一種面向移動網絡中節(jié)點網絡距離的預測方法
【技術領域】
[0001] 本發(fā)明涉及一種面向移動網絡中節(jié)點網絡距離的預測方法，屬于計算機網絡技術 領域。
【背景技術】
[0002] 由于突增的數據服務請求而造成的網絡擁塞和不穩(wěn)定使得傳統(tǒng)的計算體系架構 在應對如今的網絡計算模式中已經隱現(xiàn)弊端。在網絡計算模式中，可以將節(jié)點的地位對等 起來，即考慮網絡節(jié)點之間的關系可以理解為端到端的對等關系。計算機網絡領域中，端到 端的網絡性能指的是節(jié)點之間的網絡路徑選擇的性能?，F(xiàn)有研宄中有多種衡量網絡路徑性 能的方法。例如，節(jié)點之間的響應延時，帶寬相關的數據傳輸速率等。
[0003] 在節(jié)點分散的移動網絡環(huán)境中，用戶通常是從不同的地理位置訪問數據，所以數 據資源的可用性、請求響應時間、出具訪問成本以及帶寬消耗和可靠性、系統(tǒng)的擴展性等都 是需要考慮的對象。網絡節(jié)點中的復本放管理對于訪問性能有很大的影響，而放置節(jié)點的 選取是復本放置的主要決策依據之一。
[0004] 網絡距離是影響網絡應用與服務的基本屬性。網絡動態(tài)性能可以用帶寬以及響應 延遲等表示，這些表示很大程度上和應用相關，并且可以精確測量?？紤]到分布式系統(tǒng)中大 量存在的廣域傳播路徑，不適合在網絡中根據需求的精確測量，其代價較高并且耗時過大。 采用節(jié)點間的網絡距離預測可解決此問題。
[0005] 關于網絡距離預測的研宄主要通過選取基準節(jié)點或者虛擬基準節(jié)點，構造映射幾 何空間的方法來對網絡距離進行預測，但是此類方法預測精度不高，而且靈活度不夠，不利 于大規(guī)模部署。

【發(fā)明內容】

[0006] 為了解決現(xiàn)有技術的不足，本發(fā)明提供了一種面向移動網絡中節(jié)點網絡距離的預 測方法，解決了現(xiàn)有網絡距離預測方法的局限，通過矩陣分解的方法對基本的網絡距離預 測算法進行延伸，引入節(jié)點坐標的入口及出口向量，通過更新相應的向量來進行網絡距離 的預測。這些擴展能夠解決在實際應用中部署距離預測算法時遇到的一些問題，包括：節(jié) 點加入或離開網絡頻率比較高時，可能會面臨一些高頻的參數擾動；通過矩陣分解的方法， 結合損失函數，剔除測量噪聲以及異常值；非負的矩陣因子分解，保證了預測距離值的非負 性。
[0007] 本發(fā)明為解決其技術問題所采用的技術方案是：提供了一種面向移動網絡中節(jié)點 網絡距離的預測方法，包括以下步驟：
[0008] (1)建立由網絡節(jié)點組成的網絡計算系統(tǒng)模型，將由網絡節(jié)點構成的網絡空間映 射到歐氏空間，所述歐氏空間為嵌入空間，從網絡節(jié)點中選取基準節(jié)點，網絡節(jié)點中除基準 節(jié)點以外的節(jié)點為普通節(jié)點；測量基準節(jié)點之間的距離值，確定基準節(jié)點的坐標值；測量 嵌入空間中的每個普通節(jié)點到基準節(jié)點的距離，構建由各距離值組成的距離矩陣X，確定普 通節(jié)點對于基準節(jié)點的坐標；
[0009] (2)將距離矩陣X進行隨機梯度分解，得到矩陣U和矩陣V，其中，矩陣U的第i行 為第i個網絡節(jié)點即節(jié)點i的進口向量Ui,矩陣U的第j行為第j個網絡節(jié)點即節(jié)點j的 進口向量Uj,矩陣V的第j列為節(jié)點i的出口向量Vi，矩陣V的第i列為節(jié)點j的出口向量 Vj
[0010] (3)節(jié)點i向節(jié)點j發(fā)送請求；
[0011] 節(jié)點j接收請求，回答節(jié)點i的請求，該請求中包括（Uj,Vj)，Uj表示節(jié)點j的進口 向量，Vj表示節(jié)點j的出口向量；
[0012] 節(jié)點i收到節(jié)點j的回答，測算節(jié)點i到節(jié)點j的距離(Iij,同時節(jié)點i更新其進 口向量Ui和出口向量Vi;
[0013] (4)根據以下公式計算節(jié)點i到其它普通節(jié)點的損耗之和Ii以及其他普通節(jié)點到 節(jié)點i的損耗之和Ii:
[0016] 其中，隊表示節(jié)點i的近鄰節(jié)點集，由節(jié)點i的設置距離范圍內的普通節(jié)點組成。
[0017] 步驟（3)中，節(jié)點i根據以下公式更新其進口向量七和出口向量vi:
數，A為預設置的調整參數，測量值與預測值的誤差函數為：
入為預設置的調整參數，測量值與預測值的誤差函數為：
[0031] 其中，a』表示節(jié)點j的穩(wěn)定時間信息，amax表示近鄰節(jié)點集中節(jié)點的最大穩(wěn)定時間， 4和&_均為節(jié)點的已知信息。
[0032] 步驟（3)中，節(jié)點i根據以下公式更新其進口向量七和出口向量vi:
[0046] 學習速率參數n不斷進行更新。
[0047] 本發(fā)明基于其技術方案所具有的有益效果在于：本發(fā)明為了解決現(xiàn)有網絡距離預 測方法的局限，通過矩陣分解的方法對基本的網絡距離預測算法進行延伸，引入節(jié)點坐標 的入口向量及出口向量，通過更新相應的向量來進行網絡距離的預測。算法中包含線性搜 索策略，能夠減小學習速率參數對距離預測的影響；還融入了用于處理測量奇異值的能提 高魯棒性的矩陣分解方法，以及非負矩陣分解，用于保證預測距離的非負性。本發(fā)明通過引 入線性搜索策略及矩陣分解，擴大了距離預測算法的通用性，能夠提高距離預測的精度，具 有顯著的效果和很強的實用性。
【附圖說明】
[0048] 圖1是本發(fā)明所述方法的流程示意圖。
[0049] 圖2是本發(fā)明所述網絡空間構造圖。
[0050] 圖3是本發(fā)明距離矩陣分解示意圖。
【具體實施方式】
[0051] 下面結合附圖和實施例對本發(fā)明作進一步說明。
[0052] 本發(fā)明提供了一種面向移動網絡中節(jié)點網絡距離的預測方法，參照圖1的流程示 意圖，包括以下步驟：
[0053] (1)建立由網絡節(jié)點組成的網絡計算系統(tǒng)模型，將由網絡節(jié)點構成的網絡空間映 射到歐氏空間，所述歐氏空間為嵌入空間，從網絡節(jié)點中選取基準節(jié)點，網絡節(jié)點中除基準 節(jié)點以外的節(jié)點為普通節(jié)點；測量基準節(jié)點之間的距離值，確定基準節(jié)點的坐標值；測量 嵌入空間中的每個普通節(jié)點到基準節(jié)點的距離，構建由各距離值組成的距離矩陣X，確定普 通節(jié)點對于基準節(jié)點的坐標；如圖2所示，bl至b5為基準節(jié)點，Hl至H4為普通節(jié)點；
[0054] (2)將距離矩陣X進行隨機梯度分解，得到矩陣U和矩陣V，其中，矩陣U的第i行 為第i個網絡節(jié)點即節(jié)點i的進口向量Ui,矩陣U的第j行為第j個網絡節(jié)點即節(jié)點j的 進口向量Uj,矩陣V的第j列為節(jié)點i的出口向量Vi，矩陣V的第i列為節(jié)點j的出口向量 Vj;v j即表示節(jié)點j的坐標向量；如圖3所示；
[0055] 所以，ujPVi都可以通過du更新，=4 * "http://，"/1:.' 4。需要注意的是， 網絡距離的預測值實際上并不完全一致，即< ，但是由于兩者都十分接近Clij，所以誤 差也可以忽略。
[0056] (3)定義兩種損耗函數1^和L2:
[0060] 比較以上梯度函數LdPL:損失函數，可發(fā)現(xiàn)兩者唯一的區(qū)別在于，L2損失函數中 對于擬合誤差（d-uvT)，其梯度的大小是可選的，而在L1中僅僅考慮了擬合誤差的