双向反馈蚁群算法在网络负载均衡问题的研究

Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用　双向反馈蚁群算法在网络负载均衡问题的研究　王爱静　，郝志峰’，黄翰　～，李学强　ＷＡＮＧ　Ａｉｊｉｎｇ　，ＨＡＯ　Ｚｈｉｆｅｎｇ　，ＨＵＡＮＧ　Ｈａｎ　～，ＬＩ　Ｘｕｅｑｉａｎｇ　１．广东工业大学计算机学院，广州５１０００６　２．华南理工大学软件学院，广州５１０００６　３．南京大学计算机软件新技术国家重点实验室，南京２　１　００９３　１．Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ，Ｇｕａｎｇｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ　５１０００６，Ｃｈｉｎａ　２．Ｓｃｈｏｏｌ　ｏｆ　Ｓｏｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈ　Ｃｈｉｎａ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ　５１０００６，Ｃｈｉｎａ　３．Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｆｏｒ　Ｎｏｖｅｌ　Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ　２１００９３，Ｃｈｉｎａ　

ＷＡＮＧ　Ａｉｊｉｎｇ。ＨＡＯ　Ｚｈｉｆｅｎｇ，ＨＵＡＮＧ　Ｈａｎ，ｅｔ　ａ１．Ｌｏａｄ　ｂａｌａｎｃｅ　ａｎｄ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ｎｅｔｗｏｒｋ　ｒｅｓｏｕｒｃｅｓ　ｂａｓｅｄ　ｏｎ　ｔｗｏ－　ｄｉｒｅｃｔｉｏｎ　ｆｅｅｄｂａｃｋ　ａｎｔ　ｃｏｌｏｎｙ　ａｌｇｏｒｉｔｈｍ．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ，２０１１，４７（３６）：１１２—１１４．　

Ａｂｓｔｒａｃｔ：Ｔｗｏ・－ｄｉｒｅｃｔｉｏｎ　ｆｅｅｄｂａｃｋ　ａｎｔ－－ｃｏｌｏｎｙ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｒｅｓｅｎｔｅｄ　ｗｈｉｃｈ　ａｉｍｓ　ａｔ　ｌｏａｄ　ｂａｌａｎｃｅ　ａｎｄ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ｎｅｔｗｏｒｋ　ｒｅｓｏｕｒｃｅｓ　ｍａｎａｇｅｍｅｎｔ．Ｔｈｒｏｕｇｈ　ｔｈｅ　ｉｎｔｅｒａｃｔｉｏｎ　ａｎｄ　ｄｙｎａｍｉｃ　ｕｐｄａｔｅ　ａｍｏｎｇ　ｔｈｅ　ｐｈｅｒｏｍｏｎｅ　ｏｆ　ａｎｔｓ　ｗｈｉｃｈ　ａｒｅ　ｏｎ　ｂｅｈａｌｆ　ｏｆ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｔｒａｆｆｉｃ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｅｎａｂｌｅｓ　ｎｅｔｗｏｒｋ　ｔｒａｆｆｉｃ　ｔｏ　ｓｈａｒｅ　ａ　ｎｕｍｂｅｒ　ｏｆ　ｐａｔｈｓ　ａｖａｉｌａｂｌｅ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｅｘｐａｎｄｓ　ｔｈｅ　ａｎｔ　ｃｏｌ—　ｏｎｙ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｔｗｏ—ｄｉｒｅｃｔｉｏｎ　ｆｅｅｄｂａｃｋ　ａｎｔ　ｃｏｌｏｎｙ　ａｌｇｏｒｉｔｈｍ．Ｗｈｅｎ　ｔｈｅ　ａｎｔ　ｊｕｄｇｅｓ　ｅｖｅｒｙ　ｐａｔｈ　ｏｆ　ｐｈｅｒｏｍｏｎｅ　ｓｔｒｅｎｇｔｈ，ｉｔ　ａｌｓｏ　ｃｏｎｓｉｄｅｒｓ　ｏｐｔｉｏｎａｌ　ｌｉｎｋ　ｌｏａｄ　ｃｏｎｄｉｔｉｏｎｓ．ｔｈｅｎ　ｄｅｔｅｒｍｉｎｅｓ　ｗｈｉｃｈ　ｐａｔｈ　ｔｏ　ｃｈｏｉｃｅ．Ｉｔ　ｍａｋｅｓ　ｔｈｅ　ｌｉｎｋ　ｈａｓ　ｔｈｅ　ｒｅｌａｔｉｖｅｌｙ　ｂａｌａｎｃｅｄ　ｄｉｓ—　ｔｒｉｂｕｔｉｏｎ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｓｉｍｕｌａｔｉｏｎ　ｅｘｐｅｒｉｍｅｎｔ　ｄｅｍｏｎｓｔｒａｔｅ　ｔｈａｔ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ａｎｔ　ｃｏｌｏｎｙ　ｌｏａｄ　ｂａｌａｎｃｅ　ａｌｇｏｒｉｔｈｍ　ｔｗｏ—ｄｉｒｅｃ－　ｔｉｏｎ　ｆｅｅｄｂａｃｋ　ａｎｔ　ｃｏｌｏｎｙ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｓｕｐｅｒｉｏｒｉｔｙ　ｉｎ　ｒｅｄｕｃｉｎｇ　ｔｉｍｅ　ｏｆ　ａｕｔｏ　ａｄａｐｔｉｏｎ，ｌｏｗｅｒｉｎｇ　ｐａｃｋｅｔ　ｌｏｓｓ　ｒａｔｅ　ａｎｄ　ｉｍｐｒｏｖ—　ｉｎｇ　ｅｆｆｉｃｉｅｎｃｙ　ｏｆ　ｌｏａｄ　ｂａｌａｎｃｅ．　Ｋｅｙ　ｗｏｒｄｓ：ｔｗｏ－ｄｉｒｅｃｔｉｏｎ　ｆｅｅｄｂａｃｋ　ａｎｔ　ｃｏｌｏｎｙ　ａｌｇｏｒｉｔｈｍ；Ａｎｔ　Ｃｏｌｏｎｙ　Ｏｐｔｉｍｉｚａｔｉｏｎ（ＡＣＯ）；ｎｅｔｗｏｒｋ　ｒｅｓｏｕｒｃｅ　ｏｐｔｉｍｉｚａｔｉｏｎ；　ｌｏａｄ　ｂａｌａｎｃｉｎｇ　

摘要：针对网络资源管理中的负载均衡与优化问题，提出一种双向反馈蚁群算法，用蚂蚁数量代表网络资源流量，通过蚂蚁间　信息素的相互作用和动态控制来实现网络流量分担到多条可用路径。将蚁群算法扩展为双向反馈的蚁群算法，蚂蚁判断各条路　径上的信息素浓度的同时，考虑可选链路的负载情况，决定选择要走路径，使得蚂蚁相对均衡地分布在可选链路上。仿真实验结　果表明，双向反馈蚁群算法比原蚁群算法在缩短自适应时间，减少丢包率，提高负载均衡效率方面都具有更好的性能。　关键词：双向反馈蚁群算法；蚁群算法；网络资源优化；负载均衡　ＤＯＩ：１０．３７７８／ｊ．ｉｓｓｎ．１００２—８３３１．２０１１．３６．０３１　文章编号：１００２—８３３１（２０１１）３６—０ｌ１２一Ｏ３　文献标识码：Ａ　中图分类号：ＴＰ３９３　

１概述　当前，随着互联网规模的不断扩大，网上高突发性、高实　时性的业务量不断增长，网络拥塞现象日益严重，资源和流量　分布不均衡的现象是普遍存在的。在一个实时网络中，客户　发起的服务请求类型是多种多样的。在某一特定的时间片　内，流经某网关控制节点的流量是不规律的，拥塞往往发生在　网络中资源相对短缺的位置。拥塞发生位置的不均衡反映了　因特网的不均衡性。首先是资源分布的不均衡，其次是流量　分布的不均衡。资源分布的不均衡可以增加或调换网络资　源，流量分布不均衡往往采用流量调度算法或调度策略进行　调度。如果网络中链路发生拥塞的概率加大，则网络的性能　就会降低。　传统路由控制策略以最短路径优先算法（如Ｄｉｊｋｓｔｒａ算　法）为基础，一旦最短路径形成，路由器总是趋向于沿固定的　最短路由转发分组，对于突发业务量，往往会由于拥塞加重而　引起分组的丢弃，因此，在网络中寻找满足所有约束条件且花　费小的最优路径，实现资源负载均衡，成为解决有限网络资源　与高服务质量矛盾的有效方法ｎ　。近年来，从解决ＴＳＰ问题和　一系列离散优化问题中产生的蚁群优化算法（ａｎｔ　ｃｏｌｏｎｙ　ａ１．　ｇｏｒｉｔｈｍ）在网络路由领域展现了很好的应用前景”　。基本的　

基金项日：国家自然科学基金（ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　ｏｆ　Ｃｈｉｎａ　ｕｎｄｅｒ　Ｇｒａｎｔ　Ｎｏ．６１００３０６６，Ｎｏ．６１０７００３３）；教育部博士点基金　’　（Ｎｏ．２００９０１７２１２００３５）；中央科研业务费项目（Ｎｏ．２００９ＺＭ００５２）；广东省自然科学基金重点项目（Ｎｏ．９２５１００９００１０００００５）；广东省科技　计划项目（Ｎｏ，２０１０Ｂ０５０４０００１１，Ｎｏ．２０１０Ｂ０８０７０１０７０，Ｎｏ．２００８Ｂ０８０７０１００５）；广东省哲学社会科学规划“十一五”规划项目（Ｎｏ．０８０．０１）：　信息安全国家重点实验室开放课题基金（Ｎｏ．０４一Ｏ１）。　作者简介：王爱静（１９８６一），女，硕士，主要研究方向：计算智能与智能科学；郝志峰（１９６８一），男，博士，博士研究生导师。　收稿Ｈ．Ｉ￣：２０１１－０５—０４；修回Ｈ，Ｒ￣：２０１１－０７—１３；ＣＮＫＩ出版：２Ｏ】１－ｌＯ　１３；ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ＿ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２１２７．ＴＥ２０１１１０１３．１００２

．１２３．ｈｔｍｌ　王爱静，郝志峰，黄翰，等：基于双向反馈蚁群算法的网络资源负载均衡与优化　２０１ｌ，４７（３６）　１１３　蚁群算法易于陷入局部最优，出现早熟停滞现象，虽然许多学　者对信息素的更新规则进行了改进，并引入局部搜索等策略，　有效地抑制了收敛过程中的早熟停滞现象，但是这样还是要　求运行稳定后网络仍趋于最短路径上，而对突发业务量，仍会　出现拥塞现象，难以实现网络资源的优化配置　。　为解决资源分配不合理这个问题导致的拥塞，不能单单　使用增加网络资源的方法，本文引入了反蚁群算法来解决负　载均衡的问题。为使网络中多出口链路上的流量达到均衡，　可使用一定的调度和负载均衡策略将负载均衡地分配给多个　链路。在花费低的前提下，以当前路径上的信息素浓度为指　标去选择路由，避开信息素度浓度过高的路径，使网络达到尽　可能大的通过量；使时延尽可能短；能够把高负载链路上的流　量转移到其他低负载链路上，减少链路上数据包的丢弃。　本文用改进的双向反馈蚁群算法对流量优化进行了研　究，算法首先将蚁群算法扩展为双向反馈的蚁群算法，蚂蚁判　断各条路径上的信息素浓度的同时，也考虑可选链路的负载　情况，从而决定选择要走路径，使得蚂蚁相对均衡地分布在可　选链路上，既避免了链路的空闲，也避免了某些链路的过度拥　塞，从而提高了效率。　

２双向反馈蚁群优化算法模型　生物启发机制越来越多地被应用到网络的研究之中。而　蚁群算法是模拟蚂蚁寻找食物智能路径选择的一种生物启发　式优化方法。在网络流量优化的研究上学者们尝试了不同的　方法，杨春勇　为防止网络在一段正常运行时间后过分固执地　选择一条固定的最短路由，提出改进的蚁群算法，设计了一个　选择尺度因子，当迭代随机变量大于该因子时，路由选择规则　遵循蚁群算法；若小于则路由器路由选择完全随机。陆俊一　针　对网络资源管理中的负载均衡与优化问题，将蚁群算法与网　络流量工程相结合，提出一种多蚁群的网络负载动态均衡方法，　实现了网络资源的优化。丁建立　提出混合蚂蚁算法实现网　络资源均衡方法，通过遗传算法和蚁群算法结合求得最优解。　以上的研究在一定程度上解决了流量的负载均衡问题，　但对链路中次优路径利用情况没有做必要的考虑与分析。本　文在引入二次容量判别的基础上，根据当前链路的带宽状态　判断较优路径，若最优路径一直处于高利用率的状态，就选用　非最优的路径或者花费较大的路径，达到负载均衡的目的，从而　从蚁群算法思想的逆向角度分析问题，即双向蚁群算法思想。　２．１路由选择规则　根据链路上的信息素浓度和流量进行二次判断决定链路　的选择，从而实现流量的负载均衡问题，使得网络避免发生拥　塞，实验结果表明该方法实现了链路负载均衡，提高了网络资　源利用率。　假设每只蚂蚁都代表一定大小的数据包在链路上进行传　送，每一次选择了某条路径都会占用一定大小的带宽。蚂蚁　从源路由器Ｓ出发，到终点路由器为ｄ，在路程构建的每一步　中，蚂蚁ｋ按照一个称为随机比例规则的概率行为选择规则，　来决定下一步将移向哪一个路由器节点。如当前位于路由器　ｉ的蚂蚁ｋ选择，作为下一个访问城市的概率是：　器　㈩　

其中，叩　＝　代表一个预先给定的启发式信息，ａ和　是两　个参数，它们分别决定了信息素的启发式信息的相对影响力，　Ⅳ　代表了位于城市ｆ的蚂蚁ｋ可以直接到达的相邻城市的集　合，也就是指所有还没有被蚂蚁ｋ访问的城市的集合（选择出　一个不在　内的城市的可能性是０）。在这个概率规则下，选　择某一条边“，Ｊ）的概率由该边所对应的信息素　以及启发式　信息的值　决定　。　每一只蚂蚁ｋ都维护一个记忆存储ｔａｂｕ［ｎ１，它按照访问先　后顺序记录所有已经访问过的路由器节点序号。这个记忆存　储被用来定义式（１）给出的路径构造规则中的可行域Ⅳ　，还　允许蚂蚁ｋ计算其构造的路径的总长度，还可以用来重新遍历　该路径并释放信息素。现在用数组Ａｌｌｏｗｅｄｎｏｄｅ［ｎ］来记录没　有走过的路由器节点，数组索引对应节点编号。计算出当前　所有没有走过的节点的概率后，用轮盘赌的方法进行选择下　一个节点。若所选的路径目前还有空闲的带宽量，则选择此　路径；若没有多余可用的带宽，则可以从其他条比较空闲的链　路上去选择，以免丢包的发生实现网络资源的相对均衡分配。　２．２信息素更新　当所有蚂蚁都构建完路径后，也就是到达终点路由器节　点后，各边上的信息素都会被更新，即ＡＮＴ－ＣＹＣＬＥ模式，还有　其他方式，如蚂蚁每走一个节点后就更新一次，经过实验表　明，到达终点后才更新比较好。首先，所有边上的信息素都会　减少一个常量因子的大小，然后在蚂蚁经过的边上增加信息　素。信息素的蒸发根据下式执行　ｒ　÷一（１一ｐ）　Ｖ（ｉ，　）∈Ｌ　（２）　其中Ｐ是信息素的蒸发率，有０＜ｐ　１。参数Ｐ的作用是避免　信息素的无限积累，而且还可以使算法“忘记”之前选用的较　差路径，却减少局部最优的发生。在信息素的蒸发步骤之后，　所有的蚂蚁都在它们经过的边上释放信息素：