38、容迟网络路由方法比较

容迟网络路由方法比较

在容迟网络（DTN）中，路由决策面临着诸多挑战，尤其是在不确定的环境下。本文将介绍两种基于马尔可夫决策过程（MDP）的路由方法：RUCoP 和 LSS，并对它们在不同网络拓扑中的性能进行评估。

1. 网络通信假设

在 DTN 中，我们假设发送节点能够确定传输是否成功。若成功，发送节点会删除已传输的副本；若失败，则保留副本。这种方式被称为确认通信（acknowledged communication），确保网络中副本数量符合预期，在低地球轨道（LEO）星座中较为常见。另一种是完全不可靠通信，传输失败时副本会丢失，常用于深空通信。

2. 全局和局部信息

对于 MDP 描述的系统，最大化调度器可描述最优路由决策，但它基于全局信息，要求分布式节点随时知晓网络中所有副本的位置，这在高度分区的 DTN 中难以实现。因此，节点通常需基于局部知识进行决策，这种问题被称为分布式调度。

3. 不确定 DTN 中的路由方法

3.1 RUCoP

RUCoP（routing under uncertain contact plans）为不确定接触计划下的路由决策提供了分析解决方案，以优化 SDP（Scheduled Delivery Probability）。其主要步骤如下：
1. 构建无环 MDP ：由于状态中包含当前时隙值，不确定接触计划的 MDP 是无环的。RUCoP 从目标状态（如 t5 时刻 D 至少有一个副本的状态）开始，根据贝尔曼方程反向构建“最优”部分的 MDP。
2. 处理循环 ：考虑到多个节点在一个时隙内相互传输可能产生循环，但循环传输会降低 SDP，因此 RUCoP 会打破所有循环，保持 MDP 无环。
3. 计算复杂度 ：完整的 RUCoP 算法时间复杂度为 2 - EXPTIME，运行时间与节点数量呈指数关系，与副本数量呈双指数关系，对时间和内存要求较高。
4. 内存优化 ：RUCoP 采用动态构建 MDP 的方式，并将不再需要的信息写入磁盘，仅保留当前时隙的状态用于计算前一个时隙的状态和最优转移。

为了获得基于局部信息的调度器，可使用 L - RUCoP（local RUCoP）。它通过构建表格 T(N, c, ti)，为每个节点 N 在时间 ti 持有 c 个副本时提供基于局部知识的最佳决策。

3.2 LSS

LSS（Lightweight scheduler sampling）是一种基于统计模型检查（SMC）的方法，可用于估计 MDP 中可达性问题的概率。其主要步骤如下：
1. 随机选择调度器 ：随机选择一组 m 个调度器，每个调度器由一个固定大小的整数（如 32 位）标识。
2. 选择最优调度器 ：使用启发式方法（如智能采样）选择似乎能诱导最高概率的调度器 σmax。
3. 估计可达性概率 ：对 MDP|σmax 进行标准 SMC 分析，提供 Pr max s0(reach(B)) 的估计值。

LSS 的关键在于将调度器表示为 32 位整数，实现了恒定的内存使用。通过修改输入，LSS 还可适用于局部信息调度器，即 L - LSS。

为了提高 LSS 的性能，我们对其进行了以下改进：
1. 仅保留有用的接触 ：分析接触图，去除无用的接触，减少 MDP 中的决策数量和调度器采样空间。
2. 强制发送 ：在节点的最后一个有用接触时，强制发送所有可用副本。
3. 强制接收 ：省略接收节点忽略传入消息的选项，进一步减少调度器采样空间。
4. 跳过空时隙 ：省略空时隙的“时钟滴答”动作，直接跳到下一个有接触的时隙，提高模拟运行时间。

4. 评估

为了评估 RUCoP 和 LSS 的性能，我们创建了包含三种用例的基准集：随机网络、二项式网络和环形道路网络。

4.1 基准集

• 随机网络 ：使用 10 个具有 8 个节点、时长为 100 秒的随机拓扑，时间离散为 10 秒的时段，接触密度参数为 0.2，采用全对全流量模式。
• 二项式网络 ：采用二项式拓扑的接触计划，通过增加树的级别来评估拓扑复杂度对路由算法的影响。
• 环形道路网络 ：使用从高精度轨道传播器导出的现实卫星拓扑，考虑 16 颗低地球轨道卫星组成的 Walker 星座，采用全对一流量模式，场景跨度为 24 小时，划分为 1440 个时隙。

4.2 分析

我们从 SDP 和计算资源（处理时间和内存消耗）两个方面对 RUCoP 和 LSS 进行评估，以单副本 CGR 作为基线。

• 随机网络 ：随着接触计划不确定性增加，RUCoP 和 LSS 方案的 SDP 逐渐优于 CGR。增加采样调度器数量（从 1000 到 10000）对 SDP 的提升有限。L - LSS 在 SDP 方面平均比 L - RUCoP 差 3%（1000 个调度器）和 1%（10000 个调度器）。所有技术在随机网络中的处理时间均小于 20 秒，内存使用小于 20 MB。

技术	SDP 表现	处理时间	内存使用
RUCoP	优于 CGR	< 20s	< 20MB
LSS - 1000	逐渐优于 CGR	< 20s	< 20MB
LSS - 10000	略优于 LSS - 1000	< 20s	< 20MB
L - RUCoP	优于 L - LSS	< 20s	< 20MB
L - LSS - 1000	略差于 L - RUCoP	< 20s	< 20MB
L - LSS - 10000	略差于 L - RUCoP	< 20s	< 20MB

• 二项式网络 ：在二项式网络中，CGR 基线与 RUCoP - 1 相同。LSS 在使用 10000 个调度器时，SDP 与 RUCoP 接近。随着拓扑复杂度增加（树级别超过 7），RUCoP 会耗尽内存，而 LSS 能以最小的运行时间和内存占用提供有效解决方案。

graph LR
    A[开始] --> B[设置链路失败概率为 0.1]
    B --> C[变化树级别从 4 到 8]
    C --> D[评估 RUCoP 和 LSS 性能]
    D --> E[分析 SDP、处理时间和内存使用]
    E --> F[结束]

• 环形道路网络 ：在环形道路网络中，接触计划越长，RUCoP 和 LSS 的差异越明显。L - RUCoP 在 2 小时和 3 小时的计划中明显优于 L - LSS。LSS 和 L - LSS 在大型调度中表现不如 CGR 基线，表明 LSS 的无信息采样策略可能不适用于现实环形道路拓扑，需要进一步改进。

网络拓扑	技术	SDP 表现	处理时间	内存使用
随机网络	RUCoP	优于 CGR	< 20s	< 20MB
随机网络	LSS - 1000	逐渐优于 CGR	< 20s	< 20MB
随机网络	LSS - 10000	略优于 LSS - 1000	< 20s	< 20MB
二项式网络	RUCoP	高复杂度下内存耗尽	最长 28min	最高 1GB
二项式网络	LSS - 1000	接近 RUCoP	< 10s	< 100MB
二项式网络	LSS - 10000	接近 RUCoP	1min	< 100MB
环形道路网络	RUCoP	长时间计划表现优	最长 20min	最高 600MB
环形道路网络	LSS - 1000	不如 CGR 基线	< 1min	约 100MB
环形道路网络	LSS - 10000	略优于 LSS - 1000	< 1min	约 100MB

综上所述，RUCoP 在 SDP 方面表现较好，但对时间和内存要求较高；LSS 内存占用小，运行时间短，在简单拓扑中表现接近 RUCoP，但在复杂拓扑中需要进一步改进采样策略。在实际应用中，应根据网络拓扑的复杂度和资源限制选择合适的路由方法。

容迟网络路由方法比较

5. 方法性能总结

为了更清晰地对比 RUCoP 和 LSS 在不同网络拓扑中的性能，我们将上述评估结果总结如下表：
| 网络拓扑 | 技术 | SDP 表现 | 处理时间 | 内存使用 | 适用场景 |
| ---- | ---- | ---- | ---- | ---- | ---- |
| 随机网络 | RUCoP | 优于 CGR，略优于 LSS | < 20s | < 20MB | 对 SDP 要求较高，资源充足 |
| 随机网络 | LSS - 1000 | 逐渐优于 CGR | < 20s | < 20MB | 资源有限，对 SDP 要求不是极高 |
| 随机网络 | LSS - 10000 | 略优于 LSS - 1000 | < 20s | < 20MB | 资源有限，希望进一步提升 SDP |
| 二项式网络 | RUCoP | 低复杂度接近最优，高复杂度内存耗尽 | 最长 28min | 最高 1GB | 低复杂度拓扑，对 SDP 要求极高 |
| 二项式网络 | LSS - 1000 | 接近 RUCoP | < 10s | < 100MB | 高复杂度拓扑，资源受限 |
| 二项式网络 | LSS - 10000 | 接近 RUCoP | 1min | < 100MB | 高复杂度拓扑，希望在资源受限下接近最优 SDP |
| 环形道路网络 | RUCoP | 长时间计划表现优 | 最长 20min | 最高 600MB | 长时间接触计划，对 SDP 要求高 |
| 环形道路网络 | LSS - 1000 | 不如 CGR 基线 | < 1min | 约 100MB | 短时间接触计划，资源受限 |
| 环形道路网络 | LSS - 10000 | 略优于 LSS - 1000 | < 1min | 约 100MB | 短时间接触计划，希望在资源受限下提升 SDP |

从这个表格中可以看出，不同的网络拓扑和资源条件下，RUCoP 和 LSS 各有优劣。在选择路由方法时，需要综合考虑网络的特点和实际需求。

6. 选择合适路由方法的流程

为了帮助用户根据实际情况选择合适的路由方法，我们设计了以下流程图：

graph TD
    A[开始] --> B{网络拓扑复杂度}
    B -->|低| C{资源是否充足}
    B -->|高| D{接触计划时长}
    C -->|是| E[选择 RUCoP]
    C -->|否| F[选择 LSS]
    D -->|短| G{对 SDP 要求高吗}
    D -->|长| H[选择 RUCoP]
    G -->|是| I[增加采样数量使用 LSS]
    G -->|否| J[选择 LSS]

这个流程图展示了选择路由方法的决策过程：
1. 首先判断网络拓扑的复杂度。如果复杂度低，接着考虑资源是否充足。若资源充足，选择 RUCoP 以获得更好的 SDP；若资源有限，选择 LSS。
2. 如果网络拓扑复杂度高，再判断接触计划的时长。若时长较长，选择 RUCoP；若时长较短，根据对 SDP 的要求来决定。对 SDP 要求高时，增加采样数量使用 LSS；要求不高时，直接选择 LSS。

7. 未来研究方向

虽然 RUCoP 和 LSS 为容迟网络的路由问题提供了有效的解决方案，但仍有一些方面值得进一步研究：
- LSS 采样策略优化 ：在复杂拓扑中，LSS 的无信息采样策略表现不佳。未来可以研究更智能的采样策略，例如基于网络拓扑特征的采样，以提高 LSS 在复杂网络中的性能。
- 混合路由方法 ：可以考虑将 RUCoP 和 LSS 的优点结合起来，设计一种混合路由方法。例如，在网络拓扑相对简单的部分使用 RUCoP 进行精确计算，在复杂部分使用 LSS 进行快速估计。
- 动态路由调整 ：现有的方法大多是离线计算路由决策，而容迟网络的环境是动态变化的。未来可以研究如何实现动态路由调整，根据网络状态的实时变化及时调整路由策略。

8. 结论

本文详细介绍了容迟网络中两种基于 MDP 的路由方法：RUCoP 和 LSS，并通过三种不同的网络拓扑对它们的性能进行了评估。评估结果表明，RUCoP 在 SDP 方面表现出色，但对时间和内存要求较高；LSS 内存占用小，运行时间短，在简单拓扑中表现接近 RUCoP，但在复杂拓扑中需要改进采样策略。

在实际应用中，我们可以根据网络拓扑的复杂度、接触计划的时长、资源限制以及对 SDP 的要求，使用本文提供的决策流程来选择合适的路由方法。同时，未来的研究可以朝着优化采样策略、设计混合路由方法和实现动态路由调整等方向发展，以进一步提高容迟网络的路由性能。

总之，选择合适的路由方法对于容迟网络的高效运行至关重要。通过对 RUCoP 和 LSS 的深入研究和比较，我们可以为不同的网络场景找到更合适的解决方案，推动容迟网络技术的发展。