导读:本文包含了聚合组论文开题报告文献综述及选题提纲参考文献，主要关键词:链路聚合,以太网,MA5600,S3328
聚合组论文文献综述
王娟[1]（2018）在《链路聚合组网应用浅析》一文中研究指出介绍了链路聚合的基本概念和实现原理,在物理参数和路局参数一致、数据保持有序性下满足链路聚合,链路聚合承载的网络层次及实现方式,并结合华为MA5600、S3328产品介绍了链路聚合的具体配置方法。(本文来源于《数字通信世界》期刊2018年05期）
张新彦[2]（2016）在《创建链路聚合组》一文中研究指出使用链路聚合组步骤要使用链路聚合组(LAG),你需要使用如下的步骤:1.创建vSphere Distributed Switch,创建分布式端口组,将端口组绑定到上行链路。2.创建链路聚合组,在分布式端口组的成组和故障切换顺序中,将链路聚合组设置为备用状态。3.将物理网卡分配给链路聚合组的端口。4.在分布式端口组的成组和故障切换顺序中,将链(本文来源于《网络安全和信息化》期刊2016年01期）
王蕾[3]（2016）在《分配网卡到链路聚合组》一文中研究指出在前面的操作中,已经在分布式端口组的成组和故障切换顺序中,将新的链路聚合组(LAG)设置为备用状态。通过将LAG设置为备用状态,可以在不丢失网络连接的情况下,将物理网卡安全地从独立上行链路迁移到LAG端口。在操作之前,确认如下的前提条件是否已经满足。第一,确认所有的LAG端口以及物理交换机上对应的已启用LACP的端口,均处于主动LACP协商(本文来源于《网络安全和信息化》期刊2016年01期）
刘凤娇,蒋永志[4]（2015）在《用于聚合组播的蚁群优化算法》一文中研究指出IP组播将数据传输至组成员时常遇到路由器为每棵组播树保存转发状态的扩展问题,聚合组播技术使得多个组播组共享一棵分布式树,可有效减少需要保存的组播转发状态。提出算法,为每棵组播树都赋予一个代价值,当最优解中聚合组播树数目相同时,可优先选择较小代价值。由于相关算法限定带宽浪费率范围,即限定可增加的节点数目,所以算法可在多项式时间内完成。使用最小集合覆盖思想,设计求解聚合组播问题蚁群优化算法,实验表明,此算法能取得较好优化效果。(本文来源于《软件导刊》期刊2015年09期）
刘凤娇[5]（2015）在《求解聚合组播问题的多种群蚁群优化算法》一文中研究指出传统的IP组播技术使用树状结构传递组播分组,要求树上的路由器为每个组保存一个转发状态,这样当网络上并发的组播组过多时会面临着组播状态扩展性问题。最近提出的聚合组播技术强迫多个组播组使用一棵共享的组播树来解决这个问题,这是一个NPC问题。提出一种基于多种群的蚁群优化算法来求解聚合组播问题。每个种群根据使用模型的不同使用不同的适应度函数、不同的启发式信息和不同的解构建过程,也就产生了不同的搜索轨迹和特点。算法设计了种群之间的交换整个信息素表和交换最优迭代解的两种信息交换方式。仿真结果显示,两种方法都能够取得比任何一种单独算法更好的优化效果,提高了算法的收敛时间。(本文来源于《甘肃科技》期刊2015年14期）
金宇杰,杨艳,刘伟明[6]（2013）在《以太网链路聚合组导致IPTV业务异常的研究》一文中研究指出描述在对IPTV业务的承载网络优化中发现的以太网链路聚合组导致IPTV业务异常的问题,分析问题产生的原因,提出问题的解决方案,完善以太网链路聚合组的具体实现过程。(本文来源于《信息通信技术》期刊2013年04期）
徐剑,倪宏,邓浩江,刘磊[7]（2013）在《改进的聚合组播算法》一文中研究指出针对组播状态可扩展性问题进行研究,提出了一种改进的聚合组播算法。该算法在动态在线聚合组播算法的基础上,确定匹配时可行的聚合树范围,以减少匹配和计算次数,降低时间复杂度;改进最优匹配聚合树的选择算法,并对网络中聚合树进行定期调整,以优化聚合树结构,去掉不必要的中间节点,提高聚合度,降低节点转发状态。仿真实验表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较高的聚合度和转发状态降低率,在并发组播组数目较高和组密度较高时效果更加明显。(本文来源于《计算机应用研究》期刊2013年10期）
顾小卓[8]（2012）在《提供分级接入控制机制的聚合组密钥协商算法》一文中研究指出高效并能实时更新密钥的组密钥协商算法是保证无线自组织网络通信内容安全性和私密性的前提。本文针对成员对多个资源拥有不同接入权限的情况,将集中式分级接入控制机制中的密钥管理算法应用于无线自组织网络中,提出了聚合组密钥协商算法IGK。对密钥建立时的计算开销和通信开销的理论分析表明,聚合组密钥协商算法在密钥建立时要优于单组密钥协商算法。(本文来源于《计算机工程与科学》期刊2012年07期）
许秀云[9]（2012）在《MPLS VPN网络聚合组播算法研究与仿真》一文中研究指出随着MPLS技术和MP-BGP的出现，BGP/MPLS VPN技术逐步发展并成为企业网中越来越普及的一种VPN架构。同时，部门内部的视频会议、数据共享等组播应用需求，使得在MPLS VPN网络内实施组播越来越迫切。研究表明随着VPN、VPN中组播组以及组播成员的增加，P和PE路由器需消耗非常大的存储空间以及CPU时间来维护VPN组播状态，可扩展性问题是在MPLS VPN网络中支持组播技术的难题，本文正是针对该可扩展性进行研究。聚合组播方案通过消耗一定的带宽浪费，强制拥有相似原始树的组播组共享同一棵聚合树。这种聚合方式能减少网络中的组播树，进而减少需要维持的转发状态数，提高可扩展性。本文从MPLS VPN实现机制以及聚合组播原理入手，采用组播路由协议构建组播树，并将研究重点放在静态/动态模式下聚合组播树构建算法上。本文研究分析了已有的两种聚合算法，并结合MPLS VPN实施聚合组播的特点，进行了以下工作：1．分析了贪婪算法和遗传算法各自的局限性，在现有的遗传算法基础上，结合免疫特性提出了免疫遗传优化的聚合组播算法，仿真结果表明，该算法能进一步提高聚合度，保证聚合效果，并且算法收敛更快，并且能预防早熟。2．在动态模式下基于两棵树之间的相似性，提出了动态迭加聚合算法，该算法打破了基于扩展解空间求解聚合树的思路，对动态模式以及大规模组播下的聚合有很好的参考价值。3．对MPLS VPN组播面临的可扩展性问题进行研究。基于聚合组播思想，针对组播路由的“最优化”和“可扩展”提出了不同的解决方案。仿真结果表明，对MPLS VPN网络实施聚合能减少P网络组播转发信息的维护量，解决组播可扩展性问题。但是需要合理的规划才能做到最大程度聚合和带宽利用率之间的平衡。(本文来源于《电子科技大学》期刊2012-04-01）
朱方金[10]（2011）在《聚合组播优化模型与算法研究》一文中研究指出近年来Internet发展迅速,网络上需要组通信支持的各种分布式应用不断增多。作为支持组通信的主要技术,传统的IP (Internet protocol)组播技术要求网络为每一个组播组(甚至组播组的每一个源)建立和维护一棵组播转发树,树上的每台路由器都需要保存这个组播组(源)的转发状态。当网络上并发的组播组不断增加时,路由器上为这些组播组维护的组播转发状态也会不断增加。不断增长的组播转发状态一方面需要路由器更多的内存来存储,另一方面转发组播分组时查表的时间更长。同时,一个组播组的转发状态需要组播组的树上路由器之间周期性的交换信息来建立和维护。当并发的组播组增加时,用于建立和维护这些转发状态的控制信息也会不断增加,这会消耗网络更多的带宽。转发状态和控制信息的增多会减慢网络的转发速度,导致整个网络的性能不断下降。当网络上组播组的数量增加到一定程度,整个网络就会由于性能下降的厉害而变得不可用。这就是传统IP组播技术面临的组播状态扩展性问题。尤其是,这个问题当组播支持服务质量(Quality of Service, QoS)时变得更加严重,这时不仅需要额外的内存来存储各种服务质量的参数,同时,由于组播组成员服务质量的要求不同,可能一个组播组需要几棵组播树才能够完成满足不同服务质量要求的数据的传递。所以,真正大规模部署IP组播时,面临着组播状态扩展性问题的挑战,只有解决了这个问题,大规模的组播的部署才会变得可能。由于Internet网络是一个层次网络,多个用户网络连接到一个区域网络,多个区域网络连接到一个骨干网络。多个用户网络之间的数据传输都需要经过共同的骨干网络,传统IP组播技术中骨干网络需要为每个经过它的组播组维护组播状态,组播状态扩展性问题在骨干网络中尤为突出。所以,研究组播状态扩展性问题,尤其是骨干网络上的组播状态扩展性问题,具有重要的理论和现实意义。聚合组播作为近年提出的一种非常有前途的解决骨干网络中组播状态扩展性问题的思想,使多个组播组共享一棵组播树(聚合树)。组播树数量的减少,不但减少了整个网络中组播状态,同时也减少了网络建立和维护树的控制开销。共享的组播树一定要能够完全覆盖其所服务的组播组才能够完成数据的正确传输,由于共享组播树的组播组不一定有共同的成员集合,通常情况下聚合树的叶子节点要多于每个组播组的成员。这就会带来额外的带宽浪费。因此,聚合组播是组播树数量减少和额外带宽浪费的一种折中。这是一个多目标优化问题,对应着两个优化方向：给定带宽浪费率,最小化组播树数量的聚合树优化问题(带宽浪费率受限的聚合组播问题)；和给定聚合树数量,最小化带宽浪费率的带宽优化问题(聚合树数目受限的聚合组播问题)。能否有效的解决这两个优化问题,得到相应优化问题较好的解,关系到聚合组播在网络中实际的部署效果。同时,这两个问题又都是NPC问题。为这两个问题设计有效的解决算法,提高算法的优化能力,是本文研究的重点。首先,论文给出了聚合树优化问题(ATOP, Aggregated Tree Optimization Problem)的最小分组描述和最小分组模型。最小分组问题是一类问题的统称,许多具体的问题,如装箱问题、图分色问题和最小团覆盖问题等,都属于最小分组问题。使用启发式算法解决这些问题时,通常由于陷入局部最优而不能得到满足需求的比较优化的解。为了得到更高质量的解,近年来提出许多种类的元启发式算法。由于蚁群优化(Ant Colony Optimization, ACO)算法在解决许多最小分组问题的具体问题时能够取得一流的或有竞争力的解,所以重点是设计高效的聚合树优化问题的蚁群优化算法。在设计具体的蚁群优化算法时,使用了分层的设计思路：首先根据问题的最小分组特征,尤其是在一次迭代过程结束时,经常有多个迭代最优解的情况,为了有效的从这些解中得到有利于寻找最优解的知识,提出了两个组播组之间的适应度函数的设计原则,并在此之上,设计了新的多级信息素的分配原则。同时,根据算法的随机特性,提出了算法的新的终止条件。然后,在这些原则的基础上分别使用装箱模型和最小团覆盖模型来解析聚合树优化问题中的聚合条件,提出了基于装箱模型和基于最小团覆盖模型的启发式信息,以及具体的组播组之间的适应度函数的定义和信息素的更新规则。这两个模型分别从不同的角度刻画和描述了聚合树优化问题,反应了聚合树优化问题的不同的特征。仿真结果显示,本文提出的组播组之间的适应度函数定义原则和与之关联的多级信息素分配原则能够显着的提高算法的寻优能力。与已有算法比较,不再需要事先计算候选树集合,更加适用于带宽浪费率比较大或网络规模比较大的场景。其次,论文使用分组模型定义了带宽优化问题,并提出了基于组播树的相似性的蚁群优化算法。通过分析带宽优化问题的特征,将带宽优化问题分解为初始树选择和树聚合两个阶段。定义了组播树(组播组)的相似性,分析了相似性的不对称特征,提出使用相似度和相似性排名的组合来确定初始树选择阶段和树聚合阶段的启发式信息。同时,在这两个阶段中,根据信息素的含义,在不同的阶段使用信息素的两种形式(信息素本身和它的反)和相似性的两种形式。根据问题的特征设计了新的信息素的更新规则。仿真结果表明,本文提出的算法取得了比启发式算法更加优化的解,与普通的蚁群优化算法相比,本文提出的算法能够更快的收敛到同样优化的解,验证了所提启发式信息的有效性。论文的最后给出了以后研究的展望,提出了解决聚合组播问题的动态算法、带有服务质量的聚合组播算法等研究方向。(本文来源于《山东大学》期刊2011-10-20）
聚合组论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
使用链路聚合组步骤要使用链路聚合组(LAG),你需要使用如下的步骤:1.创建vSphere Distributed Switch,创建分布式端口组,将端口组绑定到上行链路。2.创建链路聚合组,在分布式端口组的成组和故障切换顺序中,将链路聚合组设置为备用状态。3.将物理网卡分配给链路聚合组的端口。4.在分布式端口组的成组和故障切换顺序中,将链
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
聚合组论文参考文献
[1].王娟.链路聚合组网应用浅析[J].数字通信世界.2018
[2].张新彦.创建链路聚合组[J].网络安全和信息化.2016
[3].王蕾.分配网卡到链路聚合组[J].网络安全和信息化.2016
[4].刘凤娇,蒋永志.用于聚合组播的蚁群优化算法[J].软件导刊.2015
[5].刘凤娇.求解聚合组播问题的多种群蚁群优化算法[J].甘肃科技.2015
[6].金宇杰,杨艳,刘伟明.以太网链路聚合组导致IPTV业务异常的研究[J].信息通信技术.2013
[7].徐剑,倪宏,邓浩江,刘磊.改进的聚合组播算法[J].计算机应用研究.2013
[8].顾小卓.提供分级接入控制机制的聚合组密钥协商算法[J].计算机工程与科学.2012
[9].许秀云.MPLSVPN网络聚合组播算法研究与仿真[D].电子科技大学.2012
[10].朱方金.聚合组播优化模型与算法研究[D].山东大学.2011