支持差异化服务的航空信息网络切片策略

2022-04-26宋鑫康赵尚弘王翔

航空学报 2022年3期

宋鑫康，赵尚弘，王翔

空军工程大学信息与导航学院，西安 710077

作为适应未来多样化场景的关键技术，网络切片能够将公共物理网络切分为多个虚拟网络，从而满足不同业务差异化通信需求。根据国际电信联盟(ITU)定义的5G三大应用场景进行航空信息网络切片的构建，可以有效解决不同数据链系统由于技术不兼容和协议标准不统一导致的互通障碍，进而突破单一航空平台作战效能瓶颈。

航空信息网络切片由底层物理网络提供的平台资源和链路资源构成，因此综合考虑平台资源和链路性能的资源聚类是构建航空信息网络切片需要解决的核心问题，属于典型的NP-hard问题。目前相关研究分为2种思路,一种思路为平台资源和链路资源的分段优化，其中基于平台指标排序的启发式解决方案受到广泛关注，其核心思想为平台资源聚类时对其属性值进行衡量，以量化值作为平台聚类依据，其次按照最短路径原则进行链路资源聚类。文献[7]提出了采用节点度和聚类系数的方法。文献[8]提出了利用马尔可夫理论的聚类算法，将平台和链路之间的关联度以及平台邻域内剩余资源作为衡量标准，链路资源聚类阶段使用最短路径算法。文献[11]采用逼近理想解(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)算法实现对平台的衡量，根据所得平台量化值完成平台资源聚类并使用最短路径方法执行链路资源聚类。文献[12]以剩余资源作为平台量化指标，基于贪婪算法完成平台资源聚类。另一种思路则是平台资源和链路资源的联合优化，文献[13]针对此问题建立混合整数规划(MIP)模型，可以减小平台和链路2阶段的相互影响，但MIP问题的求解时间复杂度较高。文献[14]建立了基于链路的整数线性规划(ILP)模型，采用Column Generation方法进行求解，该方法资源利用率可以接近最优的解决方案。文献[15]在设定位置约束的条件下提出了基于ILP的问题求解方案。

综合上述分析，联合优化方法虽然可以获得最优方案，但难以在延时敏感的实际场景中应用；分段优化方法具有时间复杂度低的优势，但平台资源聚类不合理会对链路资源聚类产生影响，进而导致效果不理想。由于航空领域战场环境复杂多变，因此本文将支持差异化服务的航空信息网络切片问题分解为平台资源聚类和链路资源聚类2阶段。平台资源聚类阶段，考虑平台资源利用率和平台位置对网络性能影响获得各平台聚类因子，利用基于聚类因子排序的粒子群聚类算法对模型进行迭代求解；链路资源聚类阶段，以各网络切片性能和链路负载率为对象建立多目标优化模型，在平台资源聚类的基础上完成链路资源聚类。

1 问题建模

本文按照情报侦查、指挥决策、火力打击的作战任务类型，将航空信息网络划分为情报切片、指控切片、火控切片。其中，各切片的网络性能需求存在差异，情报切片性能需求侧重于节点存储资源和网络带宽；指控切片性能需求侧重于节点计算资源和网络可靠性；火控切片需要提供低时延信息传输能力，对节点计算和存储资源要求相对较低。航空信息网络切片架构如图1所示。

各切片内部节点分为控制节点和子节点，航空集群控制节点基于高效信息交互构成核心骨干网，实现全局态势掌控，科学决策分析，高效火力指控，对数据分发、平台调度进行统一管理，从而提高航空集群协同作战能力；航空集群子节点

图1 航空信息网络切片架构Fig.1 Aviation information network slice architecture

根据任务需求组成多机作战编队，发挥目标探测、态势分析、火力打击能力。

为构建上述航空信息网络切片，本文研究内容为对已有航空信息网络进行切片，求解平台资源和链路资源聚类结果，具体描述如下：

1.1 平台资源聚类

平台资源聚类阶段以切片节点对平台资源的需求为约束条件，综合考虑资源利用率和网络失衡度2方面指标，建立单目标优化模型。

1.1.1 平台资源利用率

航空平台资源被分配用于构建切片节点。由于航空平台搭载资源严重受限，若平台资源分配不合理会造成资源利用率不高，因此定义平台资源利用率为

=α+

(1)

(2)

(3)

式中:()、()分别表示切片节点计算资源和存储资源需求;()、()分别表示航空平台所搭载计算资源和存储资源;为航空信息网络平台数量。资源利用率通过计算资源和存储资源利用率加权表示，系数和分别取为0.6和0.4时航空平台计算资源和存储资源的利用率均达到最高。

1.1.2 网络失衡度

节点间通信链路聚类以完成节点构建为前提，因此平台位置会间接影响网络切片性能。平台资源聚类需要考虑所构建网络切片的传输时延、可靠性等性能指标，因此定义网络失衡度指标。

(4)

(5)

基于上述分析，以平台资源闲置率和网络失衡度之和最小作为平台资源聚类阶段目标函数。

min{(1-)+}

(6)

1.1.3 约束条件

平台资源聚类阶段需要确定平台资源与各网络切片节点隶属关系。本文用二进制变量(,)表示平台资源聚类结果，当航空平台搭载资源用于构建切片节点时，(,)=1，否则为0，平台资源约束条件为

(7)

(8)

(9)

式(7)表示航空平台资源应满足切片节点资源需求,当平台部分资源被占用时，则其资源更新为剩余可用资源；式(8)表示节点所需资源只能由一个航空平台提供；式(9)表示对于任意航空平台，一个平台最多构建同一切片中的一个节点。

1.2 链路资源聚类

链路资源聚类阶段考虑链路负载率、全网平均时延和全网中断概率等指标，以切片所需带宽资源为约束条件，建立多目标优化模型。

1.2.1 链路负载率

若按照最短路径原则完成链路资源聚类，会导致一条通信链路隶属多个网络切片，在无法充分利用其他链路资源的同时，容易造成数据传输拥塞，因此将链路负载率最小作为优化目标。

(10)

式中：()为切片通信链路带宽需求；()为相应链路的实际带宽资源；为网络切片选取的航空信息网络通信链路数量。

1.2.2 网络平均时延

针对网络时延指标，本文仅考虑各网络切片内部控制节点与子节点间传输时延，将各控制节点与子节点通信路径传输时延之和与通信路径数量比值最小作为优化目标：

(11)

1.2.3 网络中断概率

由于航空作战具有作战半径大，平台机动性强、链路稳定性差等特点，受大气环境影响极易导致链路中断。全网通信畅通需要保证所有通信链路均未发生中断。因此，在仅考虑链路中断情况下将网络中断概率最小作为优化目标：

(12)

式中：()表示通信链路中断概率。

1.2.4 约束条件

用二进制变量(,)表示链路资源聚类结果，当切片节点和间链路带宽资源由航空平台和间通信链路提供时，(,)=1，否则为0；为各切片控制节点与子节点间通信路径集合。链路约束条件为

∀∈,(,)·()≤()

(13)

(14)

(15)

式(13)表示链路的实际带宽资源应满足切片带宽需求；式(14)以通信链路为例，表示的连通性约束，满足流量平衡条件；式(15)表示通信路径带宽由所经过带宽最小链路决定。

2 策略分析

航空集群执行任务阶段，网络拓扑结构相对稳定。当作战任务改变时，网络拓扑结构发生变化。本文研究航空集群执行作战任务期间，通过资源聚类获得航空信息网络切片方案。

2.1 粒子群聚类算法

2.1.1 算法改进

为避免平台资源选取不合理影响网络性能，在算法中引入聚类因子，其公式为

(16)

()=e()+()e()

(17)

式中：()为航空平台与相应切片节点所需资源比值；()为航空平台与构建控制节点的平台间最短通信跳数。式(16)和式(17)分别为指控子节点和情报子节点聚类因子计算公式。火控节点作为杀伤单元，在完成指控和情报节点构建后选取所有满足资源需求的航空平台构建火控节点。为避免指控和情报节点选取平台位置局部集中，影响航空集群全局感知能力，对初始聚类因子进行再处理。以指控子节点为例，当其聚类因子大于所有相邻节点聚类因子时，对其相邻节点聚类因子产生抑制。

(18)

式中：Δ为节点和相邻节点聚类因子的差值。

2.1.2 算法设计思路

根据各平台承载资源情况，初始生成由个粒子组成的种群=[,,…,]，其中=[1,2,3]代表满足控制节点资源需求的航空平台组合，根据平台资源情况初始化各切片节点候选平台，按照聚类因子降序选择航空平台，对种群中各粒子生成平台资源聚类方案。根据目标函数计算出每个粒子目标值。第个粒子的速度为=[1,2,3]，其个体最值为=[1,2,3]，种群最值为=[,,]。

在每次迭代过程中，各粒子通过个体最值和种群最值更新移动速度及自身节点组合，即

(19)

(20)

式中：为惯性权重，其随迭代次数增加而递减；学习因子和为粒子与个体最优及全局最优的交叉概率，分别取值0.5和0.7时具有较好的局部和全部搜索能力，算法收敛效果较好；算法具体步骤描述见算法1。

算法1：平台资源聚类算法

(,,,)=×(()+(×)+

())≈(××)

(21)

由此可知，算法时间复杂度和种群规模、控制平台数量以及迭代次数成正比。

2.2 链路资源聚类算法

2.2.1 算法改进

基于平台资源聚类结果对航空信息网络进行预切片，以缓解性能较优链路数据传输压力；同时为避免预切片导致通信路径延长，链路资源聚类阶段引入拓展节点。拓展节点定义为与切片内部2个以上节点相邻的节点。将网络切片节点、拓展节点以及节点间通信链路进行聚类。为进一步降低链路负载同时保证切片网络服务质量，在航空信息网络中引入感知节点，可根据链路负载情况调整链路资源聚类结果。

2.2.2 算法设计思路

基于广度优先搜索求解各切片内控制节点与子节点间所有通信路径，对于控制节点无法到达的子节点，在完整网络中确定通信路径。感知节点可根据链路实际负载情况选取链路资源，当链路负载较低时选取最短路径链路提供带宽资源，当数据流量较大时按照负载情况选取多链路提供带宽资源。

为满足指控切片高可靠传输需求，按照减少中继节点和避免多链路传输原则，通过子节点不断选择前序节点完成链路资源聚类，前序节点选择依据为

(22)

式中：()为节点各前序节点与控制节点间跳数；()为节点与前序节点间通信链路带宽；()为指控切片带宽需求；为加权系数，取值为2。若某节点存在多个满足跳数最少且链路带宽满足切片需求的前序节点，则将该节点定义为感知节点。

由于情报数据流量较大，情报切片采用多链路传输方式避免链路拥塞，选取节点与所有前序节点间链路构建情报切片，带宽资源按照链路实际带宽成比例分配。若某节点存在链路带宽满足情报切片带宽需求的前序节点，将该节点定义为感知节点，在数据传输中根据实际链路负载选择单链路或多链路传输。

为满足火控切片低时延传输需求，按照减少中继节点的原则进行链路资源聚类，选取节点与跳数最少的前序节点间链路资源进行聚类。若某节点存在跳数最少且链路带宽满足切片需求的前序节点，将该节点定义为感知节点,链路资源聚类算法步骤见算法2。

算法2：链路资源聚类算法

算法2用于解决链路资源聚类问题，构建切片内控制节点与子节点间通信路径，切片节点数量为，控制节点数量为，算法的时间复杂度可表示为(×),与切片节点数量成正比。

3 仿真参数设置及结果分析

3.1 仿真参数设置

为验证本文所提算法有效性，平台资源聚类阶段基于改进的Salam算法随机生成平台数量从30至60的网络拓扑，参考文献[19]设定网络资源包括平台计算资源、存储资源、链路带宽和链路中断概率，仿真参数设置如表1所示，链路时延根据平台间距离计算获得。

情报切片由于传输大量情报数据，其链路带宽需求大于其他切片。因此，情报切片带宽需求设定为60 Mbit/s，其他切片带宽需求设定为30 Mbit/s；切片资源需求如表2所示。

表1 仿真参数设置Table 1 Setting of simulation parameter

表2 切片资源需求Table 2 Slicing resource requirements

3.2 仿真结果分析

平台资源聚类阶段，各算法对相同的平台资源进行聚类，重复100次计算取得最终平均值，根据目标函数取值对改进算法进行评价，并与SAGA算法和SA-RC算法作为对比。SAGA提出利用模拟退火算法改进遗传算法的变异操作，K-means操作取代遗传算法的交叉操作，改善早熟现象，避免聚类陷入局部最优。

图2比较了不同算法的优化指标，由于网络资源随机产生，使得优化指标呈现波动性，但随着

图2 不同算法优化指标Fig.2 Optimization index for different algorithms

网络规模扩大，优化指标整体呈现上升趋势。由于RC-PSO算法中引入聚类因子，综合考虑资源利用率和平台位置对网络性能影响，与SAGA算法仅考虑平台资源利用率和SA-RC算法随机生成平台聚类方案相比，整体上拥有较低的优化指标。在平台数量不同情况下，RC-PSO算法得到的聚类结果中优化指标较SAGA算法和SA-RC算法分别降低了9.09%和15.7%。

在平台资源聚类基础上将链路负载率、网络平均时延和网络中断概率等性能指标作为网络切片衡量标准，将所提LBA算法与MSR算法和SMR算法作对比。链路资源聚类阶段仿真条件为切片各节点均处于数据传输状态，即网络中数据流量较大。MSR算法按照最短路径原则聚类链路资源，SMR算法将链路带宽需求等额均分至多条链路。

图3比较了不同算法下链路负载率，由图可知SMR算法由于采取多链路传输策略，带宽需求由所有链路承担，使得链路负载率最小，平均链路负载率为0.46；LBA算法针对情报和火控切片采用多链路传输，但指控切片采取单链路传输，使得链路负载率次于SMR算法，平均链路负载率为0.59；MSR算法按照最短路径原则选取链路，导致性能较优链路隶属多个切片，其平均链路负载率为1.19。同时，MSR算法使得链路负载率主要受性能较优链路数量影响，而其他2种算法下链路负载率随着网络规模扩大呈下降趋势。

图4比较了不同算法的网络平均时延，由图可知由于MSR算法按照最短路径原则选取通信链路，整体上网络平均时延最低，平均值为2.49 ms；LBA算法针对情报切片未考虑链路性能进行多链路数据传输，但指控和火控切片均考虑通信跳数选择链路资源，使其平均时延稍次于MSR算法，平均值为2.61 ms，但由图3知MSR算法平均链路负载率大于1，即通信链路极可能发生数据传输拥塞，导致通信时延增大，而LBA算法链路负载低于0.6，发生数据拥塞可能性较小。

图3 不同算法链路负载率Fig.3 Link load rate for different algorithms

图4 不同算法网络平均时延Fig.4 Average network delay for different algorithms

图5比较了不同算法下网络中断概率，由图可知MSR算法由于按照最短路径原则使得选取链路数量较少，因此整体上网络中断概率最低，平均值为26.4%；情报和火控切片增加了所选取链路数量，使得LBA算法网络中断概率平均值为48.4%，次于MSR算法，而SMR算法由于选取链路数量最多致使网络中断概率明显增大，网络中断概率平均值为62.6%。

基于同一网络拓扑针对所提算法以及随机链路资源聚类方式所得多目标优化结果进行仿真。由图6可知，链路负载率与网络平均时延、网络中