学位论文 > 优秀研究生学位论文题录展示

面向资源配置的认知网络智能决策研究

作　者: 张斐
导　师: 孙雁飞
学　校: 南京邮电大学
专　业: 信息网络
关键词: 认知网络服务质量智能决策资源配置灰预测 Q学习
分类号: TN915.0
类　型: 硕士论文
年　份: 2013年
下　载: 63次
引　用: 0次
阅　读: 论文下载

内容摘要

传统网络存在资源利用率低、业务的QoS无法保证、用户满意度低等问题，认知网络的出现为上述问题的解决提供了可能。认知网络是一种智能网络，能感知网络整体状态，通过推理学习自主制定计划和决策，执行相应的动作，并利用反馈控制不断调节业务传输策略。本文分析了整个认知网络资源配置的现状，介绍了当前网络资源配置的相关技术知识，并阐述面向认知网络资源配置的智能决策。论文的主要研究内容概括如下：第一，根据智能决策架构需求提出了一种面向资源配置的智能决策架构，并简单介绍了该架构中各个组成部件的功能和特性。与传统决策架构相比，该决策架构由全局到局部分为三层决策模块，跨层解决多种决策问题。每种决策都采用了智能算法，具有智能性、反映性、学习性和协作性等特征。第二，提出了一种基于改进灰预测模型的认知业务流预测算法。首先对业务流进行了预处理，采用矢量量化与业务流聚类融合算法处理流量序列，然后采用改进的GM(1,1)预测模型进行业务流预测，从而得到连续时间片上认知网络多种业务流的发展趋势，为资源配置供了具有参考价值的数据。该预测算法通过对时间序列进行空间取对数，能准确预测突发业务流结果。最后通过与GM(1,1)预测算法进行对比，表明本文提出的方法对认知网络中突发业务流能准确预测。第三，提出了一种基于业务流预测的认知网络资源智能配置策略。结合业务流预测的结果，对新的业务流进行资源的动态自适应配置，并将配置策略的效果通过基于Q学习算法的反馈学习机制向源端反映，使其动态调节缓冲资源的利用率。另外该算法能减轻路由计算的负担，当类似业务到来时就直接从知识库中调用最佳的路由策略。通过相关仿真实验将认知网络与传统网络性能进行了对比，结果表明本论文提出的智能决策不仅提高了全网端到端的性能，还降低了各类业务的时延，极大地提高了用户的满意度。最后，对上述研究进行了总结，并对仍存在的问题给出了展望。

全文目录

摘要  4-5
Abstract  5-8
第一章绪论  8-14
  1.1 课题研究背景及意义  8-9
  1.2 国内外研究现状  9-10
  1.3 本文的主要研究内容及创新点  10-12
    1.3.1 本文解决的关键问题  10-11
    1.3.2 本文的创新点  11-12
    1.3.3 研究内容整体框架  12
  1.4 论文组织结构  12-14
第二章相关技术知识介绍  14-20
  2.1 认知网络的智能决策  14-15
  2.2 资源配置  15-16
  2.3 聚类方法  16-17
  2.4 灰预测  17
  2.5 Q 学习算法  17-19
  2.6 本章小结  19-20
第三章面向资源配置的认知网络智能决策架构  20-30
  3.1 智能决策架构需求  20-21
  3.2 面向资源配置的智能决策架构  21-23
  3.3 智能决策服务器  23-29
    3.3.1 认知网络资源感知模块  24-25
    3.3.2 资源智能推理决策机  25-29
  3.4 本章小结  29-30
第四章基于改进灰预测模型的认知业务流预测  30-46
  4.1 认知业务流  30-33
    4.1.1 定义  30-31
    4.1.2 数学描述  31
    4.1.3 认知业务流的参数  31-33
  4.2 认知业务流的预处理  33-36
    4.2.1 矢量量化原理  33-34
    4.2.2 矢量量化器  34
    4.2.3 认知业务流的矢量量化  34-35
    4.2.4 认知业务流矢量的聚类  35-36
  4.3 基于改进 GM(1,1)模型的认知业务流预测  36-41
    4.3.1 认知业务流预测的基本原理  36-37
    4.3.2 GM(1,1)模型建立  37-38
    4.3.3 基于 GM(1,1)模型的认知业务流预测  38-39
    4.3.4 基于 IGM(1,1)模型的认知业务流预测  39-40
    4.3.5 精度检验公式  40-41
  4.4 仿真实验及分析  41-45
    4.4.1 仿真环境及参数设置  41-42
    4.4.2 预测结果  42-43
    4.4.3 精确性验证  43-45
  4.5 本章小结  45-46
第五章基于业务流预测的认知网络资源智能配置策略  46-63
  5.1 有效带宽的理论  46-47
  5.2 基于认知业务流预测的动态资源配置  47-49
    5.2.1 CSFP-DRA 的实现  48-49
    5.2.2 CSFP-DRA 参数的门限设定  49
  5.3 基于 Q 学习算法的认知网络反馈机制  49-54
    5.3.1 Q 学习反馈机制的实现  50-52
    5.3.2 基于认知网络模型的反馈策略  52-53
    5.3.3 CSFP-DRSA 算法流程  53-54
  5.4 仿真实验及分析  54-61
    5.4.1 仿真环境及参数设置  54-56
    5.4.2 影响业务性能指标  56
    5.4.3 用户满意度  56-57
    5.4.4 全网性能  57-59
    5.4.5 算法性能  59-61
  5.5 本章小结  61-63
第六章总结与展望  63-65
  6.1 总结  63-64
  6.2 展望  64-65
参考文献  65-68
附录 1 攻读硕士学位期间撰写的论文  68-69
附录 2 攻读硕士学位期间申请的专利  69-70
附录 3 攻读硕士学位期间参加的科研项目  70-71
致谢  71

面向资源配置的认知网络智能决策研究

内容摘要

全文目录

相似论文