相关专题：
摘要:认知网络具有自学习和推理能力，能够适应复杂和动态变化的网络环境，优化端到端的性能，实现高效利用网络资源的目标。文章提出了一种认知网络的路由方案框架，包括环境感知模块、路由决策模块、路由重构模块和自学习模块。
关键字:认知网络；路由；自学习；基于策略的路由。
英文摘要:A cognitive network has capabilities of learning and reasoning. It can dynamically adapt to varying network conditions in order to optimize end-to-end performance and utilize network resources efficiently. However, there are challenges for routing algorithm in a cognitive network. In this paper, a routing scheme for cognitive networks is proposed which includes context information collection entity, routing decision making entity, routing reconfiguration entity, and reasoning and learning entity.
英文关键字:cognitive network; routing; machine learning; policy based routing.
基金项目：国家重点基础研究发展规划(“973”计划)课题(2009CB320404)
未来网络具有如下特征：网络规模将越来越大，多种网络并存，网络承载业务的服务质量(QoS)参数变化范围较大。在这个典型的动态复杂网络中，如何实现频谱资源、网络资源的高效利用，保障业务的QoS，是一个尚未解决的问题。针对该问题，认知网络应运而生。认知网络中的部分节点具有学习和推理能力，通过测量或预测网络的环境参数，实现动态决策与网元设备重构，达到适应网络环境、优化端到端性能的目标。
1 认知网络的起源
Mitola[1]于1999年提出了认知无线电(CR)的概念及认知环架构，认知无线电系统通过感知，获取周围环境的频谱使用信息，依据优化目标，确定CR的重构方案，达到适应频谱环境变化的目标。CR具有学习和推理能力，能够智能地调整重构方案，达到高效使用频谱资源的目标。Gelenbe[2]提出了认知分组网络(CPN)的概念。该网络设定了一类特殊功能的分组—智能分组，它们负责收集网络信息，并携带了可执行代码。当智能分组到达网络中的某个节点时，与节点交互网络环境信息，并进行路由的更新与路由算法的学习，实现路由的优化。Ramming[3]将认知环应用于网络，提出认知网络(CN)的概念。Thomas[4]进一步明确了认知网络的定义，即执行认知过程的网络为认知网络。Thomas分析了适于认知网络的学习与推理机制，给出了认知网络的架构及其组成单元的功能描述。目前在IEEE标准化协会中正在讨论异构无线接入网络融合架构的标准化，采用了认知网络的概念[5]。
2 认知网络路由算法框架
未来的网络将是异构网络并存的大规模网络，这样的网络环境为端到端之间的路径提供了更多的链路组合模式，即多种路由模式。在接入网络中，用户拥有了更多的接入选择方案；在网络侧，分组可以跨越多个网络，获得更为优化的端到端服务，为网络资源的高效利用提供了条件。同时，异构网络环境也给路由算法的设计与实现提出了挑战。首先链路性能的差异较大。其次，异构网络环境的动态变化范围较大。链路能够承载的流量与其已承载的业务流量有关。随着网络规模和用户的增加，链路能够承载流量的变化范围加大。链路的可靠性差异较大，易导致网络拓扑的变化。第三，在重叠覆盖的网络环境中，无线链路的频谱干扰较难预测与控制，导致链路承载能力的变化。此外，终端用户接入多种网络的能力、对网络选择的喜好、业务QoS需求及位置的变化也将影响端到端路由的构建。
针对复杂的网络环境，如何适应环境，充分利用链路资源、网络资源、用户资源，获得端到端的优化目标是路由算法需要解决的问题。依据认知网络的定义，我们给出了基于策略的认知网络的路由算法框架，如图1所示。该框架包括如下几个功能模块。
(1)环境感知模块负责获取网络环境信息，并将业务需求映射为网络端到端的QoS需求，作为路由构建的优化目标。
(2)路由决策模块负责路由的构建、更新与补救。它依据测量信息和优化目标，选择路由策略，如协同路由、多输入多输出(MIMO)路由、跨层路由等。
(3)重构模块负责路由的配置。如采用跨层路由协议，还须配置运输层、链路层和物理层。
(4)自学习模块负责策略评估、修正与生成，以适应网络环境的变化。
3 需解决的关键问题
3.1 环境感知模块需要解决的关键问题
认知网络依据环境感知信息完成决策与自学习功能。感知信息的涵盖范围、及时性、一致性、精确性、可靠性等将影响认知网络的性能。而感知信息的获取与分发又直接影响网络的负载，进而影响网络的性能。
在大规模网络中，端到端之间路由的选择受多种因素的影响，例如，链路的参数(带宽、时延、干扰、切换时延等)、网络当前承载的业务、端到端之间可用的网络等。如果网络环境的部分信息缺失，会影响路由的选择结果。例如，在异构网络环境中，当切换时延未知时，仅依据链路时延和最短时延准则构建的路由不一定是最短路由。
在认知网络中，节点通过多种方式交互各自所获取的感知信息，当网络规模较大，尤其是在异构网络环境中，很难同步地进行感知信息的更新，不同认知节点对网络状态的认识有可能不同，进而导致路由算法的震荡。节点信息的不一致性还会干扰自学习模块对路由决策模块的评估结果，进而影响决策模块的更新，有可能进一步加剧路由算法的震荡。
此外，网络信息的采集通常采取3种方式，主动获取、被动获取以及主动与被动相结合的采集方式。信息采集方式、周期、地域范围均将影响路由算法的性能与网络负载的大小。因此，感知信息采集方式与参数的设定也需依据网络环境变化的速度进行调整，环境感知模块参数的调整也将构成一个认知环。
