科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对异步整形器(ATS)采用固定长度整形队列实现流量整形存在缓存资源利用率低，可调度流平均时延高等问题，提出一种基于改进磷虾群算法与流量预测的可变长整形队列调整算法。综合考虑流的队列分配规则，有界时延需求及有限缓存资源，定义时间敏感网络中可调度流传输约束。引入混沌映射，反向学习与精英策略并设计自适应位置更新策略提升传统磷虾群算法的求解能力，利用改进磷虾群算法寻找整形队列可调整上限。基于卷积神经网络与长短期记忆模型(CNN-LSTM)预测流量，根据预测值计算队列长度调整步幅。仿真结果表明，与采用固定长度整形队列的方法相比，所提算法能有效提高可调度流数量，降低调度流(ST)平均时延，并提升网络缓存资源利用率。
- 单位
