一种基于最大最小蚁群算法的容迟网络缓存方法技术

一种基于最大最小蚁群算法的容迟网络缓存方法

【技术实现步骤摘要】
一种基于最大最小蚁群算法的容迟网络缓存方法、系统、设备及介质


[0001]本专利技术涉及容迟网络缓存
，具体涉及一种基于最大最小蚁群算法的容迟网络缓存方法
、
系统
、
设备及介质
。

技术介绍

[0002]随着科技的发展，各种各样新型研究领域的不断扩展，衍生出了愈来愈多更复杂多样的新型网络，例如军事通信网络
、
野生动物探测网络
、
星际网络等
。
以上网络存在网络资源有限
、
端到端难以维持稳定链路
、
网络拓扑动态变化等特征，形成了一类区别于传统
Internet
网络的新型网络，称为容迟网络
(DTN
：
Delay Tolerant Networks)。
[0003]近年来，有很多关于缓存方法的研究，如：
[0004](1)
丢弃最先进入缓存的
(DF)
：如果节点的缓存已满并且有新的消息到达，
DF
算法将会丢弃最先进入缓存的消息
。
[0005](2)
随机丢弃
(DR)
：如果节点的缓存已满并且有新的消息到达，
DR
算法将会随机丢弃缓存中的消息
。
[0006](3)
丢弃最老的消息
(DO)
：如果节点中的缓存已满并且有新的消息到达，
DO
算法将会丢弃具有最小的剩余生存时间的算法
。
[0007]三种丢弃方法在缓存已满时会导致消息到达率低和网络开销高的原因是它们可能会丢弃重要的或即将到期的消息，从而影响消息的传递和处理效率
。
此外，这些方法可能需要节点不断进行丢弃操作或监测消息属性，增加了网络开销
。
[0008]A.Krifa
利用容迟网络中的全局信息决定缓存中的哪个信息将被丢弃
(Krifa A.,Barakat C.,Spyropoulos T..Optimal Buffer Management Policies for Delay Tolerant Networks[C].Proc.of 20085th Annual IEEE Communications Society Conference on Sensor,Mesh and Ad Hoc Communications and Networks.Piscataway,NJ:IEEE,2008:260
‑
268),
但由于获得全局信息需要当前节点与其他节点进行信息交换，故该方法具有网络开销较高的缺点
。
[0009]Yong Zhang
提出了一种基于分布式缓存策略的容迟网络缓存方法
(Zhang Y.and Zhang T..Cache Management Strategy Based on Distributed Storage in Delay/Disruption Tolerant Network[C].Proc.of 2019IEEE 19th International Conference on Communication Technology(ICCT).Piscataway,NJ:IEEE,2019:1337
‑
1341),
该方法利用可通信节点的缓存来缓解缓存压力，但是维护可通信节点及其可用缓存需要与当前节点进行信息交互，产生的交互信息导致该算法网络开销增大
。
[0010]C.
提出了一种容迟网络缓存管理方法“MaxDelivery”(C.(C.MaxDelivery:A New Approach to a DTN Buffer Management[C].Proc.of 2020IEEE 21st International Symposium on"A World of Wireless,Mobile and Multimedia Networks"(WoWMoM).Piscataway,NJ:IEEE,2020:60
‑
61)
，该方法有效缓解了容迟网络中的
缓存压力，但该算法使用了
ACK
确认机制，同时该算法倾向于删除复制次数多的消息，将使得网络开销变大
。

技术实现思路

[0011]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于最大最小蚁群算法的容迟网络缓存方法
、
系统
、
设备及介质，通过判断新消息进入缓存时的总信息浓度是否为最小，决定是否丢弃新消息，每次判断后均更新缓存中同类消息的信息素浓度，具有提高容迟网络中的消息到达率，减少了网络开销的特点
。
[0012]为了实现上述目的，本专利技术采用的技术方案是：
[0013]一种基于最大最小蚁群算法的容迟网络缓存方法，具体包括以下步骤：
[0014]步骤
1、
以初始节点和终止节点类别为分类依据，对信息进行分类；
[0015]步骤
2、
当有新消息到达时，检查节点中的缓存是否已满：
[0016]若缓存未满，则让新消息进入缓存，并执行步骤5；
[0017]若缓存已满，则执行步骤3；
[0018]步骤
3、
基于蚁群算法，计算新消息的总信息素浓度；
[0019]步骤
4、
将步骤3中计算所得的总信息素浓度与当前缓存中所有消息的总信息素浓度进行比较：
[0020]若新消息的总信息素浓度为最小，则丢弃新消息，并执行步骤5；
[0021]若新消息的总信息素浓度不为最小，则丢弃当前缓存中总信息素浓度最小的消息让新消息进入缓存，并执行步骤5；
[0022]步骤
5、
基于最大最小蚁群算法及步骤1中对节点的分类，按照所划分的类别，更新缓存中同类消息的信息素浓度；
[0023]步骤
6、
将步骤5更新后的同类消息信息素浓度与给定的信息素浓度范围进行对比：
[0024]在范围内：结束本次缓存，等待新消息到达，新消息到达后执行步骤2；
[0025]不在范围内：当超出上限时，则更新后的同类消息信息素浓度取给定信息素浓度范围值的上限，否则，取给定信息素浓度范围值的下限，并结束本次缓存，等待新消息到达，新消息到达后执行步骤
2。
[0026]所述的步骤1具体包括：
[0027]在网络初始化时，将整个网络中的所有节点分成
N
个类别，并将信息根据起始节点与目标节点的不同分为
N*N
个类别，其中，
N
为网络中依据节点属性所划分出的节点的类别的数量，
N
为大于1的整数
。
[0028]所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于最大最小蚁群算法的容迟网络缓存方法，其特征在于，具体包括以下步骤：步骤
1、
以初始节点和终止节点类别为分类依据，对信息进行分类；步骤
2、
当有新消息到达时，检查节点中的缓存是否已满：若缓存未满，则让新消息进入缓存，并执行步骤5；若缓存已满，则执行步骤3；步骤
3、
基于蚁群算法，计算新消息的总信息素浓度；步骤
4、
将步骤3中计算所得的总信息素浓度与当前缓存中所有消息的总信息素浓度进行比较：若新消息的总信息素浓度为最小，则丢弃新消息，并执行步骤5；若新消息的总信息素浓度不为最小，则丢弃当前缓存中总信息素浓度最小的消息，让新消息进入缓存，并执行步骤5；步骤
5、
基于最大最小蚁群算法及步骤1中对节点的分类，按照所划分的类别，更新缓存中同类消息的信息素浓度；步骤
6、
将步骤5更新后的同类消息信息素浓度与给定的信息素浓度范围进行对比：在范围内：结束本次缓存，等待新消息到达，新消息到达后执行步骤2；不在范围内：当超出上限时，则更新后的同类消息信息素浓度取给定信息素浓度范围值的上限，否则，取给定信息素浓度范围值的下限，并结束本次缓存，等待新消息到达，新消息到达后执行步骤
2。2.
根据权利要求1所述的一种基于最大最小蚁群算法的容迟网络缓存方法，其特征在于，所述的步骤1具体包括：在网络初始化时，将整个网络中的所有节点分成
N
个类别，并将信息根据起始节点与目标节点的不同分为
N*N
个类别，其中，
N
为网络中依据节点属性所划分出的节点的类别的数量，
N
为大于1的整数；所述的节点属性包括：节点移动速度
、
节点通信范围
、
节点移动模型及节点通信速度
。3.
根据权利要求1所述的一种基于最大最小蚁群算法的容迟网络缓存方法，其特征在于，所述的步骤2具体包括：当新消息到达时，比较新消息大小和节点剩余缓存大小，若新消息大小大于节点剩余缓存大小，则认为缓存满，执行步骤3；反之认为节点未满，让新消息进入缓存，并执行步骤
5。4.
根据权利要求1所述的一种基于最大最小蚁群算法的容迟网络缓存方法，其特征在于，所述的步骤3中计算消息的总信息素浓度具体为：
Weight
t,i
＝
PCM
t,i,j
+PCSC
t
‑1ꢀꢀꢀꢀ
(1)(1)
其中，
Weight
t,i
表示
t
时刻第
i
条消息的总信息素浓度，
PCM
t,i,j
表示
t
时刻进入节点
j
的第
i
条消息的信息素浓度，
TTL
t,i
表示表示
t
时刻进入节点
j
的第
i
条消息的剩余生存时间，
Hops
t,i
表示表示
t
时刻进入节点
j
的第
i
条消息的剩余生存时间，
Cache_Usage
i,j
为缓存占用
率，
Size
i
代表第
i
条消息的大小，
Node_Cache
j
代表节点
j
的缓存大小，
PCSC
t...

【专利技术属性】
技术研发人员：彭牧尧，王琨，王乾舟，高向阳，张振，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：