舰船编队通信网络混合数据智能调度方法.pdf

第45卷第2 4期2023年1 2 月舰船科学技术SHIP SCIENCEAND TECHNOLOGYVol.45,No.24Dec.,2023舰船编队通信网络混合数据智能调度方法刘绪军（江西工程学院，江西新余338 0 0 0）摘要：为避免舰船编队通信网络在数据传输时出现网络堵塞和冲突，提高数据传输速率，研究舰船编队通信网络混合数据智能调度方法。分析舰船编队通信网络结构，根据舰船通信网络状态，构建混合数据智能调度优化目标函数，基于深度学习网络的优化方法，获取最佳混合数据智能调度方案。经实验验证可知，该方法可有效降低混合数据传输时延与路由开销，提高分组投递率，避免通信网络发生堵塞现象。关键词：舰船编队；通信网络；混合数据；智能调度；路由开销；分组投递率中图分类号：TN913文章编号：1 6 7 2-7 6 49(2 0 2 3)2 4-0 1 7 6-0 4Hybrid data intelligent scheduling method for ship formation communication networkAbstract:To avoid network congestion and conflicts during data transmission in the ship formation communicationnetwork,and improve the data transmission rate,a hybrid data intelligent scheduling method for ship formation communica-tion network is studied.Analyze the communication network structure of ship formation,and construct a mixed data intelli-gent scheduling optimization objective function based on the status of ship communication network.Based on deep learningnetwork optimization methods,obtain the optimal mixed data intelligent scheduling scheme.Experimental verification showsthat this method can effectively reduce mixed data transmission delay and routing overhead,improve packet delivery rate,and avoid communication network congestion.Key words:ship formation;communication network;mixed data;intelligent scheduling;routing overhead;pack-et delivery rate0引言舰船编队是由多艘舰船组成的一个集体，通常按照一定的编队形式，紧密地结合在一起，以实现更好地合作和协同作战!。而舰船编队的有效合作离不开通信网络。但通信网络面临着各种不可预测的因素和挑战，为了提高网络的抗干扰和适应能力，确保数据的可靠传输 2-，需要研究一种通信网络数据调度方法。目前，有较多学者对调度方法进行研究。杨毅等 4研究基于云计算平台的多数据库并行调度算法，通过提取数据序列的特征，实现数据的调度，但在该方法的调度下通信开销较大。王然等 5 研究基于预测的数据中心间混合流量调度算法，主要针对流量进行调收稿日期：2 0 2 3-0 8-31作者简介：刘绪军（1 97 4），男，高级工程师，研究方向为计算机网络、实时计算机应用、计算机图形学、网络管理与安全、计算机图形学及信息可视化。文献标识码：ALIU Xu-jun(Jiangxi University of Engineering,Xinyu 338000,China)度，虽然通过该方法的调度可以改善通信开销，但在通信过程中仍然存在一定的时延。为此，研究舰船编队通信网络混合数据智能调度方法，提高混合数据传输过程中的分组投递率，改善通信网络的通信效率。1混合数据智能调度方法研究1.1舟舰船编队通信网络结构分析在舰船编队中，各个舰船之间需要保持密切地沟通和协调。为此，通信、指挥和控制等方面的设施和机制非常重要。针对舰船编队，可以将每一艘舰船的通信信号看作拓扑图中的一个定点，不同舰船之间的通信通道则doi:10.3404/j.issn.1672-7649.2023.24.032第45卷可视为拓扑图中相邻顶点的边，通过N艘舰船构成的通信网络，其通信结构可通过拓扑关系G=（V,E,A)表示，其中，V=(1,2.,N)表示N艘舰船的顶点集；ECVV表示每条边的集合；A=ai是指邻接矩阵，该矩阵中包含非负邻接元素aij(i,j=1,2,M)。此时，可通过公式（1）表示舰船编队通信网络的邻接矩阵：A=(ai)e RNxN=I(1)0,others。式中，R表示欧式距离。1.2混合数据调度优化目标函数设计考虑上述分析得到的舰船编队通信网络结构情况，为实现舰船编队通信网络混合数据的智能调度，需要考虑多种因素7 。本文构建如下目标函数，通过对多种目标的优化，实现混合数据的智能调度：minX=AminD+min NRL+min(-PDF)。(2)式中：D表示通信网络混合数据传输过程中的端到端时延；NRL表示通信网络混合数据传输时的路由开销；PDF表示通信网络混合数据传输时的分组投递率。对每一优化目标进行分析：1）端到端平均时延。当端到端的时延越小，说明通信网络越通畅，为此，将这一指标作为混合数据智能调度的优化目标，可通过如下公式计算端到端平均时延：D(i)=T,(i)-T,(i),ND=ZD(i)。Ni-1式中：D表示通信网络中混合数据传输的平均端到端时延；D(i)为通信网络中第i个分组数据的传输时延；T,(i)为第i个分组数据的发送时间；Tr(i)为第i个分组数据的接收时间；N表示通信网络中的分组个数。2）路由开销。通过路由开销，可以表示通信网络的堵塞程度，当路由开销越大，说明通信网络的堵塞概率越大，导致混合数据的传输越困难，而路由开销公式为：NRL=NRP式中：NRC表示通信网络节点接收的数据分组个数；NRP为节点发送的路由控制分组数。3）分组投递率。衡量了通信网络中传输数据包的成功程度。当分组投递率越高，说明通信网络混合数据传输的可靠性越好，从而使得混合数据传输的完整性更强。分组投递率计算式为：刘绪军：舰船编队通信网络混合数据智能调度方法PDF=NSP。式中：NRF为通信网络节点接收到的数据分组数目；NSP表示节点发送的数据分组数目。针对上述构建的混合数据智能调度目标函数，文章构建合理的调度方法，对这些目标函数进行优化，从而实现混合数据智能调度，保障舰船编队通信网络稳定运行。1,(i,j)EE,1.3基于深度强化学习的混合数据智能调度研究深度强化学习方法是一种可以通过神经网络与通信网络的交互，实现智能调度的学习策略。当利用该方法进行优化调度时，神经网络可在当前舰船编队通信网络状态s(k)下选择需执行的动作d(k)，从而获取下一个通信网络状态s(k+1)，同时，在这一选择过程中会产生一个奖励值r(k)，当进行连续迭代后，即可获取最大化累积奖励值Z=0kr(k)，其中，0,1是指折扣因子，通过这一形式即可完成目标的优化调度。但由于文章优化目标是最小化参数minX，这与最大化累积奖励值存在一定差别，当舰船编队通信网络与神经网络交互时，会出现一个惩罚值c(k)，为此，在进行优化调度时，考虑这一惩罚值的存在，通过最小化累积惩罚值Z=0kc(k)实现目标的优化调度18 。为精准实现调度目标优化，需先定义深度强化学习方法在学习过程中需要使用的参数，分别为通信网络状态空间s(k)、动作空间D(k)以及惩罚值函数c(k)。1）在通信网络状态空间s(k)中，包含时间k状态(3)下通信网络目标节点处每一源节点混合数据的集合(4)(k)，其中还包括通信网络所有源节点的存储队列信息集合z(k)。假设zm(k)为源节点m在时间k的缓存信息，通信网络状态空间可表示为：s(k)=a(k),z(k)minX。2）将端到端平均时延、路由开销以及分组投递率3项组成的目标函数minX作为惩罚函数c(k)。此时，可以获取c(k)计算公式为：c(k)=(h)Z am()-m(ams2(k)mes2)。medNRC式中：8 m(amed2(k)Xmed2)表示调度决策d(k)=m时,(5)amEd2(k)XmE2事件发生的指示函数。当进行训练时，网络利用-greedy策略对舰船编队通信网络进行探索。当进行决策搜索时，可自动生成一个随机数be0,1，若b，则当前值网络会随机从动作空间中获取决策d(k)，否则，选取最小值函数Vs(k),d(k)lw相应的决策d(k)，而这一值函数Vs(k),d(k)lw可通过公式（9）进行更新：177NRF(6)(7)(8):178Vs(k),d(k)lw=c(k)+ymin V(s(k+1),d(k)lw)。(9)式中：w为当前值网络的参数向量，c(k)、s(k+1)分别描述执行决策d(k)后通信网络回应的惩罚系数与下一状态空间。而通信网络回应的参数可以构成经验集合s(k),d(k),c(k),s(k+1)，这一集合可以存放在回放记忆单元中。当训练不断持续，而探索因子u的值逐渐接近于0 时，当前值网络会逐次挑选出与函数Vs(k),d(k)lw相对应的调度决策。由于在学习过程中，最小化函数Vs(k),d(k)lw可能会发生振荡情况，为避免振荡问题的发生，当前值网络会将每送代N次的相关参数复制到目标值网络中。因此，每次学习获取到调度决策后，均要计算参数复制时参数的损失函数L(w)，如下式：L(w)=V(s(k),d(k)/w)-V(s(k),d(k)/wn)?。(10)式中：V(s(k),d(k)lwn)是指目标网络的值函数；s(k)、d(k)是指状态决策；w为这一网络中的参数向量。结合式（10）的计算，可进一步分析梯度损失函数，如下式：VwL(w)=L(w)xVwVs(k),d(k)lw。式中：Vw为当前值网络梯度向量。结合式（11）和梯度下降法，即可更新当前值网络的参数。随着不断的迭代，当损失函数逐渐稳定后，存储当前值网络参数向量并生成最小化目标函数minX的调度结果，从而实现混合数据智能调度。2实验分析为验证本文构建的混合数据智能调度方法是否真实有效，设计舰船编队模拟场景进行仿真，在模拟场景下进行通信网络混合数据的调度，从而验证该调度方法的有效性，具体仿真设计参数如表1所示。表1实验模拟仿真参数设计Tab.1 Design of experimental simulation parameters编队编队每组MAC传仿真传输速率/通信指标组数舰船数量输协议时间/s(kBs)参数120利用表1中的仿真参数，设计混合数据智能调度任务，共设计10 个调度任务，其中，任务1 任务10均为混合数据发送任务，其中，任务1、任务2 的发送内容为指挥和控制数据，包括指挥官对出舰船编队的指示、指令和决策和行动计划等；任务3、任务4的发送内容为情报和情报分析数据，包括来自航空侦察、电子侦察、卫星侦察和情报分析等方面的情报数据；舰船科学技术任务5、任务6 中发送的内容为传感器数据，如雷达数据、声呐数据、红外数据等；任务7、任务8 发送的数据为通信数据，包括语音通信、视频通信和文本通信等；任务9、任务10 发送的数据为舰船系统状态和健康信息：其中包含舰船各个系统和设备的状态。同时，每一项任务中的数据量有所不同，应用本文方法，对这些不同任务进行混合数据调度设计。2.1调度时延分析分析应用本文方法优化前后，舰船编队通信网络在不同节点速度下的所有任务混合数据调度时的端到端时延变化，分析结果如图1所示。1.00.9F一一调度优化前一一本文调度后0.80.70.60.50.40.30.20.1048121620242832节点速度/ms-1(11)图1混合数据调度时的时延分析Fig.1 Delay analysis in mixed data scheduling可知，经过本文方法的调度后，通信网络中混合数据的端到端时延明显下降，可以实现数据的迅速传输，从而保证舰船编队数据交互的稳定性。2.2路由开销分析分析应用本文方法进行全部任务的混合数据调度时，不同数据量情况下的路由开销情况，分析结果如图2 所示。可知，随着节点速度的增加，会导致不同混合数据在传输过程中的路由开销逐渐上升。而通过本文调度方法的优化后，可以看出不同混合数据之间的最大路由开销未超过40，在该方法的调度下，可以维持较小的路由开销。同时，当数据报文长度为40 9 4bit时，50距离/m45一数据报文长度=40 9 4bit400300CSMA/CD306.4第45卷40Fo数据报文长度=8 19 2 bit35数据报文长度-16 38 4bit3025路2 015105048121620242832节点速度/ms-1图2 路由开销情况分析Fig.2Analysis of routing cost第45卷路由开销最高仅为35左右，随着数据量的增大，路由开销仍然可以保持较小水平。因此，该调度方法可有效降低通信网络的路由开销。2.3分组投递率分析设置不同的调度任务，每一任务需调度的混合数据量均有所不同，分析通过本文方法在进行不同任务调度时的分组投递率，从而验证该方法对不同混合数据调度任务的处理能力，分析结果如表2 所示。表2 不同任务调度过程中的分组投递率分析Tab.2 Analysis of group delivery rates during different taskscheduling processes任务报文任务序号分组投递率/%任务序号长度/bit任务14096任务28192任务316384任务432768任务565536可知，经该方法调度后可有效保证混合数据传输的完整性，从而实现高质量的混合数据传输。2.4调度性能分析应用本文方法对不同混合数据传输任务进行调度，分析经过调度后，通信网络在处理不同任务时的吞吐量，以及通信网络在接收数据时节点是否发生堵塞现象，分析结果如表3所示。表3本文方法调度性能分析Tab.3Analysis of the scheduling performance of this method任务处理时的通信网络网络节点是任务序号吞吐量/否出现堵塞(bits/s)任务1113.5任务2132.5任务3125.8任务4124.9任务5132.7可知，通过该方法的调度，可以使通信网络保持较高的吞吐量，同时在混合数据传输时，通信网络未发生堵塞现象，可以看出该方法具有较强的调度能力，可维持混合数据平稳传输。3结语本文通过对混合数据调度目标函数的优化，改善混合数据传输时的时延、路由开销等问题，保障舰船刘绪军：舰船编队通信网络混合数据智能调度方法队之间的通信可靠性。参考文献：1董然,孙创，傅强，等.基于非线性干扰观测器的舰船编队控制方法.哈尔滨工程大学学报，2 0 2 2,43(5)：6 9 7-7 0 5.DONG Ran,SUN Chuang,FU Qiang,et al.A ship formationcontrol method using a nonlinear disturbance observerJJ.Jour-nal of Harbin Engineering University,2022,43(5):697-705.2】王丽媛，郭树生，安吉祥.基于枚举法的海上风电智能运维调任务报文度模型.舰船工程,2 0 2 2,44(2):2 8-34.分组投递率/%长度/bit98.5任务613107299.4任务726214498.2任务852428898.3任务9104857697.5任务102097152任务处理时的通信网络网络节点是任务序号吞吐量/否出现堵塞(bits/s)未堵塞任务6未堵塞任务7未堵塞任务8未堵塞任务9未堵塞任务10179.编队通信网络混合数据顺利传输。未来可在此基础上继续优化调度方案，提高数据传输效率，提高舰船编WANG Liyuan,GUO Shusheng,AN Jixiang.Intelligent opera-99.3tion and maintenance dispatching model of offshore wind pow-98.4er based on the enumeration method J.Ship Engineering 2022,98.943(5):697-705.97.63杨晨，邓茹凤，张宏，等.基于网络通信的设备互操和数据热98.6备份的设计方法1.船海工程,2 0 2 2,15(5)：11-14.YANG Chen,DENG Ru-feng,ZHANG Hong,et al.DesignMethod for equipment interoperation and data hot-backup basedon network communicationJ.Ship&Ocean Engineering,2022,15(5):1114.4杨毅,熊鹰.基于云计算平台的多数据库并行调度算法仿真1。计算机仿真，2 0 2 3,40(6):459-46 2+52 7.YANG Yi,XIONG Ying.Simulation of multi database parallelscheduling algorithm based on cloud computing platformJ.Computer Simulation,2023,40(6):459-462+527.5】王然，张宇超,王文东，等.基于预测的数据中心间混合流量调度算法.计算机研究与发展,2 0 2 1,58(6)：130 7-1317.WANG Ran,ZHANG Yuchao,WANG Wendong,et al.Algo-rithm of mixed traffic scheduling among data centers based onprediction,Journal of Computer Research and Development,2021,58(6):1307-1317.116.7未堵塞117.8未堵塞125.7未堵塞125.9未堵塞131.2未堵塞6】牟军敏，郭绍卿，张志江,等.基于AIS数据的水域航路网络提取方法.中国航海,2 0 2 3,46(2):152-16 0.MOU Junmin,GUO Shaoqing,ZHANG Zhijiang,et al.Extrac-tion of ship track pattern from AIS dataJJ.Navigation of China,2023,46(2):152-160.7】白响恩，李博翰，徐笑锋,等.基于AIS数据的航运物流港口调度优化研究J.包装工程,2 0 2 3,44(5):2 11-2 2 1.BAI Xiang-en,LI Bo-han,XU Xiao-feng,et al.Scheduling Op-timization of shipping logistics port based on AIS dataJ.Pack-aging Engineering,2023,44(5):211-221.8王栽毅杨照.船联网智能数据传输与通信算法研究.中国海洋大学学报（自然科学版),2 0 2 1,51(7)：10 8-114.WANG Zaiyi,YANG Zhao.Research on intelligent data trans-mission and communication algorithms for ship networking.Periodical of Ocean University of China,2021,51(7):108-114.