面向SDN过渡的节点迁移及优化方法的研究
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第18-28页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.1.1 研究背景 | 第18-19页 |
| 1.1.2 研究意义 | 第19页 |
| 1.2 研究现状 | 第19-23页 |
| 1.2.1 传统网络到SDN的迁移策略 | 第19-20页 |
| 1.2.2 SDN控制器的放置 | 第20-21页 |
| 1.2.3 基于最优化模型的混合SDN资源分配 | 第21-22页 |
| 1.2.4 基于深度强化学习的混合SDN资源分配 | 第22-23页 |
| 1.3 研究目标及内容 | 第23-24页 |
| 1.3.1 研究目标 | 第23页 |
| 1.3.2 研究内容 | 第23-24页 |
| 1.4 课题创新点与论文结构 | 第24-28页 |
| 1.4.1 课题创新点 | 第24-26页 |
| 1.4.2 论文结构 | 第26-28页 |
| 第二章 关键技术概述 | 第28-40页 |
| 2.1 软件定义网络技术 | 第28-33页 |
| 2.1.1 SDN架构 | 第28-29页 |
| 2.1.2 SDN集中控制 | 第29-31页 |
| 2.1.3 混合SDN环境与技术 | 第31-33页 |
| 2.2 5G网络技术 | 第33-34页 |
| 2.2.1 5G网络技术介绍 | 第33-34页 |
| 2.2.2 NOMA | 第34页 |
| 2.3 机器学习 | 第34-38页 |
| 2.3.1 深度学习 | 第34-36页 |
| 2.3.2 强化学习 | 第36-37页 |
| 2.3.3 深度强化学习 | 第37-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 传统网络到SDN的迁移策略 | 第40-56页 |
| 3.1 问题描述及分析 | 第40-42页 |
| 3.2 问题建模 | 第42-45页 |
| 3.2.1 备选路径和关键节点的定义 | 第42-44页 |
| 3.2.2 用户收益的定义 | 第44-45页 |
| 3.2.3 从用户角度建立SDN迁移优化模型 | 第45页 |
| 3.3 算法设计 | 第45-49页 |
| 3.3.1 备选路径发现算法 | 第45-47页 |
| 3.3.2 关键节点计算算法 | 第47-48页 |
| 3.3.3 迁移顺序优化算法 | 第48页 |
| 3.3.4 算法复杂度分析 | 第48-49页 |
| 3.4 实验和结果分析 | 第49-55页 |
| 3.4.1 实验环境 | 第49页 |
| 3.4.2 实验参数的对比 | 第49-52页 |
| 3.4.3 部署比率对迁移效果的影响 | 第52-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 混合SDN控制器放置优化 | 第56-72页 |
| 4.1 问题描述及分析 | 第56-59页 |
| 4.2 问题建模 | 第59-61页 |
| 4.2.1 SDN控制器的管控关系 | 第60页 |
| 4.2.2 SDN控制器放置位置 | 第60-61页 |
| 4.2.3 控制器放置的优化模型建立 | 第61页 |
| 4.3 算法设计 | 第61-65页 |
| 4.3.1 管控关系的优化算法 | 第61-62页 |
| 4.3.2 控制器放置位置优化算法 | 第62-65页 |
| 4.3.3 算法复杂度分析 | 第65页 |
| 4.4 实验和结果分析 | 第65-70页 |
| 4.4.1 实验环境 | 第65页 |
| 4.4.2 算法性能对比 | 第65-67页 |
| 4.4.3 平均延时的性能 | 第67-69页 |
| 4.4.4 控制器负载均衡度 | 第69-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 基于最优化模型的混合SDN资源分配 | 第72-102页 |
| 5.1 混合SDN核心网络资源分配 | 第72-88页 |
| 5.1.1 问题描述及分析 | 第72-74页 |
| 5.1.2 问题建模 | 第74-76页 |
| 5.1.3 算法设计 | 第76-81页 |
| 5.1.4 实验和结果分析 | 第81-88页 |
| 5.2 混合SDN 5G网络资源分配 | 第88-100页 |
| 5.2.1 问题描述及分析 | 第88-89页 |
| 5.2.2 问题建模 | 第89-91页 |
| 5.2.3 算法设计 | 第91-95页 |
| 5.2.4 实验和结果分析 | 第95-100页 |
| 5.3 本章小结 | 第100-102页 |
| 第六章 基于深度强化学习的混合SDN资源分配 | 第102-118页 |
| 6.1 问题描述及分析 | 第102-104页 |
| 6.2 问题建模 | 第104-110页 |
| 6.2.1 优化模型建立与分析 | 第104-106页 |
| 6.2.2 基于DRL的资源分配模型 | 第106-108页 |
| 6.2.3 模型中的神经网络 | 第108-109页 |
| 6.2.4 多媒体流资源分配的流程 | 第109-110页 |
| 6.3 算法设计 | 第110-113页 |
| 6.3.1 主网络更新算法 | 第111-113页 |
| 6.3.2 目标网络更新算法 | 第113页 |
| 6.4 实验和结果分析 | 第113-117页 |
| 6.4.1 实验环境 | 第113-114页 |
| 6.4.2 QoE评价方法的性能对比 | 第114-115页 |
| 6.4.3 基于DRL的资源分配算法性能 | 第115-117页 |
| 6.5 本章小结 | 第117-118页 |
| 第七章 总结与展望 | 第118-122页 |
| 7.1 论文工作总结 | 第118-119页 |
| 7.2 未来工作展望 | 第119-122页 |
| 参考文献 | 第122-130页 |
| 附录A 缩略语表 | 第130-132页 |
| 致谢 | 第132-134页 |
| 攻读学位期间发表的学术论文目录 | 第134页 |
