5G-衛星集成網絡中控制器與網關可靠部署策略

陳金濤， 梁 俊， 劉 波， 謝寶華

(空軍工程大學信息與導航學院， 西安， 710077)

衛星通信[1]是實現真正全球化通信的關鍵支撐，是未來通信網絡體系架構中必不可少的互連部分。包括Sat5G、ITU、3GPP等標準化組織已經考慮將衛星通信融合在5G環境中[2]。從而可以有效解決農村和偏遠地區的網絡接入、地面基礎設施損毀下網絡的臨時搭建[3]。融合衛星的5G網絡將意味著更高的網絡可用性和可靠性，特別是，具有高吞吐量的衛星鏈路可有效地卸載地面流量，以減輕網絡中的擁塞同時提高地面網絡的可伸縮性和安全性[4]。

總之，衛星與地面5G網絡的融合將充分發揮各自優勢，并提供一種新的網絡架構以滿足未來無線網絡中的各種應用。但是，由于集成網絡固有的異構性，因此要管理具有大量物理設備的網絡同時實現網絡性能最佳是目前面臨的重大挑戰。正如軟件定義網絡SDN[5]所帶來的優勢，SDN可以通過解耦控制平面和數據平面，利用全局視角調配網絡資源、制定有效的資源分配策略[6]，從而高效地管理整個集成網絡。此外，應用SDN可以簡化硬件操作，同時可以大大提高架構的靈活性，系統升級成本也將降低。

在這種基于SDN的集成網絡中，控制平面起著承上啟下的核心作用，控制器位置的部署將影響集成網絡對網絡事件的響應[7]，不同于傳統地面網絡，從地面節點到衛星的大多數數據流量都必須通過衛星網關，因此，本文所提的5G-衛星集成網絡體系架構中的主要挑戰之一是衛星網關和控制器的聯合部署問題，這是一個多目標放置問題(multi-target deployment)，顯著區別于單一控制器或網關部署問題。文獻[8]首次證明了該問題是一個NP-hard新問題，并提出了一種基于模擬退火和聚類的混合算法，并與枚舉算法相比，該算法能夠以較短的運行時間獲得較優的解決方案。文獻[9]則提出了雙重模擬退火算法(SASA)和基于遺傳算法(GAJ)的2種聯合部署方法，其中SASA在運行時間上折中考慮，GAJ在運行時間和解的質量上均有提高。本文提出了一種基于模擬退火與粒子群的混合算法(SA-PSO)，以進一步降低算法復雜度同時實現更高的可靠性。

1 控制器與網關聯合部署問題建模

1.1 模型建立

在本文中，考慮如圖1所示的5G-衛星集成網絡體系結構。該體系結構由兩部分組成，即衛星網絡和地面網絡。衛星網絡主要由實現全球無縫覆蓋的對地靜止軌道(GEO)衛星和地面衛星網關組成，衛星間通過星間鏈路相互通信。地面網絡主要由地面5G通信系統組成，包括gNB(gNodeB，5G NodeB)、5G核心網絡、SDN交換機組成。用戶終端設備產生的流量可以通過gNB(即gNodeB，5G NodeB)和RN連接到5G網絡。交換機和衛星網關之間主要通過光纖建立連接，地面網絡主要通過衛星網關與衛星進行通信，SDN控制器部署在地面網絡的物理節點上，為集成網絡提供集中控制和管理功能，為了簡化分析，在該網絡模型中，不考慮衛星網絡中衛星間鏈路(ISL)的動態性。

圖1 基于SDN的5G-衛星集成網絡架構示意圖

1.2 問題描述

基于SDN的5G-衛星集成網絡可以用無向圖G=(V,E)表示，其中，V=Vg∪Vs，Vg是地面交換機、衛星網關等物理節點集，Vs是集成網絡中衛星節點的集合，E是各類節點之間的物理鏈路集合，其鏈路的權重表示傳播延遲。

在基于SDN的5G-衛星集成網絡架構中，衛星鏈路可有效地卸載地面流量[10]，因此，首先應考慮的是地面交換機與衛星的流量傳輸過程。在該過程中地面交換機與衛星之間的時延是影響集成網絡性能的關鍵因素。因此，每個地面交換機都應在最短的時間內與衛星通信。而時延主要以傳播時延為主，傳播延遲取決于交換機和衛星之間的距離，由于對地靜止軌道(GEO)衛星到地面的距離是固定的(35 786 km)，因此交換機與衛星網關之間的延時特別重要。

(1)

式中：Lws為網關與衛星通信傳播時延，為固定值。此外，通信的可靠性是集成網絡性能的必要保證，集成網絡中路徑類型主要包括地面通信和星地通信。在這里，令Pu，Pe，Pesw分別表示地面交換機節點u，地面鏈路e和衛星鏈路esw的故障概率。因此從交換機u到控制器節點c的路徑的可靠性計算如下[8]：

(2)

式中：Vu→cu表示地面通信中從交換機u到控制器c的完整路徑上除該交換機節點的其他節點集合；Eu→c表示地面通信中從交換機u到控制器c的完整路徑上的鏈路集合。同理，則從衛星節點s經過衛星網關w到控制器c的路徑可靠性計算如下：

(3)

式中：Vs→cs表示衛星節點s通過衛星網關w到達控制器c的完整鏈路上除衛星節點外的其他節點集合；Es→c表示衛星節點s通過衛星網關w到達控制器c的完整鏈路上的鏈路集合。因此基于SDN的5G-衛星集成網絡的平均可靠性可定義為：

(4)

1.3 控制器與網關聯合部署問題

根據以上分析，集成網絡中控制器與網關的聯合部署問題可以定義如下：給定集成網絡中需部署的地面交換機節點Vg，對地靜止軌道(GEO)衛星節點Vs，k個衛星網關以及m個控制器，目的是確定最佳控制器位置C={c1,c2,…,cm}?Vg與最佳衛星網關位置W={g1,g2,…,gk}?Vg在滿足時延約束限制下，最大化基于SDN的5G-衛星集成網絡中的平均可靠性，即：

(5)

(6)

式中：c∈C，w∈W，n和k分別表示Vg中的節點和W中的衛星網關數；Lmax是最大等待時間約束，即地面網絡中可以接受的最大平均等待時間。

2 最大化可靠性部署算法

2.1 基于枚舉算法的最大化可靠性部署方法

為實現5G-衛星集成網絡中控制器和衛星網關聯合部署問題，最直接的方法就是枚舉出所有部署的可能性，計算其目標函數的值，并從中選出滿足時延約束且具有最大可靠性的放置方案。該方案簡單直接，但求解速度極慢[11]，因此，在大規模網絡中枚舉算法(optimal enumeration algorithm，OEA)并不適用甚至無法求解。

2.2 基于模擬退火和粒子群的混合算法(SABPSO)

粒子群優化算法[12]是一種全局優化的智能算法，其尋優是依靠粒子間的協作和共享，并記錄自身找到的最佳歷史位置以及種群所找到的最佳歷史位置，在優化過程中目的性較強，粒子群算法收斂速度快，且易與其他優化算法相結合，克服易陷入局部最優的缺點。所以本文選用粒子群算法結合模擬退火算法算法對衛星網關與控制器組合優化問題進行求解。

定義有效的粒子編碼形式是SABPSO混合算法應用的關鍵步驟。每一個粒子都應對應一種衛星網關和控制器部署的解決方案。因此種群中粒子的長度為k+m。其中k表示衛星網關部署位置向量長度，即W={g1,g2,…,gk}?Vg，m表示控制器部署位置向量長度，即C={c1,c2,…,cm}?Vg。粒子的每一維值都在[1,n]的范圍內，則每個粒子可以表示U=[W,C]。以n=12、k=2、m=3為例，即集成網絡中共有12個可部署網絡設備的節點，目標是在12個節點的任何位置部署2個衛星網關和3個控制器均實現在延時約束下的可靠性最大化。粒子編碼映射如圖2所示。每個粒子中的數代表衛星網關和控制器的位置編號。例如，P1表示衛星網關位于位置1和3，控制器位于3、6和9。總之，每個粒子均由2+3=5個整數編碼，在初始化過程中，隨機生成一組粒子，每個粒子由k+m個整數組成。

圖2 粒子編碼映射

每一個粒子都是k+m維的，設當前粒子的位置為Uij=[gi1,gi2,…,gik,ci1,ci2,…,cim]，其中i∈1,2,…,N。當前速度為vij=[vi1,vi2,…,vik,vi1,vi2,…,vim]。pbestij記錄局部最優粒子。gbestij記錄全局最優粒子。每次迭代，粒子按式(7)～(8)更新速度vij和位置Uij。

(7)

(8)

γ=γmax-(γmax-γmin)(t/tmax)

(9)

式中：γ為慣性因子(初始權重)，本文采用慣性因子隨迭代次數遞減的粒子群算法以提升算法性能[13]；l1和l2是加速系數，r1和r2是[0,1]之間的隨機數。

模擬退火算法[14]是一種基于概率選擇的優化求解算法，Metropolis準則是該算法的核心，模擬退火算法具有結構簡單、限制條件少、使用靈活等優點。基于概率選擇，模擬退火算法在求解過程中對于較差的值也會根據溫度以一定的概率接受，這是算法在尋優過程中跳出局部優解關鍵。首先，選擇一個隨機解并計算其適應度函數值F(i)，在迭代過程中，以一定的規則生成該解的鄰域解并計算其適應度函數值F′(i)，然后根據Metropolis準則進一步判斷是否接受擾動所產生的新解代替全局最優解，Metropolis準則表達式如下:

(10)

式中：Δ=F′(i)-F(i)。由于接受概率是隨溫度的下降而降低的，因此，選擇起止溫度時不能過高或過低，在本文中我們設置初始溫度T0為1 000，終止溫度Tfinal為1。

盡管粒子群算法具有收斂速度快等許多優點，但有時會陷入局部最優。為避免陷入局部最優，在本文中，引入了SA算法。SA算法具有較強的局部搜索能力，PSO算法具有較強的全局搜索能力。通過兩者的結合，充分利用了2種算法優勢，提高了搜索效率，解決單個算法在優化求解中存在的問題。此外，為減少因每次迭代使用SA算法所帶來的計算復雜性，本文設置當全局最優解在t代中不發生變化的情況下才使用SA算法，這一定程度上簡化了所設計算法的復雜性。所提算法如表1和表2所示。

表1 模擬退火與粒子群的混合算法(SABPSO)輸入:G=(V,E),Lmax,k(衛星網關數量),m(控制器數量)輸出:Rmax(最大可靠性),W(k個網關最佳位置),C(m個控制器最佳位置)1:初始化參數2:pbest←0,gbest←03:for i=1:N do4:隨機生成粒子位置Uij5:v←0,通過式(5)計算適應度值6:if F(i)>pbest do7:pbest←F(i)8:pb←p//記錄局部最優解及粒子9:end if10:end for11:gbest←pbest12:gbesthistory←gbest13:gb←pb \記錄全局最優解及粒子14:While t

表2 SA算法輸入:T0,Tfinal,tmax,α,gb輸出:Rmax(最大可靠性),Uij(粒子位置)1:初始化參數2:While T≥Tfinal do3:生成一組新的粒子位置U'ij4:計算適應度值5:Δ=F'(i)-F(i)6:if P≥r or Δ≤0 do7:更新的全局最優解8:end if9:T=Tα10:end while

經過多次實驗，關于SABPSO算法的初始參數設置見表3所示。

表3 算法參數設置

為了評估本文提出的衛星網關和控制器聯合部署算法，采用Topology Zoo[15]上的現實網絡拓撲進行實驗仿真，表4給出了詳細的拓撲以及各類故障概率設置。本文仿真程序均在MATLAB(R2018a)上編譯運行。另外，本文將枚舉算法、SASA算法、隨機算法作為對比算法，其中隨機算法選取隨機部署1 000次后的最佳部署方案。

表4 拓撲與故障概率設置

首先，我們將通過SABPSO、OEA、SASA、隨機放置等不同算法研究聯合部署問題，并利用Agis拓撲針對網絡可靠性，運行時間進行仿真比較。

圖3～4顯示了在衛星網關k=3、最大時延10 ms約束下，不同算法在相同網絡拓撲和故障概率設置見表4，網絡的平均可靠性和運行時間隨SDN控制器數量m變化的比較。

圖3 Agis網絡中不同算法下網絡平均可靠性比較

由圖3可知，增加部署控制器可以直接提高集成網絡的平均可靠性，原因在于合理部署更多控制器可以極大改善網絡連接關系，使得交換機與控制器之間的跳數減少甚至為零。此外，由圖4可見，隨著控制器數量的增加，枚舉算法的運行時間變得極長，因此不適合解決大規模網絡中的部署，而其他算法則可以在較短時間內實現較優部署。從圖中可看出，本文的算法較文獻[9]中的SASA算法更接近最優解，且運行時間大大降低，更易于實現(運行時間減少48%)。

圖4 Agis網絡中不同算法下運行時間比較

此外，為了更好地證明本文所提算法的優越性，本文在表4所列的不同拓撲和故障概率下進行實驗，得到了在不同網絡拓撲，各算法所求網絡平均可靠性的比較結果，見圖5。

圖5 不同網絡拓撲下網絡平均可靠性比較

由圖可知，在表4所列3種不同拓撲中，隨機放置算法性能最差，而本文算法的平均可靠性更接近網絡的最佳性能，較其他算法更有優勢。

4 結語

本文針對基于SDN的5G-衛星集成網絡中控制器和衛星網關聯合部署問題，提出了SABPSO算法，以實現在延遲約束條件下最大化集成網絡的可靠性，文中在3種不同拓撲和故障概率設置下進行試驗，實驗結果表明，與枚舉算法、SASA算法、隨機放置算法相比，本文所提算法在運行時間與性能上較其他算法更有優勢。