基于网络预警机模型的认知网络QoS自主性管理与控制关键技术研究

目前互联网面临着业务多样化、需求差异化、环境复杂化等诸多问题，如何有效地管理和控制该动态多变的网络成为基础研究要重点解决的问题之一。认知网络QoS是解决上述问题非常有潜力的方法，核心是QoS自主性管理与控制。本课题基于"网络预警机模型"研究认知网络QoS自主性管理与控制问题，拟借鉴军事学领域智能决策与协同指挥的思想，将认知网络视作"战场"，创新性提出"网络预警机模型"的概念并研究其在认知网络环境下的实现机制和算法；进而将"网络预警机模型"协同指挥能力与认知网络环境下多种QoS控制算法组合策略相结合，提出面向业务的多域双闭环QoS自适应监控机制，形成具有自治、智能和自适应能力的认知网络QoS方法，实现动态复杂性网络的全局性可管理、可控制，保证网络端到端QoS；并对提出的方案进行实验（仿真）验证和性能分析。本课题对于推动认知网络研究具有重要的理论意义，在互联网管理与控制领域具有很好的应用前景。

本课题研究认知网络QoS保证过程中的自主性管理与控制问题，完成的主要成果包括：①网络预警机模型及其关键算法方面，提出了基于本体的认知网络QoS态势知识表示方法，实现了海量认知数据与QoS态势间双向映射关系，为态势评估、预警和自主决策提供了知识描述基础；提出了基于模糊推理的认知网络局部QoS态势融合算法，实现了局部QoS态势的精确融合；提出了基于投票机制改进D-S证据理论的认知网络全局QoS态势融合算法，克服了证据之间存在冲突的现象，实现了全局QoS态势的快速、准确融合；提出了基于变步长学习策略和模拟退火改进BP神经网络的认知网络态势评估算法，建立了端到端态势参数和端到端态势等级之间的映射关系，实现全局端到端QoS态势定量、客观评估；提出了一种基于粒子群优化SVM的认知网络态势预测算法，解决了小样本、高维度、非线性认知网络态势的实时、精确预测；提出了基于IGM(1,1)模型的认知业务流预测算法，实现了非平稳、突变业务流的高效、精确、平滑预测；提出了基于业务流预测的认知网络资源协同指挥配置算法，实现了资源的全局、自适应、协同优化配置。②QoS动态自适应监控机制方面，提出了基于网络态势的认知网络QoS双闭环动态自适应配置算法，缩短了QoS劣化时间，降低网络控制的代价，实现全局资源的健壮配置；提出了基于人工免疫优化的认知网络业务流最经济控制算法，以最小的代价实现了健康网络业务流最经济运行；提出了基于贝叶斯网络的认知网络自诊断异常应急控制算法，已最快的速度实现异常网络的自诊断应急控制。. 课题组考核指标为：在国内、国外有影响力的学术刊物（会议）上发表（录用）高水平学术论文10篇以上，其中被SCI/EI检索8篇以上；申报新技术发明专利3项以上，参与培养博士研究生3人、硕士研究生3人。课题的研究成果实现了动态复杂多变认知网络以业务为中心的自主和动态自适应全局性可管理、可控制，提高了网络资源利用率，保证网络端到端QoS效能，实际完成情况为：研究成果在国内外有影响力期刊、会议发表学术论文22篇（超额12篇），其中SCI/EI核心收录20篇（超额12篇），已经授权技术发明专利8项（超额5项），软件著作权登记2项（无指标，超额完成），获江苏省科技进步一、二等奖各1项（无指标，超额完成）。综上，课题组已经圆满高质量完成了规定研究任务，全面超额完成了各项考核指标。