)中一種自適應(yīng)視頻流量分配的最優(yōu)化問(wèn)題。本文首次將視頻流的自相似特性應(yīng)用到異構(gòu)網(wǎng)絡(luò)多流并發(fā)分流策略中，對(duì)數(shù)據(jù)分組到達(dá)時(shí)間間隔和數(shù)據(jù)分組大小采用更加真實(shí)的自相似分布進(jìn)行建模，數(shù)據(jù)傳輸使用P/P/l排隊(duì)模型，得到更加符合視頻流實(shí)際的時(shí)延，從而獲得更加合理的分流策略，以保證服務(wù)質(zhì)量。并綜合考慮發(fā)送端和接收端狀況，將接收端緩沖區(qū)長(zhǎng)度作為反饋調(diào)整發(fā)送端速率提高用戶體驗(yàn)。為解決此優(yōu)化問(wèn)題，利用了人工螢火蟲(chóng)群優(yōu)化（glowworm swarm optimization，GSO）算法對(duì)該優(yōu)化問(wèn)題進(jìn)行了求解。

2  系統(tǒng)模型

異構(gòu)無(wú)線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制系統(tǒng)模型如圖1所示，高清視頻流在視頻源端進(jìn)行分流，通過(guò)自適應(yīng)分流決策，將視頻流分別通過(guò)不同鏈路進(jìn)行傳輸，多個(gè)異構(gòu)無(wú)線終端，多種無(wú)線網(wǎng)絡(luò)協(xié)同工作，最后在視頻播放端緩沖區(qū)進(jìn)行整合后播放。視頻源端采用H.264對(duì)視頻進(jìn)行壓縮編碼，采用3G網(wǎng)絡(luò)進(jìn)行傳輸。多個(gè)用戶可利用周邊可用終端完成多流并發(fā)傳輸?shù)囊曨l業(yè)務(wù)。來(lái)自不同用戶的異構(gòu)單模終端構(gòu)成虛擬多模終端，這些異構(gòu)單模移動(dòng)終端使用不同制式的網(wǎng)絡(luò)，例如cdma2000、WCDMA等，這些協(xié)同終端之間通過(guò)Wi-Fi組網(wǎng)由終端控制器控制聚合成一個(gè)能力增強(qiáng)、接口增多、協(xié)作對(duì)外的有機(jī)整體，形成一個(gè)以用戶為中心的超級(jí)終端，即虛擬終端，實(shí)現(xiàn)業(yè)務(wù)多樣化和增強(qiáng)用戶體驗(yàn)。

假設(shè)發(fā)送端與接收端之間存在K條鏈路，各條傳輸路徑性能存在差異，如不同路徑的分組丟失率及傳輸時(shí)延可能各不相同。假設(shè)業(yè)務(wù)傳輸?shù)淖钚�單位為�?shù)據(jù)分組，通過(guò)合理安排數(shù)據(jù)分組離開(kāi)發(fā)送的速率來(lái)調(diào)節(jié)業(yè)務(wù)在各路徑上的傳輸速率。R是總的數(shù)據(jù)流量，R1、R2、R3分別是分到各個(gè)鏈路的數(shù)據(jù)流量，D．、D2、D3是各個(gè)鏈路的時(shí)延。

    視頻播放端設(shè)置了一個(gè)可動(dòng)態(tài)調(diào)整長(zhǎng)度的緩沖區(qū)，視頻播放端接收的視頻臨時(shí)保存在播放緩沖區(qū)中，短時(shí)間的速率和帶寬的不匹配可以被吸收，從而減輕視頻中斷，并且視頻數(shù)據(jù)分組可以在該播放緩沖區(qū)中重新排序，吸收各路徑間的時(shí)延抖動(dòng)。該緩沖區(qū)構(gòu)成了視頻播放端和視頻源端的一個(gè)緩存反饋回路，視頻源端可以根據(jù)視頻播放端緩沖區(qū)長(zhǎng)度調(diào)整發(fā)送速率R，從而緩沖區(qū)長(zhǎng)度保持在正常狀態(tài)，提高用戶體驗(yàn)。

3  異構(gòu)無(wú)線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制模型

    視頻流量具有自相似性和長(zhǎng)相關(guān)性，而長(zhǎng)相關(guān)流量對(duì)網(wǎng)絡(luò)性能有不利的影響，最重要的結(jié)果是自相似流量下隊(duì)列長(zhǎng)度分布的衰減比短相關(guān)業(yè)務(wù)源（如泊松模型）要緩慢。同時(shí)有研究表明，流量的自相似性會(huì)導(dǎo)致緩沖溢出率高，時(shí)延長(zhǎng)和持續(xù)周期性擁塞，直接影響到新一代網(wǎng)絡(luò)的設(shè)計(jì)、控制、分析和管理，而使用泊松或馬爾可夫業(yè)務(wù)模型不能準(zhǔn)確地反映實(shí)際流量的長(zhǎng)相關(guān)性，會(huì)導(dǎo)致分析時(shí)低估平均分組時(shí)延或最大隊(duì)列長(zhǎng)度。

3.1截?cái)郟areto分布

    流量的自相似性直接影響到新一代網(wǎng)絡(luò)的設(shè)計(jì)、控制、分析和管理，在網(wǎng)絡(luò)性能分析中，數(shù)據(jù)流的自相似性越來(lái)越受到關(guān)注。盡管業(yè)務(wù)自相似過(guò)程產(chǎn)生的原因還沒(méi)有最終定論，但重尾分布確是導(dǎo)致自相似過(guò)程產(chǎn)生的一個(gè)重大原因。通常使用的重尾分布有Pareto（帕拉圖）、Weibull（韋伯）以及Log-normal（對(duì)數(shù)正態(tài)）等。由參考文獻(xiàn)[12]中的表4.1.6-1可知，視頻數(shù)據(jù)分組大小服從截尾Pareto分布（truncated Pareto distribution），到達(dá)時(shí)間間隔同樣服從截尾Pareto分布。通過(guò)對(duì)數(shù)據(jù)分組到達(dá)時(shí)間間隔和數(shù)據(jù)分組大小應(yīng)用更加真實(shí)的自相似分布，能夠得到更加符合視頻流實(shí)際的時(shí)延。

Pareto分布的尾函數(shù)為：

其為雙曲線函數(shù)，其衰減速度要比指數(shù)函數(shù)緩慢得多。本文使用Pareto分布代表視頻流充分考慮視頻流的自相似性。Pareto分布為：

因?yàn)閤是無(wú)限的，因此用截尾Pareto分布代替Pareto分布，實(shí)際使用截尾Pareto分布：

其中，k>0是位置參數(shù)，a是形狀參數(shù)，用以確定均值和方差，只有當(dāng)l<a<2時(shí)，x才同時(shí)具有有限的均值和方差。截尾Pareto分布的均值和方差分別為：

3.2 P/P/l排隊(duì)模型

    重尾服務(wù)分布排隊(duì)模型和它對(duì)網(wǎng)絡(luò)性能的影響是無(wú)線網(wǎng)絡(luò)領(lǐng)域研究的熱點(diǎn)問(wèn)題。自相似流量下隊(duì)列長(zhǎng)度分布的衰減比短相關(guān)業(yè)務(wù)源（如泊松模型）要緩慢，而且流量的自相似性會(huì)導(dǎo)致緩沖溢出率高、時(shí)延長(zhǎng)和持續(xù)周期性擁塞，而視頻流數(shù)據(jù)流存在明顯自相似性和長(zhǎng)相關(guān)性，Pareto分布可對(duì)到達(dá)時(shí)間和服務(wù)時(shí)間特性建模。視頻流數(shù)據(jù)分組到達(dá)時(shí)間間隔服從Pareto分布，服務(wù)時(shí)間同樣服從Pareto分布，因此本文所使用的每條并發(fā)鏈路排隊(duì)模型為P/P/l。

3.3異構(gòu)無(wú)線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制模型

異構(gòu)無(wú)線網(wǎng)絡(luò)視頻多流并發(fā)系統(tǒng)中每條并發(fā)鏈路都可以建模為P/P/l的排隊(duì)模型，則整個(gè)系統(tǒng)為并聯(lián)P/P/l排隊(duì)模型。異構(gòu)無(wú)線網(wǎng)絡(luò)中單條鏈路時(shí)延為平均等待時(shí)間和平均服務(wù)時(shí)間之和。

其中，t。為平均等待時(shí)間，t。為平均服務(wù)時(shí)間，Ca2和Cs2分別是視頻流數(shù)據(jù)分組到達(dá)時(shí)間間隔和數(shù)據(jù)分組服務(wù)時(shí)間的方差系數(shù)平方值，由x的方差和均值定義：

  其中，Ni為傳輸節(jié)點(diǎn)數(shù)，Ms是視頻流數(shù)據(jù)分組平均分組長(zhǎng)度，B為鏈路帶寬，Ms定義為：

    從式(7)中可以看出，時(shí)延n是C2aj的函數(shù)。而從式(9)可以看出C2aj是a的函數(shù)，因此Caj可以表示為。

實(shí)時(shí)視頻流數(shù)據(jù)的傳輸，需要在較長(zhǎng)的時(shí)間內(nèi)傳送連續(xù)的視頻數(shù)據(jù)，并在接收方實(shí)時(shí)播放，具有嚴(yán)格的端到端時(shí)延和時(shí)延抖動(dòng)要求，D是第i條鏈路的時(shí)延，而各路徑間時(shí)延差定義為各路徑間時(shí)延抖動(dòng)。因此，為滿足異構(gòu)無(wú)線網(wǎng)絡(luò)中多媒體應(yīng)用的服務(wù)質(zhì)量，路徑流量分配策略必須考慮數(shù)據(jù)的網(wǎng)絡(luò)傳輸時(shí)延及各鏈路時(shí)延差別，各鏈路時(shí)延差別稱為抖動(dòng)，路徑流量分配策略應(yīng)盡可能優(yōu)化路徑間的時(shí)延及其抖動(dòng)。本文用各路徑時(shí)延差的方差表示抖動(dòng)波動(dòng)的大小，將網(wǎng)絡(luò)傳輸時(shí)延及抖動(dòng)的方差均作為優(yōu)化目標(biāo)，因此，異構(gòu)無(wú)線網(wǎng)絡(luò)中視頻多流并發(fā)傳輸控制模型可以表述為如下的最優(yōu)化問(wèn)題：

該最優(yōu)化問(wèn)題為多目標(biāo)優(yōu)化問(wèn)題，使用權(quán)函數(shù)法將各目標(biāo)函數(shù)乘以各自對(duì)應(yīng)的權(quán)系數(shù)，將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為如下單目標(biāo)優(yōu)化問(wèn)題。

    其中．R：是分配給第i條鏈路的數(shù)據(jù)流，R。。是第i條鏈路可用資源，是第i條鏈路時(shí)延，是K條鏈路時(shí)延方差。

    由以上的最優(yōu)化問(wèn)題可以看出，本文設(shè)計(jì)的視頻多流并發(fā)傳輸控制模型就是設(shè)法找到最佳的分配矢量{a。i=1，2，…，K]使得在約束條件下，使式(13)中的時(shí)延和時(shí)延方差加權(quán)和最小。

    通過(guò)最小化上述系統(tǒng)平均整體時(shí)延，同時(shí)最小化個(gè)鏈路時(shí)延方差使各路時(shí)延差盡可能小，以獲得一套最優(yōu)的多流并發(fā)分流策略�；�于系統(tǒng)整體時(shí)延和抖動(dòng)的最優(yōu)化分流策略可以描述為上述提出的基于等式、不等式約束的多目標(biāo)非線性優(yōu)化問(wèn)題，這個(gè)問(wèn)題難以得到閉式解。本文采用人工螢火蟲(chóng)算法求解式(13)的最優(yōu)化問(wèn)題。

3.4自適應(yīng)分流決策

    本文提出的異構(gòu)無(wú)線網(wǎng)絡(luò)中視頻流自適應(yīng)分流決策是設(shè)計(jì)最優(yōu)的分流策略使得系統(tǒng)的時(shí)延最小同時(shí)使各鏈路時(shí)延差即時(shí)延抖動(dòng)最小。在并發(fā)傳輸中，數(shù)據(jù)分組的時(shí)延抖動(dòng)主要來(lái)自于不同無(wú)線接入技術(shù)之間傳輸能力的差異。

    Di與仇分別是第i條和第七條鏈路的時(shí)延，D：與Dk的差異IDi-Dkl（i≠K）即時(shí)延抖動(dòng)，抖動(dòng)應(yīng)盡可能小，兩者差異太大會(huì)導(dǎo)致視頻圖像出現(xiàn)“馬賽克”現(xiàn)象，降低清晰度。

    數(shù)據(jù)分組在不同路徑上的傳輸時(shí)延D不僅與路徑的傳輸能力有關(guān)系，還與路徑間的流量分配策略有關(guān)系。當(dāng)路徑的傳輸能力較差時(shí)，為其分配較多的流量將導(dǎo)致D，急劇增大。當(dāng)路徑的傳輸能力較好，適當(dāng)增加其傳輸流量對(duì)傳輸時(shí)延D。的影響不是很大。通過(guò)合理分配各路徑間的流量，使路徑間時(shí)延差異減小，從而達(dá)到減小抖動(dòng)的目的。

    假設(shè)發(fā)送端與接收端之間存在K條鏈路，各條傳輸路徑性能存在差異，如不同路徑的分組丟失率及傳輸時(shí)延可能各不相同。假設(shè)視頻業(yè)務(wù)傳輸?shù)淖钚�單位為�?shù)據(jù)分組，通過(guò)合理安排數(shù)據(jù)分組離開(kāi)發(fā)送的速率來(lái)調(diào)節(jié)視頻業(yè)務(wù)在各路徑上的傳輸速率。

設(shè)在tk時(shí)刻N(yùn)個(gè)數(shù)據(jù)分組到達(dá)發(fā)送端，稱t1<t2<….<tk<…tn為到達(dá)時(shí)間點(diǎn)，隨機(jī)變量Tk=tk+,-tk稱為到達(dá)時(shí)間間隔。為模擬視頻業(yè)務(wù)流的隨機(jī)到達(dá)過(guò)程假設(shè)Tk服從截?cái)郟areto分布。Ea(X)為平均到達(dá)時(shí)間間隔，則業(yè)務(wù)到達(dá)速率為。受鏈路差異影響，數(shù)據(jù)分組在各鏈路上的傳輸速率處于動(dòng)態(tài)變化過(guò)程中，這正是系統(tǒng)優(yōu)化的目標(biāo)，對(duì)于鏈路i有：

    其中，u。為第i條鏈路上的業(yè)務(wù)到達(dá)速率，匠，如）為第滌鏈路上的到達(dá)時(shí)間間隔，R為第i條鏈路上的傳輸速率，Ms為數(shù)據(jù)分組長(zhǎng)度。

    本文提出的自適應(yīng)分流決策使用人工螢火蟲(chóng)群優(yōu)化算法求解式(13)中最優(yōu)化問(wèn)題。人工螢火蟲(chóng)群優(yōu)化算法源于對(duì)自然界中螢火蟲(chóng)發(fā)光求偶、溝通等行為的研究。它是一種群智能優(yōu)化算法，該算法廣泛地使用在資源調(diào)度方面，其仿生學(xué)原理是：用自然界中的螢火蟲(chóng)個(gè)體模擬搜索空間中的點(diǎn)，將螢火蟲(chóng)個(gè)體相互吸引和移動(dòng)的過(guò)程模擬成目標(biāo)尋優(yōu)的過(guò)程，用螢火蟲(chóng)個(gè)體所處位置的優(yōu)劣來(lái)衡量求解問(wèn)題的目標(biāo)函數(shù)，螢火蟲(chóng)個(gè)體的優(yōu)勝劣汰過(guò)程即目標(biāo)函數(shù)優(yōu)化過(guò)程中函數(shù)可行解的迭代過(guò)程。

    在CSO算法中，人工螢火蟲(chóng)亮度是與所在位置的目標(biāo)函數(shù)適應(yīng)度值有關(guān)。設(shè)在m維的目標(biāo)搜索空間有n個(gè)螢火蟲(chóng)組成一群體，根據(jù)熒光素值的相近程度將該群體分成n個(gè)鄰域，每個(gè)鄰域內(nèi)螢火蟲(chóng)i以概率Pq在決策域范圍Ra（O<Rd/<R。）內(nèi)向螢火蟲(chóng)J移動(dòng)，其中R，是螢火蟲(chóng)的感知范圍半徑。第i個(gè)螢火蟲(chóng)的位置就是一個(gè)潛在的解，將X帶人目標(biāo)函數(shù)算出其適應(yīng)度函數(shù)值J(x,)，同時(shí)得到熒光素值t，根據(jù)熒光素值的大小衡量解得優(yōu)劣。

GSO算法主要通過(guò)式(17)熒光素值更新方程、式(18)概率分布方程、式(19)位置更新方程和式(20)局部決策域范圍更新方程對(duì)螢火蟲(chóng)進(jìn)行操作來(lái)模擬求解函數(shù)最優(yōu)值。

    式(18)中，。即當(dāng)螢火蟲(chóng)j的熒光素值大于螢火蟲(chóng)i的熒光素，且螢火蟲(chóng)？與螢火蟲(chóng)i之間的距離小于螢火蟲(chóng)的距離小于螢火蟲(chóng)i所在鄰域的決策范圍時(shí)，將螢火蟲(chóng)i劃分到螢火蟲(chóng)i所在的鄰域。是螢火蟲(chóng)i的鄰域密度；p是常數(shù)；p是常數(shù)，它決定算法是否呈現(xiàn)記憶性，當(dāng)p=0時(shí)，算法呈現(xiàn)無(wú)記憶性，此時(shí)每個(gè)螢火蟲(chóng)的熒光素值只依賴于螢火蟲(chóng)當(dāng)前位置的適應(yīng)度值，當(dāng)p∈（0，1]時(shí)，記下當(dāng)前位置的熒光素累積值好的路徑；y是常量，可縮放函數(shù)適應(yīng)度值：s是螢火蟲(chóng)移動(dòng)的步長(zhǎng)，能影響目標(biāo)函數(shù)的值域范圍。

由GSO算法原理可知，自適應(yīng)分流決策過(guò)程的運(yùn)行時(shí)間主要消耗在螢火蟲(chóng)位置更新上，其時(shí)間復(fù)雜度主要由最大迭代次數(shù)M和螢火蟲(chóng)個(gè)數(shù)n兩個(gè)因素決定。在一次迭代過(guò)程中，螢火蟲(chóng)位置更新操作執(zhí)行的頻度為f=l+2+3+…+n=n×（n+1）／2，其時(shí)間復(fù)雜度為O(n,2)，所以經(jīng)過(guò)M次迭代之后，本文自適應(yīng)分流決策的總時(shí)間復(fù)雜度為O(Mxn,2)，其中M為最大迭代次數(shù)，n為螢火蟲(chóng)個(gè)數(shù)。

4仿真結(jié)果

    本文通過(guò)大量MATLAB仿真實(shí)驗(yàn)來(lái)評(píng)估所提出的自適應(yīng)分流策略的性能。仿真參數(shù)見(jiàn)表1。假設(shè)并行傳輸數(shù)據(jù)為3條，傳輸能力分別4 Mbit/s、2 Mbit/s、3 Mbit/s，人工螢火蟲(chóng)

群優(yōu)化算法初始種群大小為20，最大迭代次數(shù)為300。

    在本仿真中，視頻發(fā)送端速率從2 Mbit/s變化到6 Mbit/s。本文所提出的自適應(yīng)分流決策與一般的負(fù)載均衡分流決策進(jìn)行比較。一般的負(fù)載均衡分流決策如式(21)：

    參考文獻(xiàn)[4]中指出到達(dá)時(shí)間間隔SCV(Ca2)和數(shù)據(jù)分

組長(zhǎng)度SCV(Cs2)對(duì)分組丟失率有不同程度的重大影響，本

文仿真中分組丟失率為：

    式(22)中Q為傳輸節(jié)點(diǎn)緩存分組的長(zhǎng)度，仿真中Q設(shè)為20個(gè)分組。

圖2(a)顯示了速率隨形狀參數(shù)a。的變化�？梢钥闯霎�(dāng)數(shù)據(jù)分組長(zhǎng)度和位置參數(shù)k。不變時(shí)，速率隨著形狀a。增大，圖2(b)顯示了速率隨位置參數(shù)k。的變化�？梢钥闯霎�(dāng)數(shù)據(jù)分組長(zhǎng)度和形狀a。不變時(shí)，速率隨著位置參數(shù)k。的增大而逐漸減小。仿真中發(fā)送速率

圖3顯示了系統(tǒng)分組丟失率隨發(fā)送速率的變化�？梢钥闯霰疚奶岢龅幕�于時(shí)延和時(shí)延抖動(dòng)的分流策略比一般負(fù)載均衡分流策略分組丟失率要低，但是隨著網(wǎng)絡(luò)負(fù)載增加，兩者差別逐漸減小，當(dāng)發(fā)送端速率增大到5.5 Mbit/s和6 Mbit/s時(shí)，兩者分組丟失率接近。這是因?yàn)榫W(wǎng)絡(luò)負(fù)載較大，優(yōu)化效果降低。在發(fā)送端速率為3 Mbit/s時(shí)，本文提出的分流策略比一般負(fù)載均衡分流策略分組丟失率降低10.6%。

圖4(a)顯示了在發(fā)送端速率為4 Mbit/s時(shí)，自適應(yīng)分流決策方法迭代50次左右收斂，各路徑分得數(shù)據(jù)流量如圖4(a)所示。圖4(b)顯示了在發(fā)送端速率為4 Mbit/s、螢火蟲(chóng)種群大小為20、最大迭代次數(shù)為300時(shí)，系統(tǒng)分組丟失率在50次左右收斂，系統(tǒng)性能穩(wěn)定，計(jì)算復(fù)雜度為O(M xn,z)，其中M為最大迭代次數(shù)，n為螢火蟲(chóng)個(gè)數(shù)，計(jì)算復(fù)雜度低。

圖5(a)顯示了與一般負(fù)載均衡分流策略相比，本文提出的分流策略的時(shí)延降低了4.67%。當(dāng)發(fā)送端速率逐漸增大時(shí)，兩種分流策略中的時(shí)延均大幅增大，因?yàn)榱髁控?fù)載已接近可用資源，這將導(dǎo)致系統(tǒng)性能不穩(wěn)定，尤其是當(dāng)發(fā)送端速率超過(guò)4 Mbit/s時(shí)，單一的無(wú)線接入技術(shù)因?yàn)橛邢薜耐ㄐ拍芰σ呀?jīng)無(wú)法滿足要求，因此來(lái)自不同用戶的單模異構(gòu)終端通過(guò)局域網(wǎng)組網(wǎng)擴(kuò)展成以用戶為中心的能力增強(qiáng)的超級(jí)終端，即虛擬終端，可以聚合鏈路資源，提高用戶體驗(yàn)。圖5(b)顯示了與采用M/M/I排隊(duì)理論相比，采用P/P/l排隊(duì)理論的時(shí)延大于前者，并且隨著發(fā)送速率的增大，兩者差距增大。這是因?yàn)橐曨l流的自相似性對(duì)時(shí)延影響，需要分配更多的資源來(lái)保證服務(wù)質(zhì)量，因此采用更符合視頻流自相似特性的P/P/l排隊(duì)論進(jìn)行分流決策能夠給用戶提供更好的體驗(yàn)。

5結(jié)束語(yǔ)

    本文針對(duì)異構(gòu)無(wú)線網(wǎng)絡(luò)中視頻多流并發(fā)傳輸控制提出了一種視頻自適應(yīng)分流決策。提出的異構(gòu)網(wǎng)絡(luò)高清視頻多流并發(fā)傳輸控制包括兩個(gè)階段：自適應(yīng)分流決策；接收緩沖區(qū)長(zhǎng)度反饋?zhàn)赃m應(yīng)調(diào)節(jié)發(fā)送端速率。自適應(yīng)分流決策通過(guò)使系統(tǒng)時(shí)延最小同時(shí)使時(shí)延抖動(dòng)最小，獲得一種分流決策方法。緩沖區(qū)長(zhǎng)度反饋?zhàn)赃m應(yīng)調(diào)節(jié)發(fā)送端速率是聯(lián)合視頻源端和視頻播放端，通過(guò)播放端緩沖區(qū)長(zhǎng)度自適應(yīng)調(diào)節(jié)發(fā)送端速率。

    仿真結(jié)果表明，所提出的視頻自適應(yīng)分流決策與一般的負(fù)載均衡分流決策方法相比，時(shí)延減少了4.67%，基于P/P/l排隊(duì)理論與M/M/l排隊(duì)理論相比時(shí)延增加，且隨著發(fā)送端速率的增加，兩者差距增大，說(shuō)明視頻流的自相似性影響時(shí)延，需要分配更多的資源來(lái)保證服務(wù)質(zhì)量，因此采用更符合視頻流自相似特性的P/P/l排隊(duì)論進(jìn)行分流決策能夠給用戶提供更好的體驗(yàn)。所提出的視頻自適應(yīng)分流決策與一般的負(fù)載均衡分流決策方法相比，在發(fā)送速率為3 Mbit/s時(shí)，分組丟失率降低7.6%�？偟膩�(lái)說(shuō)，與一般的負(fù)載均衡分流決策方法相比，本文提出的分流決策方法在時(shí)延和分組丟失率方面均有一定的優(yōu)越性。