Введение
ГЛАВА 1 АНАЛИЗ МЕХАНИЗМОВ QOS В ТЕХНОЛОГИИ DIFFSERV 16
1.1 Сети следующего поколения и QOS 16
1.1.1 Параметры QoS 16
1.1.2 Различное понимание QoS для разных видов трафика 17
1.1.3 Пересчёт требуемого QoS соединения в параметры QoS узла 20
1.1.4 Средства обеспечения QoS 22
1.1.5 Дозирование средств обеспечения QoS 25
1.2 Технология дифференцированных услуг (DIFFSERV) 25
1.2.1 Терминология дифференцированных услуг 26
1.2.2 Классы трафика и поле DSзаголовка дейтаграммы 34
1.2.3 Сетевая архитектура DiffServ 37
1.2.4 Архитектура узла DiffServ 40
1.2.5 Поведение на переходе (РНВ) и дисциплина обслуживания 44
1.3 Дисциплины ОБСЛУЖИВАНИЯ (ДО) 47
1.3.1 Простая очередь (First In, First Out - FIFO) 48
1.3.2 Приоритетные очереди (Priority Queuing) 48
1.3.3 Взвешенная справедливая буферизация (Weighted Fairness Queuing-WFQ) 49
1.3.4 Очереди no классам (Class-Based Queuing- CBQ) 50
1.3.5 Отбрасывание хвоста (Tail Drop) 50
1.3.6 Случайное раннее отбрасывание (Random Early Detection -RED) 51
1.4 Концепция имитационной дисциплины обслуживания
(ИДО) 52
1.4.1 Место моделирования трафика в ДО. 53
1.4.2 Определение имитационной ДО 54
1.4.3 Моделирование и прогнозирование , 55
1.4.4 Микро-и макроуправление 56
1.4.5 Сопоставление имитационной ДО и обычных ДО 56
Выводы 57
ГЛАВА 2 РАЗРАБОТКА МОДЕЛЬНОЙ РЕАЛИЗАЦИИ ИДО 59
2.1 Подсистема времени 60
2.2 Разработка модели источников мультисервиснои нагрузки 61
2.2.1 Архитектура модели источников 61
2.2.2 Модельные агрегаты трафика 63
2.3 Разработка подсистемы ведения очередей с контролем QOS 64
2.3.1 Параметры QoS 65
2.3.2 Параметры управления 65
2.3.3 Алгоритм работы подсистемы ведення очередей 66
2.3.4 Характеризагщяразработанной СМО , 67
2.4 Оптимизация управления 67
2.4.1 Математическая постановка оптимизационной задачи управления 68
2.4.2 Целевая функция 70
2.4.3 Условный и безусловный прогноз 71
2.4.4 Методика дискретной оптимизации 71
2.4.5 Временные параметры оптимизации 72
2.5 Эволюция ДИНАМИЧЕСКОЙ СИСТЕМЫ 73
Выводы 74
ГЛАВА 3 НЕЙРОСЕТЕВОЕ ПРОГНОЗИРОВАНИЕ 76
3.1 Анализ нейросетевого прогнозирования 76
3.2 Разработка нейросетевого предиктора 78
3.2.1 Обобщённая оцифровка 79
3.2.2 Прогнозирование на несколько шагов вперёд 81
3.2.3 Структура нейросети предиктора 81
3.3 Обучение нейросетевого предиктора 85
3.3.1 Метод обратного распространения 85
3.3.2 Метод сопряжённых градиентов 55
3.3.3 Имитация отжига 91
3.4 Тестирование нейросетевого предиктора 91
Выводы 94
ГЛАВА 4 ЧИСЛЕННЫЙ ЭКСПЕРИМЕНТ РЕАЛИЗАЦИИ ИДО 96
4.1 Временные параметры оптимизации 97
4.2 Эволюция с управлением и без управления 98
4.3 Идеальный предиктор 103
4.4 Обсуждение результатов численного эксперимента 106
выводы 107
Заключение 109
Список литературы 111
ПРИЛОЖЕНИЕ 1. Вывод соотношений ортогональности градиентов и
сопряженности направлений в методе сопряжённых градиентов 120
