中国指挥与控制学会会刊 
随着全球贸易的发展和海洋资源开发的推进,船舶通信网络在船舶航行、货物运输以及海洋监测等领域的应用日益广泛。特别是在恶劣海况下,船舶通信网络的可靠性对于保障船舶安全、提高运输效率以及实现有效的船岸信息交互至关重要。然而,恶劣海况下的强风、巨浪、雷电等自然因素以及船舶的摇摆、颠簸等运动特性,使得船舶通信网络面临着信号衰减、干扰增强以及通信链路中断等诸多问题[1-2]。
在军事供应链网络(Military Supply Chain Networks, MSCNs)领域,技术进步和战场环境变化带来了诸多挑战,尤其是在面对中断和干扰时。研究者致力于提高网络的韧性和适应性,以确保物资供应和作战能力。文献[3]探讨了船舶通信网络在复杂电磁环境下的抗干扰技术,针对DTNs的端到端连通性和延迟问题,模拟DTN环境中的测试和实现经验;文献[4]从网络拓扑结构的角度出发,提出了拓扑结构模型和基于探索性分析的仿真方法,评估了不同中断下的供应能力和恢复值,以提高网络的可靠性;文献[5]则关注船舶通信网络的负载均衡问题,提出了基于流量控制的负载均衡算法,以优化网络资源的利用效率;文献[6-8]提出了自适应容错路由概念,旨在提高消息传递成功率、减少延迟和提高网络资源使用效率;Jian等人[9]引入了基于社交关系的自适应多重喷洒-等待路由算法(SRAMSW),处理DTN消息副本。Sang等人[10]介绍了一个弹性模型,为有效路由策略提供支持,减轻网络利用率压力,解决能源消耗率问题。
在恶劣通信环境中,网络负载和拓扑结构的动态随机变化给通信带来挑战。在这种情况下,自适应DTN协议[11-12]的理念具有合理性,可以通过动态调整优化获得最佳方案。然而,网络状态信息的局部性和滞后性限制了对全局信息的掌握。为简化网络管理,人们通常对网络承载的负载容量进行限制,规定业务需求容量的最大值,并进行业务线路规划。增设备份线路来避免业务中断,其关键指标是在现有网络承载容量下,业务需求容量之和不得超过网络承载上限,同时提高业务容量分配额度。这种方式可以在恶劣通信环境下实现网络业务的稳定运行,降低网络中断风险,提高整体网络性能,为网络运营商和用户提供更可靠的通信服务。很多模型均能够有效解决这些问题,但往往在数值求解上陷入瓶颈[13-15]。
综上所述,为解决船舶通信中冗余路径与网络负载的协同优化问题,本文重点研究针对该问题建立可求解的数学模型和方法,通过划分逻辑网络与物理网络,建立数学模型并采用算法进行求解,提出了一种综合考虑抗干扰、自愈能力和负载均衡的优化方法。
1 问题描述
在船舶通信网络中,通信负载和拓扑结构的动态变化给通信带来挑战。为简化网络管理,通常对网络承载的负载容量进行限制,规定通信业务需求容量的最大值,并进行通信线路规划。增设备份线路以避免通信中断,即在现有网络承载容量下,通信业务需求容量之和不得超过网络承载上限。通过这种方式,可以在恶劣海况下实现船舶通信业务的稳定运行,降低通信中断风险,提高整体网络性能,为船舶通信网络运营商和用户提供更可靠的通信服务。
船舶通信网络可分为逻辑网络与物理网络,其中逻辑网络由逻辑节点和逻辑边组成,反映业务通信需求,逻辑边的需求容量表示该业务需传输的最小数据量;物理网络由物理节点和物理边组成,物理边的承载容量表示其最大传输能力。为保障恶劣海况下的通信连续性,需为每条逻辑边配置主物理路径与备份物理路径,并满足:(1) 主路径容量和备份路径容量均大于等于逻辑边的需求容量,每条逻辑边对应的主/备份路径涉及的物理边进行容量利用累积,每条物理边的容量累积之和不高于该物理边的承载容量;(2) 主/备份路径的起始节点应与相应的逻辑边节点相对应,主/备份路径中间节点之间应该一一衔接;(3) 为避免某物理边故障导致双路径失效,主/备份路径无重复物理边,见图1。
对于任何一个通信网络,此时网络的负载优化配置问题变成了在满足上述要求的基础上,确定每一条逻辑边对应的主/备份物理路径方案,并确定相应的主/备份物理路径容量,最终使得整个网络的富余度达到最大(主要目标),并尽可能使配置富余度的均衡程度最低(次要目标)。
2 建模分析
2.1 参数定义与说明
为准确构建数学模型,定义如表1所示参数。
表1 参数定义Tab.1 Parameter definition |
| 变量 | 定义 |
|---|---|
| mp | 第p个物理节点的数目 |
| np | 第p个物理边的数目 |
| ml | 逻辑节点的数目 |
| nl | 逻辑边的数目 |
| Ck | 物理边k的承载容量 |
| Dj | 逻辑边j的需求容量 |
| ${s}_{j}^{main}$ | 逻辑边j的主路径容量 |
| ${s}_{j}^{back}$ | 逻辑边j的备份路径容量 |
| fij | 第j条逻辑边对应的第i条物理路径最大容量 |
| ηe | 衡量逻辑网络上的边e的配置负载的富余度 |
| zj | 第j条逻辑路径的主物理网络的分配流量 |
| wj | 第j条逻辑路径的备份物理网络的分配的流量 |
| vijk | 0-1参数,当第i条逻辑边的第j条物理路径中有第k条物理边时为1,其余为0 |
引入0-1决策变量
xij,yij=$\left\{\begin{array}{l} \begin{array}{ll}1& 选中对应位置的路径\end{array}\\ \begin{array}{ll}0& 未选中对应位置的路径\end{array}\end{array}\right.$
qj=$\left\{ \begin{array}{ll}1& {z}_{j}\le {w}_{j}\\ 0& {z}_{j}>{w}_{j}\end{array}\right.$
其中,nN×nl二维变量xij、yij分别表示主物理网络、备份物理网络在容量矩阵fij上的掩膜;qj表示第j条逻辑路径与主备份物理网络的分配的流量关系。
2.2 模型建立
面向船舶通信的冗余路径与网络负载协同优化问题,综合考虑网络负载相关约束,引入0-1决策变量,可建立如下约束的混合整数线性规划 (MILP)[15]。
(1) 主物理网络、备份物理网络不可能选择同一条路径,即
(2) 每条物理边的承载总容量不低于主物理网络、备份物理网络共同作用下的容量之和,即
(3) 当fij<Dj时,则表明第j条逻辑边的第i个路径方案的物理路径承载容量低于该逻辑边的业务需求容量,此时主物理网络、备份物理网络均不会选择该路径方案,即
xij,yij=0, 若fij≤Dj
i=1,2,…,nN;j=1,2,…,nl
(4) 主物理网络与备份物理网络在每条物理边的容量之和应低于该边的承载容量,即
在目标函数的考虑上,具体表示如下
(1) 主物理网络、备份物理网络总流量最高,即
max η1= ${\sum }_{i}^{}{\sum }_{j}^{}$ [(xij+yij)fij/Dj-2]
(2) 配置逻辑网络的边富余度尽可能大、负载尽可能均衡。边富余度尽可能大表示如下
max η2= ${\sum }_{j}^{}$ [(qjzj+(1-qj)wj)/Dj-1]
负载尽可能均衡表示如下
min η3=var(qjzj+(1-qj)wj)/Dj-1)
因此,同时考虑船舶通信网络的冗余路径与负载均衡优化的主/备份路径容量分配模型为:
max η1=${\sum }_{i}^{}{\sum }_{j}^{}$[(xij+yij)fij/Dj-2]
max η2=${\sum }_{j}^{}$[(qjzj+(1-qj)wj)/Dj-1]
min η3=var(qjzj+(1-qj)wj)/Dj-1
s.t.$\left\{\begin{array}{l} \sum _{i=1}^{{n}_{N}}\sum _{j=1}^{{n}_{l}}({x}_{ij}+{y}_{ij})·{v}_{i,j,k}{D}_{j}\le {C}_{k}\\ {x}_{ij}+{y}_{ij}\le 1\\ {x}_{ij},{y}_{ij}=0 若{f}_{ij}\le {D}_{j}\\ \sum _{j=1}^{{n}_{l}}({z}_{j}·{v}_{{i}_{j}^{main},j,k}+{w}_{j}·{v}_{{i}_{j}^{back},j,k})\le {C}_{k} k=\mathrm{1,2},\dots,{n}_{p}\\ {q}_{j}({z}_{j}-{w}_{j})\le 0\\ (1-{q}_{j})({w}_{j}-{z}_{j})\le 0\\ {z}_{j}\le {f}_{{i}_{j}^{main},j}\\ {w}_{j}\le {f}_{{i}_{j}^{back},j}\end{array}\right.$
3 实验仿真
3.1 案例设计
在北太平洋某国际航线的远洋船队中,多艘货轮组成编队执行联合运输任务,需在强风暴频发海域保持实时通信:编队内各船需共享导航数据以维持安全间距,货舱传感器数据需跨船同步至指挥船的中央控制系统,同时全编队需通过卫星链路与岸上调度中心交互气象预警与航线调整指令。由于海域风浪大、电磁环境复杂,单船间的微波链路易受干扰中断,卫星带宽资源有限且负载波动大,需构建多船协同的通信网络,通过冗余路径设计与负载均衡策略,保障在恶劣海况下关键业务的连续传输。
3.2 案例仿真
根据所建立的求解模型,实现对图3所示的通信网络的冗余路径与网络负载协同优化,具体分为三步:(1) 建立每条逻辑边的物理路径数据库。(2) 建立符合要求的主/备份网络路径方案数据库。基于初始可行方案搜索模型,采用intlinprog 求解问题,将其代入迭代可行方案搜索模型中进行搜索,计算出η1的最大值为42.5。(3) 主/备份物理网络的容量分配。基于主/备份路径容量分配模型,以η1为目标函数分别采用SurrogateOpt求解器和遗传算法求出该方案下的主/备份网络路径容量。当所有可行方案的最优主/备份网络路径容量获取后,比较各自方案的富余度,挑选出富余度最大的可行方案,其内容包括主/备份路径以及各自的容量分配,计算出富余度和均衡值。
图4 zj、wj取值为整数,η1为34.5,不同求解器迭代过程Fig.4 zj、wj takes the value of an integer and η1 is 34.5, different solver iteration process |
表2 富余度7、均衡度0.062 5的规划方案Tab.2 Planning scenarios with a surplus of 7 and a balance of 0.062 5 |
| 逻辑路径 编号 | 物理边路径 | 网络节点路径 | 容量分配 | 最终容量 分配方案 | |||
|---|---|---|---|---|---|---|---|
| 主路径 | 备份路径 | 主路径 | 备份路径 | 主路径 | 备份路径 | ||
| 1 | [2,3] | [2,1,5] | [3,1,5] | [3,1,2,5] | 3 | 3 | 3 |
| 2 | [4,5,13] | [6,10] | [3,2,5,9] | [3,4,9] | 3 | 3 | 3 |
| 3 | [13] | [11,17] | [5,9] | [5,6,9] | 3 | 3 | 3 |
| 4 | [12,25] | [11,18] | [5,8,26] | [5,6,26] | 2 | 2 | 2 |
| 5 | [28,36] | [26] | [9,27,11] | [9,11] | 5 | 4 | 4 |
| 6 | [19,15,18] | [17,15,22] | [9,7,6,26] | [9,6,7,26] | 3 | 3 | 3 |
| 7 | [34,38] | [35,39,41] | [11,12,22] | [11,14,13,22] | 3 | 3 | 3 |
| 8 | [26,17,18] | [29,33] | [11,9,6,26] | [11,10,26] | 3 | 4 | 3 |
| 9 | [49,58] | [50,64,59] | [16,21,19] | [16,24,23,19] | 3 | 3 | 3 |
| 10 | [49,58,57] | [49,61] | [16,21,19,20] | [16,21,20] | 2 | 2 | 2 |
| 11 | [44,46] | [50,47,46] | [16,15,22] | [16,24,15,22] | 3 | 3 | 3 |
| 12 | [57] | [58,61] | [19,20] | [19,21,20] | 3 | 3 | 3 |
| 13 | [59,64] | [60] | [19,23,24] | [19,24] | 3 | 3 | 3 |
| 14 | [59,65] | [23,25] | [19,23,26] | [19,8,26] | 5 | 3 | 3 |
| 15 | [52,54] | [46,44,50] | [22,17,24] | [22,15,16,24] | 3 | 3 | 3 |
| 16 | [52,53,65] | [38,30,33] | [22,17,23,26] | [22,12,10,26] | 2 | 2 | 2 |
富余度提升意味着在恶劣海况下(如强风导致信号衰减),网络有更多冗余容量保障通信;均衡度降低表明负载分配更均匀,避免了单一链路因过载在巨浪冲击下失效的风险。仿真结果表明,该方法可实现船舶通信网络在恶劣海况下的稳定运行,降低通信中断风险,提高整体网络性能,为船舶通信网络的设计和优化提供理论依据和技术支持。
4 结束语
本文针对恶劣海况下船舶通信网络的冗余路径优化与负载均衡问题进行了深入研究,通过建立数学模型和设计求解算法,提出了一种综合考虑抗干扰、自愈能力和负载均衡的优化方法。首先,基于恶劣海况下船舶通信网络的冗余路径优化与负载均衡问题约束属性,本文建立了船舶通信网络的冗余路径优化与负载均衡优化问题求解模型;然后构建了一个小型船舶通信网络案例,采用分支定界法和遗传算法(GA)求解模型;最后,通过迭代和遍历方法,生成了多个可行方案,并从中筛选出最优解。结果表明,拆解后的模型能够显著提高求解效率,并获得更高的富余度和较低的负载均衡度。不过对于动态变化的网络环境,模型的实时性和自适应性需要进一步增强,后续作者将进一步优化算法,提高其在大规模网络中的求解效率和精度。