夏飛

摘 要： 可靠性是評價軟件定義網(wǎng)絡（SDN）系統(tǒng)的一項關鍵指標，為了提高SDN系統(tǒng)的整體可靠性，針對系統(tǒng)的軟件可靠性進行研究，提出一種基于量子群優(yōu)化算法的SDN系統(tǒng)軟件可靠性評估模型。首先對SDN系統(tǒng)的軟件可靠性研究現(xiàn)狀進行分析，并建立相應的數(shù)學模型，然后采用量子粒子群算法對數(shù)學模型進行求解，并通過具體數(shù)據(jù)對軟件可靠性評估模型的性能進行仿真測試。結(jié)果表明，量子粒子群算法可以對SDN系統(tǒng)的軟件可靠性進行準確評估，很好地描述了SDN系統(tǒng)的軟件可靠性變化趨勢，而且求解結(jié)果要優(yōu)于其他模型，實際應用價值更高。

關鍵詞： 量子粒子群算法； 軟件定義網(wǎng)絡； 軟件可靠性； 數(shù)學模型

中圖分類號： TN915.08?34 文獻標識碼： A 文章編號： 1004?373X（2017）17?0020?03

Research on reliability of software defined network system

XIA Fei

（Information Communication Company， State Grid Jiangsu Electric Power Company， Nanjing 210024， China）

Abstract： The reliability is a key index to evaluate the software defined network （SDN） system. In order to improve the overall reliability of SDN system， the software reliability of the system is studied， and then a SDN system′s software reliability evaluation model based on quantum?behaved particle swarm optimization algorithm is proposed. The research statue of software reliability of SDN system is analyzed. The corresponding mathematical model was established， and solved with the quantum?behaved particle swarm optimization algorithm. The simulation test was performed for the performance of the software reliability evaluation model by means of specific data. The results show that the quantum?behaved particle swarm optimization algorithm can evaluate the software reliability of the SDN system accurately， describe the software reliability variation trend of SDN system perfectly， and its solving result is better than that of other models and has high practical application value.

Keywords： quantum?behaved particle swarm algorithm； software defined network； software reliability； mathematical model

0 引 言

隨著網(wǎng)絡技術(shù)應用的不斷深入，網(wǎng)絡用戶數(shù)量迅速增加，為了滿足應用要求，產(chǎn)生了一種新型網(wǎng)絡架構(gòu)——軟件定義網(wǎng)絡（SDN）系統(tǒng)[1?3]。無論哪一種網(wǎng)絡系統(tǒng)，可靠性是一項關鍵的性能指標。SDN系統(tǒng)的可靠性包括硬件可靠性和軟件可靠性兩個研究方向，本文主要針對軟件可靠性進行分析[4]。

為了提高SDN系統(tǒng)的可靠性，針對系統(tǒng)中的軟件可靠性進行研究。提出一種量子粒子群算法的SDN系統(tǒng)的軟件可靠性評估模型，仿真測試結(jié)果表明，量子粒子群算法可以對SDN系統(tǒng)的軟件可靠性進行準確評估，十分準確地描述了SDN系統(tǒng)的軟件可靠性變化趨勢。

1 軟件可靠性評估的相關研究

SDN系統(tǒng)在工作過程中，有時會出現(xiàn)故障，故障一旦被消除，那么SDN的軟件失效率下降，因此失效率是評價SDN系統(tǒng)軟件可靠性的一個重要指標[5]。SDN系統(tǒng)的軟件開發(fā)完成后，軟件工程師就不停地排除軟件錯誤，理想狀態(tài)時，失效率將接近于零[6]。在SDN的工作過程中，可能有新的錯誤產(chǎn)生，一段時間以后，失效率會發(fā)生變化出現(xiàn)新值，即對SDN系統(tǒng)的軟件失效數(shù)據(jù)進行分析后，可采用可靠性預測對失效率進行估計。當前，SDN系統(tǒng)的軟件可靠性評估模型眾多，如有基于非線性函數(shù)的軟件可靠性評估、有基于極大似然法和最小二乘法估計參數(shù)的軟件可靠性評估。當樣本數(shù)量較大時，一般選擇極大似然法進行評估，否則就選擇最小二乘法[7?9]。但是這些軟件可靠性評估模型存在一些缺陷，如均采用概率論統(tǒng)計方法，對約束條件破壞性比較嚴重，為了解決這些方法的不足，有學者提出采用神經(jīng)網(wǎng)絡的軟件可靠性評估模型，然而神經(jīng)網(wǎng)絡學習時間過長，泛化能力差，因此設計性能優(yōu)異的SDN系統(tǒng)的軟件可靠性評估模型仍然面臨挑戰(zhàn)[10]。

2 量子粒子群優(yōu)化算法

2.1 標準粒子群優(yōu)化算法

標準粒子群優(yōu)化算法模擬鳥群飛行覓食行為，根據(jù)群體和同伴的位置信息找到全局最優(yōu)位置，即問題的最優(yōu)解。endprint

設粒子位置和速度向量分別為和每一個粒子根據(jù)其他粒子的飛行軌跡調(diào)整飛行方向，粒子的最優(yōu)位置為則有，表示迭代次數(shù)，第次迭代的速度和位置分別為和，當前全局最好位置為，粒子速度和位置更新方程為[11]：

（1）

（2）

式中：表示認知項系數(shù)；表示社會項系數(shù)；是服從（0，l）的隨機數(shù)。

2.2 量子粒子群優(yōu)化算法

在量子力學中，粒子的位置與速度具有概率的特征，可以采用波函數(shù)描述粒子狀態(tài)，波函數(shù)強度和粒子在該點出現(xiàn)的概率滿足如下條件：

（3）

粒子運動的動力學方程為：

（4）

式中：為普朗克常數(shù)；為哈密頓算子，其定義如下：

（5）

式中：為粒子的質(zhì)量；為勢場。

根據(jù)粒子的收斂行為推導出粒子的定態(tài)薛定諤方程，得到粒子定態(tài)的波函數(shù)為：

（6）

式中：為粒子的吸引子。

粒子的位置由如下的隨機方程確定：

（7）

式中為隨機數(shù)。

綜上可知，具有量子行為的粒子進化方程為：

（8）

式中為搜索擴張系數(shù)。

為粒子群的最好位置平均值，計算公式為：

（9）

式中和為粒子規(guī)模和搜索維度。

為粒子在第維、第次迭代中的吸引子，具體為：

（10）

式中：為隨機數(shù)；和是粒子個體和粒子群的最優(yōu)位置。

3 SDN系統(tǒng)的可靠性評估模型

3.1 可靠性評估的數(shù)學模型

在進行SDN系統(tǒng)的軟件可靠性評估過程中，最重要的問題是構(gòu)建最合理的數(shù)學模型。設SDN系統(tǒng)的軟件可靠性函數(shù)為為失效發(fā)生的時間，為模型的參數(shù)，共個參數(shù)，即表示SDN系統(tǒng)的軟件可靠性評估問題的求解維度。采用模型和實際軟件的累計失效數(shù)平方差建立數(shù)學模型的目標函數(shù)，即有：

（11）

式中：為測試時間；表示模型的失效數(shù)；為實際失效數(shù)。

3.2 量子粒子群優(yōu)化算法的求解

在量子群優(yōu)化算法中，粒子無速度，第次迭代時，粒子群的當前最優(yōu)位置和，滿足如下條件：

（12）

適應度值越小，位置越優(yōu)化，SDN系統(tǒng)的軟件可靠性評估誤差更小，粒子的最優(yōu)位置為：

（13）

由于粒子的吸引子為：

（14）

式中

比較與，如果>，采用式（8）進行更新操作。

基于量子粒子群優(yōu)化算法的SDN系統(tǒng)軟件可靠性求解步驟如下：

（1） 根據(jù)具體SDN系統(tǒng)軟件可靠性評估模型，進行參數(shù)初始化，主要包括粒子初始位置、個體最好位置。

（2） 計算適應度值，如果，那么有否則。

（3） 計算，如果那么否則

（4） 計算粒子在第次迭代中的吸引子。

（5） 根據(jù)吸引子更新粒子位置。

（6） 如果那么有如果，就有。

（7） 判斷終止條件，若不滿足終止條件，那么迭代次數(shù)增加，否則退出算法。

（8） 根據(jù)粒子最優(yōu)位置得到SDN系統(tǒng)軟件可靠性評估結(jié)果。

4 仿真實驗

4.1 數(shù)據(jù)來源

為了測試本文設計的SDN系統(tǒng)軟件可靠性的評估性能，采用一個SDN系統(tǒng)的軟件失效數(shù)據(jù)作為研究對象，收集到的數(shù)據(jù)如圖1所示，選擇50個數(shù)據(jù)組成訓練集，建立SDN系統(tǒng)軟件可靠性評估模型，其他數(shù)據(jù)組成測試集驗證模型的性能。

4.2 結(jié)果與分析

采用訓練集對SDN系統(tǒng)軟件可靠性評估模型的擬合性能進行測試，得到的測試結(jié)果如圖2所示。對圖2的擬合結(jié)果進行分析，可以發(fā)現(xiàn)量子群優(yōu)化算法能夠擬合SDN系統(tǒng)軟件可靠性的變化特點，得到比較高的擬合精度。

采用測試樣本對SDN系統(tǒng)軟件可靠性評估模型的泛化性能進行測試，得到的結(jié)果如圖3所示。

從圖3可以清楚地看出，量子粒子群算法可以對SDN系統(tǒng)軟件可靠性進行精準的評估，評估精度高，得到了十分理想的SDN系統(tǒng)軟件可靠性評估結(jié)果，證明本文模型是一種精度高、有效的SDN系統(tǒng)軟件可靠性評估模型。

選擇BP神經(jīng)網(wǎng)絡、Markov鏈、蟻群算法進行對比測試，選擇SDN系統(tǒng)軟件可靠性的評估精度和平均評估時間作為評價指標。統(tǒng)計所有模型的SDN系統(tǒng)軟件可靠性評估精度和平均評估時間，結(jié)果見表1。

對表1進行分析可以發(fā)現(xiàn)：相對于其他軟件可靠性評估模型，本文的SDN系統(tǒng)軟件可靠性評估精度更高，而且減少了平均評估時間，加快了SDN系統(tǒng)軟件可靠性評估的速度，有效提高了軟件評估的可靠性。

5 結(jié) 語

可靠性是SDN系統(tǒng)研究中的主要方向，尤其是軟件的可靠性，當前模型十分復雜，對于大規(guī)模數(shù)據(jù)評估效率低，準確度低。在分析當前軟件可靠性評估模型的基礎上。提出量子群優(yōu)化算法的SDN系統(tǒng)軟件可靠性評估模型，并通過具體實驗數(shù)據(jù)對模型的性能進行仿真實驗。結(jié)果表明，本文模型提高了SDN系統(tǒng)軟件可靠性評估精度，而且評估速度具有明顯優(yōu)勢。

參考文獻

[1] MCKEOWN N， ANDERSON T， BALAKRISHNAN H， et al. OpenFlow： enabling innovation in campus networks [J]. ACM SIUCOMM computer communication review， 2008， 38（2）： 69?74.

[2] DIXON， OLSHEFSKI D， JAIN V， et al. Software defined networking to support the software defined environment [J]. IBM journal of research and development， 2014， 58（2）： 1?14.

[3] JAIN S， KUMAR A， MANDAL S， et al. B4： experience with a globally?deployed software defined WAN [J]. ACM SIUCOMM computer communication review， 2013， 43（4）： 3?14.

[4] HONG Y， KANDULA S， MAHAJAN R， et al. Achieving high utilization with software?driven WAN [J]. ACM SIUCOMM computer communication review， 2013， 43（4）： 15?26.

[5] 曾勁濤，崔志明，陳建明.一種新的軟件可靠性模型參數(shù)估計方法[J].計算機技術(shù)與發(fā)展，2008，18（7）：209?211.

[6] 陳振華，王峰.基于Markov鏈使用模型的軟件可靠性測評方法研究[J].計算機工程與設計，2007，28（12）：22?25.

[7] 許寧，張毅沖.基于正交分層聚類算法軟件可靠性模型的預測分析[J].計算機應用，2007，27（3）：635?637.

[8] 張克涵，李愛國，宋保維.基于PSO的軟件可靠性模型參數(shù)估計方法[J].計算機工程與應用，2008，44（11）：47?49.

[9] 鄭長友，劉曉明，黃松.基于蟻群算法的軟件可靠性模型參數(shù)估計方法[J].計算機應用，2012，32（4）：1147?1151.

[10] 宛考，羅雪峰，江勇，等.軟件定義網(wǎng)絡系統(tǒng)中面向流的調(diào)度算法[J].計算機學報，2016，39（6）：1208?1223.

[11] 張家海，徐耀群，路明.PLC控制系統(tǒng)軟件可靠性的神經(jīng)網(wǎng)絡預測[J].哈爾濱工業(yè)大學學報，2006，38（4）：662?664.

[12] 劉俊芳，高岳林.帶自適應變異的量子粒子群優(yōu)化算法[J].計算機工程與應用，2011，47（3）：41?43.endprint