为应对空天地立体化异构网络中由于节点异构性及连通变化带来的复杂挑战,提出了具备有界无环无阻策略更新能力的传输控制方法HWCTC. 该方法以跨层协同控制的方式将网络路由算法引入传输控制框架;在此基础上将路由更新节点的选择问题建模为节点搜索问题,使网络传输中需考虑被调用的资源限定在有界范围内. 在此基础上,设计了一种基于广度优先的启发式递增搜索算法,该算法能够有效进行全局和局部的路由配置更新,同时确保新路径无环路且无网络黑洞. 此外,为适应空天地立体化异构网络环境的波动性,还设计了一种多模式混合的拥塞控制机制,该机制能在接近网络带宽阈值时切换到更平缓的增窗模式,及时调整策略以应对网络中可能出现的多种情况. 仿真实验的结果表明,HWCTC方法在动态且高丢包率的空天地立体化异构网络环境下,不仅提供了高质量的数据传输服务,且相比于经典的Cubic和Reno方法,实现了约61.5%的吞吐量提升,显著增强了数据传输的稳定性,有效减少了节点路由动态变化对传输性能的影响.
… … 相似文献云网资源与视频任务的高效调度是保障视频物联网(video Internet of things,VIoT)应用性能的关键. 然而,目前运营化VIoT所用调度算法对差异化的任务需求和高度动态的云网资源变化适应能力不足,导致VIoT应用性能不佳. 针对上述问题,提出了一种基于连续学习的视频物联网任务需求理解与调度方法(continuous learning-based task demand understanding and scheduling method for VIoT,CLTUS). 与传统启发式或机器学习驱动的调度算法不同,将连续学习引入云网资源与视频任务需求的匹配中. 首先,基于通用的连续学习框架实现各类视频任务需求的准确理解;其次,依据视频任务之间的需求依赖关系,实现任务与服务器的适配,以精细化调度云网资源;最后,将所提方法部署于软件定义的VIoT实验平台上. 与传统方法相比,CLTUS不仅将视频任务的平均处理效率提高了127.73%,还将云网资源利用均衡率提高至67.2%,有效增强了VIoT应用性能.
… … 相似文献