支持差異化服務的航空信息網絡切片策略

宋鑫康，趙尚弘，王翔

空軍工程大學 信息與導航學院，西安 710077

作為適應未來多樣化場景的關鍵技術，網絡切片能夠將公共物理網絡切分為多個虛擬網絡，從而滿足不同業務差異化通信需求。根據國際電信聯盟(ITU)定義的5G三大應用場景進行航空信息網絡切片的構建，可以有效解決不同數據鏈系統由于技術不兼容和協議標準不統一導致的互通障礙，進而突破單一航空平臺作戰效能瓶頸。

航空信息網絡切片由底層物理網絡提供的平臺資源和鏈路資源構成，因此綜合考慮平臺資源和鏈路性能的資源聚類是構建航空信息網絡切片需要解決的核心問題，屬于典型的NP-hard問題。目前相關研究分為2種思路,一種思路為平臺資源和鏈路資源的分段優化，其中基于平臺指標排序的啟發式解決方案受到廣泛關注，其核心思想為平臺資源聚類時對其屬性值進行衡量，以量化值作為平臺聚類依據，其次按照最短路徑原則進行鏈路資源聚類。文獻[7]提出了采用節點度和聚類系數的方法。文獻[8]提出了利用馬爾可夫理論的聚類算法，將平臺和鏈路之間的關聯度以及平臺鄰域內剩余資源作為衡量標準，鏈路資源聚類階段使用最短路徑算法。文獻[11]采用逼近理想解(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)算法實現對平臺的衡量，根據所得平臺量化值完成平臺資源聚類并使用最短路徑方法執行鏈路資源聚類。文獻[12]以剩余資源作為平臺量化指標，基于貪婪算法完成平臺資源聚類。另一種思路則是平臺資源和鏈路資源的聯合優化，文獻[13]針對此問題建立混合整數規劃(MIP)模型，可以減小平臺和鏈路2階段的相互影響，但MIP問題的求解時間復雜度較高。文獻[14]建立了基于鏈路的整數線性規劃(ILP)模型，采用Column Generation方法進行求解，該方法資源利用率可以接近最優的解決方案。文獻[15]在設定位置約束的條件下提出了基于ILP的問題求解方案。

綜合上述分析，聯合優化方法雖然可以獲得最優方案，但難以在延時敏感的實際場景中應用；分段優化方法具有時間復雜度低的優勢，但平臺資源聚類不合理會對鏈路資源聚類產生影響，進而導致效果不理想。由于航空領域戰場環境復雜多變，因此本文將支持差異化服務的航空信息網絡切片問題分解為平臺資源聚類和鏈路資源聚類2階段。平臺資源聚類階段，考慮平臺資源利用率和平臺位置對網絡性能影響獲得各平臺聚類因子，利用基于聚類因子排序的粒子群聚類算法對模型進行迭代求解；鏈路資源聚類階段，以各網絡切片性能和鏈路負載率為對象建立多目標優化模型，在平臺資源聚類的基礎上完成鏈路資源聚類。

1 問題建模

本文按照情報偵查、指揮決策、火力打擊的作戰任務類型，將航空信息網絡劃分為情報切片、指控切片、火控切片。其中，各切片的網絡性能需求存在差異，情報切片性能需求側重于節點存儲資源和網絡帶寬；指控切片性能需求側重于節點計算資源和網絡可靠性；火控切片需要提供低時延信息傳輸能力，對節點計算和存儲資源要求相對較低。航空信息網絡切片架構如圖1所示。

各切片內部節點分為控制節點和子節點，航空集群控制節點基于高效信息交互構成核心骨干網，實現全局態勢掌控，科學決策分析，高效火力指控，對數據分發、平臺調度進行統一管理，從而提高航空集群協同作戰能力；航空集群子節點

圖1 航空信息網絡切片架構Fig.1 Aviation information network slice architecture

根據任務需求組成多機作戰編隊，發揮目標探測、態勢分析、火力打擊能力。

為構建上述航空信息網絡切片，本文研究內容為對已有航空信息網絡進行切片，求解平臺資源和鏈路資源聚類結果，具體描述如下：

1.1 平臺資源聚類

平臺資源聚類階段以切片節點對平臺資源的需求為約束條件，綜合考慮資源利用率和網絡失衡度2方面指標，建立單目標優化模型。

1.1.1 平臺資源利用率

航空平臺資源被分配用于構建切片節點。由于航空平臺搭載資源嚴重受限，若平臺資源分配不合理會造成資源利用率不高，因此定義平臺資源利用率為

=α+

(1)

(2)

(3)

式中:()、()分別表示切片節點計算資源和存儲資源需求;()、()分別表示航空平臺所搭載計算資源和存儲資源;為航空信息網絡平臺數量。資源利用率通過計算資源和存儲資源利用率加權表示，系數和分別取為0.6和0.4時航空平臺計算資源和存儲資源的利用率均達到最高。

1.1.2 網絡失衡度

節點間通信鏈路聚類以完成節點構建為前提，因此平臺位置會間接影響網絡切片性能。平臺資源聚類需要考慮所構建網絡切片的傳輸時延、可靠性等性能指標，因此定義網絡失衡度指標。

(4)

(5)

基于上述分析，以平臺資源閑置率和網絡失衡度之和最小作為平臺資源聚類階段目標函數。

min{(1-)+}

(6)

1.1.3 約束條件

平臺資源聚類階段需要確定平臺資源與各網絡切片節點隸屬關系。本文用二進制變量(,)表示平臺資源聚類結果，當航空平臺搭載資源用于構建切片節點時，(,)=1，否則為0，平臺資源約束條件為

(7)

(8)

(9)

式(7)表示航空平臺資源應滿足切片節點資源需求,當平臺部分資源被占用時，則其資源更新為剩余可用資源；式(8)表示節點所需資源只能由一個航空平臺提供；式(9)表示對于任意航空平臺，一個平臺最多構建同一切片中的一個節點。

1.2 鏈路資源聚類

鏈路資源聚類階段考慮鏈路負載率、全網平均時延和全網中斷概率等指標，以切片所需帶寬資源為約束條件，建立多目標優化模型。

1.2.1 鏈路負載率

若按照最短路徑原則完成鏈路資源聚類，會導致一條通信鏈路隸屬多個網絡切片，在無法充分利用其他鏈路資源的同時，容易造成數據傳輸擁塞，因此將鏈路負載率最小作為優化目標。

(10)

式中：()為切片通信鏈路帶寬需求；()為相應鏈路的實際帶寬資源；為網絡切片選取的航空信息網絡通信鏈路數量。

1.2.2 網絡平均時延

針對網絡時延指標，本文僅考慮各網絡切片內部控制節點與子節點間傳輸時延，將各控制節點與子節點通信路徑傳輸時延之和與通信路徑數量比值最小作為優化目標：

(11)

1.2.3 網絡中斷概率

由于航空作戰具有作戰半徑大，平臺機動性強、鏈路穩定性差等特點，受大氣環境影響極易導致鏈路中斷。全網通信暢通需要保證所有通信鏈路均未發生中斷。因此，在僅考慮鏈路中斷情況下將網絡中斷概率最小作為優化目標：

(12)

式中：()表示通信鏈路中斷概率。

1.2.4 約束條件

用二進制變量(,)表示鏈路資源聚類結果，當切片節點和間鏈路帶寬資源由航空平臺和間通信鏈路提供時，(,)=1，否則為0；為各切片控制節點與子節點間通信路徑集合。鏈路約束條件為

?∈,(,)·()≤()

(13)

(14)

(15)

式(13)表示鏈路的實際帶寬資源應滿足切片帶寬需求；式(14)以通信鏈路為例，表示的連通性約束，滿足流量平衡條件；式(15)表示通信路徑帶寬由所經過帶寬最小鏈路決定。

2 策略分析

航空集群執行任務階段，網絡拓撲結構相對穩定。當作戰任務改變時，網絡拓撲結構發生變化。本文研究航空集群執行作戰任務期間，通過資源聚類獲得航空信息網絡切片方案。

2.1 粒子群聚類算法

2.1.1 算法改進

為避免平臺資源選取不合理影響網絡性能，在算法中引入聚類因子，其公式為

(16)

()=e()+()e()

(17)

式中：()為航空平臺與相應切片節點所需資源比值；()為航空平臺與構建控制節點的平臺間最短通信跳數。式(16)和式(17)分別為指控子節點和情報子節點聚類因子計算公式。火控節點作為殺傷單元，在完成指控和情報節點構建后選取所有滿足資源需求的航空平臺構建火控節點。為避免指控和情報節點選取平臺位置局部集中，影響航空集群全局感知能力，對初始聚類因子進行再處理。以指控子節點為例，當其聚類因子大于所有相鄰節點聚類因子時，對其相鄰節點聚類因子產生抑制。

(18)

式中：Δ為節點和相鄰節點聚類因子的差值。

2.1.2 算法設計思路

根據各平臺承載資源情況，初始生成由個粒子組成的種群=[,,…,]，其中=[1,2,3]代表滿足控制節點資源需求的航空平臺組合，根據平臺資源情況初始化各切片節點候選平臺，按照聚類因子降序選擇航空平臺，對種群中各粒子生成平臺資源聚類方案。根據目標函數計算出每個粒子目標值。第個粒子的速度為=[1,2,3]，其個體最值為=[1,2,3]，種群最值為=[,,]。

在每次迭代過程中，各粒子通過個體最值和種群最值更新移動速度及自身節點組合，即

(19)

(20)

式中：為慣性權重，其隨迭代次數增加而遞減；學習因子和為粒子與個體最優及全局最優的交叉概率，分別取值0.5和0.7時具有較好的局部和全部搜索能力，算法收斂效果較好；算法具體步驟描述見算法1。

算法1：平臺資源聚類算法

(,,,)=×(()+(×)+

())≈(××)

(21)

由此可知，算法時間復雜度和種群規模、控制平臺數量以及迭代次數成正比。

2.2 鏈路資源聚類算法

2.2.1 算法改進

基于平臺資源聚類結果對航空信息網絡進行預切片，以緩解性能較優鏈路數據傳輸壓力；同時為避免預切片導致通信路徑延長，鏈路資源聚類階段引入拓展節點。拓展節點定義為與切片內部2個以上節點相鄰的節點。將網絡切片節點、拓展節點以及節點間通信鏈路進行聚類。為進一步降低鏈路負載同時保證切片網絡服務質量，在航空信息網絡中引入感知節點，可根據鏈路負載情況調整鏈路資源聚類結果。

2.2.2 算法設計思路

基于廣度優先搜索求解各切片內控制節點與子節點間所有通信路徑，對于控制節點無法到達的子節點，在完整網絡中確定通信路徑。感知節點可根據鏈路實際負載情況選取鏈路資源，當鏈路負載較低時選取最短路徑鏈路提供帶寬資源，當數據流量較大時按照負載情況選取多鏈路提供帶寬資源。

為滿足指控切片高可靠傳輸需求，按照減少中繼節點和避免多鏈路傳輸原則，通過子節點不斷選擇前序節點完成鏈路資源聚類，前序節點選擇依據為

(22)

式中：()為節點各前序節點與控制節點間跳數；()為節點與前序節點間通信鏈路帶寬；()為指控切片帶寬需求；為加權系數，取值為2。若某節點存在多個滿足跳數最少且鏈路帶寬滿足切片需求的前序節點，則將該節點定義為感知節點。

由于情報數據流量較大，情報切片采用多鏈路傳輸方式避免鏈路擁塞，選取節點與所有前序節點間鏈路構建情報切片，帶寬資源按照鏈路實際帶寬成比例分配。若某節點存在鏈路帶寬滿足情報切片帶寬需求的前序節點，將該節點定義為感知節點，在數據傳輸中根據實際鏈路負載選擇單鏈路或多鏈路傳輸。

為滿足火控切片低時延傳輸需求，按照減少中繼節點的原則進行鏈路資源聚類，選取節點與跳數最少的前序節點間鏈路資源進行聚類。若某節點存在跳數最少且鏈路帶寬滿足切片需求的前序節點，將該節點定義為感知節點,鏈路資源聚類算法步驟見算法2。

算法2：鏈路資源聚類算法

算法2用于解決鏈路資源聚類問題，構建切片內控制節點與子節點間通信路徑，切片節點數量為，控制節點數量為，算法的時間復雜度可表示為(×),與切片節點數量成正比。

3 仿真參數設置及結果分析

3.1 仿真參數設置

為驗證本文所提算法有效性，平臺資源聚類階段基于改進的Salam算法隨機生成平臺數量從30至60的網絡拓撲，參考文獻[19]設定網絡資源包括平臺計算資源、存儲資源、鏈路帶寬和鏈路中斷概率，仿真參數設置如表1所示，鏈路時延根據平臺間距離計算獲得。

情報切片由于傳輸大量情報數據，其鏈路帶寬需求大于其他切片。因此，情報切片帶寬需求設定為60 Mbit/s，其他切片帶寬需求設定為30 Mbit/s；切片資源需求如表2所示。

表1 仿真參數設置Table 1 Setting of simulation parameter

表2 切片資源需求Table 2 Slicing resource requirements

3.2 仿真結果分析

平臺資源聚類階段，各算法對相同的平臺資源進行聚類，重復100次計算取得最終平均值，根據目標函數取值對改進算法進行評價，并與SAGA算法和SA-RC算法作為對比。SAGA提出利用模擬退火算法改進遺傳算法的變異操作，K-means操作取代遺傳算法的交叉操作，改善早熟現象，避免聚類陷入局部最優。

圖2比較了不同算法的優化指標，由于網絡資源隨機產生，使得優化指標呈現波動性，但隨著

圖2 不同算法優化指標Fig.2 Optimization index for different algorithms

網絡規模擴大，優化指標整體呈現上升趨勢。由于RC-PSO算法中引入聚類因子，綜合考慮資源利用率和平臺位置對網絡性能影響，與SAGA算法僅考慮平臺資源利用率和SA-RC算法隨機生成平臺聚類方案相比，整體上擁有較低的優化指標。在平臺數量不同情況下，RC-PSO算法得到的聚類結果中優化指標較SAGA算法和SA-RC算法分別降低了9.09%和15.7%。

在平臺資源聚類基礎上將鏈路負載率、網絡平均時延和網絡中斷概率等性能指標作為網絡切片衡量標準，將所提LBA算法與MSR算法和SMR算法作對比。鏈路資源聚類階段仿真條件為切片各節點均處于數據傳輸狀態，即網絡中數據流量較大。MSR算法按照最短路徑原則聚類鏈路資源，SMR算法將鏈路帶寬需求等額均分至多條鏈路。

圖3比較了不同算法下鏈路負載率，由圖可知SMR算法由于采取多鏈路傳輸策略，帶寬需求由所有鏈路承擔，使得鏈路負載率最小，平均鏈路負載率為0.46；LBA算法針對情報和火控切片采用多鏈路傳輸，但指控切片采取單鏈路傳輸，使得鏈路負載率次于SMR算法，平均鏈路負載率為0.59；MSR算法按照最短路徑原則選取鏈路，導致性能較優鏈路隸屬多個切片，其平均鏈路負載率為1.19。同時，MSR算法使得鏈路負載率主要受性能較優鏈路數量影響，而其他2種算法下鏈路負載率隨著網絡規模擴大呈下降趨勢。

圖4比較了不同算法的網絡平均時延，由圖可知由于MSR算法按照最短路徑原則選取通信鏈路，整體上網絡平均時延最低，平均值為2.49 ms；LBA算法針對情報切片未考慮鏈路性能進行多鏈路數據傳輸，但指控和火控切片均考慮通信跳數選擇鏈路資源，使其平均時延稍次于MSR算法，平均值為2.61 ms，但由圖3知MSR算法平均鏈路負載率大于1，即通信鏈路極可能發生數據傳輸擁塞，導致通信時延增大，而LBA算法鏈路負載低于0.6，發生數據擁塞可能性較小。

圖3 不同算法鏈路負載率Fig.3 Link load rate for different algorithms

圖4 不同算法網絡平均時延Fig.4 Average network delay for different algorithms

圖5比較了不同算法下網絡中斷概率，由圖可知MSR算法由于按照最短路徑原則使得選取鏈路數量較少，因此整體上網絡中斷概率最低，平均值為26.4%；情報和火控切片增加了所選取鏈路數量，使得LBA算法網絡中斷概率平均值為48.4%，次于MSR算法，而SMR算法由于選取鏈路數量最多致使網絡中斷概率明顯增大，網絡中斷概率平均值為62.6%。

基于同一網絡拓撲針對所提算法以及隨機鏈路資源聚類方式所得多目標優化結果進行仿真。由圖6可知，鏈路負載率與網絡平均時延、網絡中

圖5 不同算法網絡中斷概率Fig.5 Network interrupt probability for different algorithms

圖6 多目標優化散點圖Fig.6 Scatter diagram of multi-objective optimization

斷概率成反比，說明鏈路資源聚類問題作為多目標決策問題，負載率與時延、中斷概率目標之間在一定程度上存在互斥情況。基于LBA算法所得結果并非各性能指標最優解，而是在滿足各切片性能需求條件下的權衡解。

圖7比較了不同算法下指控切片中斷概率，由圖可知LBA算法所構建指控切片中斷概率接近甚至優于MSR算法所構建指控切片，因為MSR算法按照最短路徑原則選擇時延性能較優鏈路，而LBA算法基于預指控切片進行鏈路資源聚類，在保證通信跳數最少同時會選取部分可靠性較高鏈路。

圖8比較了不同算法下火控切片平均時延，由圖可知LBA算法所構建火控切片平均時延接近MSR算法所構建火控切片，因為LBA算法針對火控切片進行鏈路資源聚類時會選取通信跳數最少的鏈路資源，但通過多條跳數相同鏈路以均衡鏈路負載的同時會對傳輸時延有所影響。

圖7 不同算法指控切片中斷概率Fig.7 Command and control slice interrupt probability for different algorithms

圖8 不同算法火控切片平均時延Fig.8 Average delay of fire control slices for different algorithms

綜上所述，LBA算法可根據各切片需求針對性地完成鏈路資源聚類，滿足指控切片高可靠傳輸，火控切片低時延傳輸以及情報切片大帶寬傳輸需求，實現航空信息網絡靈活耦合任務需求，構建網絡差異化服務能力。

4 結 論

1) 所提算法可完成航空信息網絡切片的構建，從而滿足各作戰任務對平臺資源、鏈路帶寬以及網絡時延和可靠性等指標的差異化需求。

2) 平臺資源聚類階段RC-PSO算法可有效提高平臺資源利用率，聚類因子的引入可避免平臺選取不合理影響網絡切片性能。

3) 鏈路資源聚類階段LBA算法與其他算法相比，在滿足各切片網絡性能需求的同時，可有效緩解鏈路數據傳輸壓力。