蚁群分工启发的ICN负载均衡机制

doi:10.3778/j.issn.1673-9418.1706022

计算机科学与探索 ›› 2018, Vol. 12 ›› Issue (7): 1109-1116.DOI: 10.3778/j.issn.1673-9418.1706022

蚁群分工启发的ICN负载均衡机制

任珂欣，王兴伟，马连博，黄敏

1. 东北大学计算机科学与工程学院，沈阳 110169

2. 东北大学软件学院，沈阳 110169

3. 东北大学信息科学与工程学院，沈阳 110819

出版日期:2018-07-01 发布日期:2018-07-06

Ant Swarm Cooperation Inspired ICN Load Balance Scheme

REN Kexin, WANG Xingwei, MA Lianbo, HUANG Min

1. School of Computer Science and Engineering, Northeastern University, Shenyang 110169, China
2. Software College, Northeastern University, Shenyang 110169, China
3. School of Information Science and Engineering, Northeastern University, Shenyang 110819, China

Online:2018-07-01 Published:2018-07-06

摘要/Abstract

摘要：

信息中心网络（information centric networking，ICN）支持网内缓存和多路径路由，但由于路由器缓存能力有限，网络可能出现严重拥塞。针对这种情况，设计了蚁群分工协作启发的ICN负载均衡机制（ant swarm cooperation inspired ICN load balance scheme，ASCLB）。首先定期预测路由器和链路负载，再判断是否执行负载均衡机制；其次设计了蚁后表、雄蚁包和工蚁包；最后通过蚁群分工协作，寻找一条到内容服务器的新路径，将部分待处理包沿该路径迁移至轻载节点或链路。实验表明，与不考虑负载均衡的ICN路由机制相比，该机制可以有效均衡路由器、链路和内容服务器负载。

关键词: 信息中心网络（ICN）, 蚂蚁分工, 蚁群算法, 负载均衡, 局部回归算法

Abstract:

Information centric networking (ICN) supports in-network caching and multi-path routing. However, due to limited cache capacity of ICN routers, network may suffer from serious congestion problems. Therefore, it is necessary to address these problems. For this purpose, this paper proposes ant swarm cooperation inspired ICN load balance scheme (ASCLB). Firstly, ASCLB predicts the load of routers and links periodically, and uses the predicted load to judge whether ASCLB needs to be executed. Secondly, queen table, drone packet and worker packet are designed. Finally, by using ant swarm cooperation, an optimal path towards repository is returned, and pending packets are transported to underloaded router or link along migration path. The experimental results show that compared with ICN routing mechanism without load balance scheme, ASCLB can balance the loads of routers, links and repositories effectively.

Key words: information centric networking (ICN), ant swarm cooperation, ant colony optimization, load balance, local regression algorithm

任珂欣，王兴伟，马连博，黄敏. 蚁群分工启发的ICN负载均衡机制[J]. 计算机科学与探索, 2018, 12(7): 1109-1116.

REN Kexin, WANG Xingwei, MA Lianbo, HUANG Min. Ant Swarm Cooperation Inspired ICN Load Balance Scheme[J]. Journal of Frontiers of Computer Science and Technology, 2018, 12(7): 1109-1116.

[1]	莫亚东，游晓明，刘升. 融合奖惩学习策略的动态分级蚁群算法[J]. 计算机科学与探索, 2021, 15(9): 1703-1716.
[2]	孙莉莉，易波，王兴伟，黄敏. 融合人体免疫防御机理的ICN安全路由机制[J]. 计算机科学与探索, 2021, 15(4): 658-669.
[3]	阳勇，孟相如，康巧燕，韩晓阳. 拓扑与资源感知的虚拟网络功能迁移方法[J]. 计算机科学与探索, 2021, 15(11): 2161-2170.
[4]	孟静雯，游晓明，刘升. 结合协同机制与动态调控策略的双蚁群算法[J]. 计算机科学与探索, 2021, 15(11): 2206-2221.
[5]	殷绍伟，彭力，戴菲菲. 融合改进A*蚁群和滚动窗口法的平滑路径规划[J]. 计算机科学与探索, 2021, 15(10): 1969-1979.
[6]	潘晗，游晓明，刘升. 考虑动态导向与邻域交互的双蚁型算法[J]. 计算机科学与探索, 2020, 14(6): 1005-1016.
[7]	张德惠，游晓明，刘升. 融合猫群算法的动态分组蚁群算法[J]. 计算机科学与探索, 2020, 14(5): 880-891.
[8]	冯志雨，游晓明，刘升. 分层递进的改进聚类蚁群算法解决TSP问题[J]. 计算机科学与探索, 2019, 13(8): 1280-1294.
[9]	矫培艳，张闯闯，王兴伟，黄敏. SDN控制域确定与划分机制[J]. 计算机科学与探索, 2019, 13(12): 2053-2060.
[10]	郭羽含，胡芳霞. 考虑匹配可行性的长期合乘问题建模与求解[J]. 计算机科学与探索, 2019, 13(11): 1894-1910.
[11]	朱宏伟，游晓明，刘升. 协同过滤策略的异构双种群蚁群算法[J]. 计算机科学与探索, 2019, 13(10): 1754-1767.
[12]	李伟东，李陈筠然，李建平. l_p范数下具有等级约束的负载均衡问题[J]. 计算机科学与探索, 2016, 10(8): 1184-1190.
[13]	彭建华，李臣明，邱军林，李晓芳，徐立中. 接收与处理分离的实时大数据处理模型[J]. 计算机科学与探索, 2015, 9(8): 906-913.
[14]	周爽，鲍玉斌，王志刚，冷芳玲，于戈，邓超，郭磊涛. BHP：面向BSP模型的负载均衡Hash图数据划分[J]. 计算机科学与探索, 2014, 8(1): 40-50.
[15]	王纯子，郭伟，张斌. 求解非线性混合整数规划的算法设计与仿真[J]. 计算机科学与探索, 2013, 7(9): 854-864.

蚁群分工启发的ICN负载均衡机制

Ant Swarm Cooperation Inspired ICN Load Balance Scheme

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics