网络通信中的数据传输效率对网络运行和用户服务质量具有重要影响，网络数据传输一般需要占用数据传输带宽的一半以上，提高数据通信传输效率对提高网络运行性能具有重要意义。通信数据的传输带宽通常是时变的，随时间发生动态变化，现有的通信数据传输效率控制方法无法很好地适应传输带宽的时变特性，在数据传输过程中，若数据链路出现传输过载状态，通信数据的传输效率将大幅度降低[1-2]。关于通信数据传输效率提升问题，已提出了一些相关的研究方法。其中，基于网络数据代理的中间撤销算法，该算法针对数据传输过程中数据撤销导致的效率降低问题，对中间代理进行辅助处理，并对数据进行加密，再进行重新传输时无需对数据进行重新加密，且用户不具备对数据解密的权限，提高传输效率的同时增强的数据安全性，但该算法存在数据处理时间消耗过长的问题[3]。通信冲突传输控制改进算法，该算法运用簇和聚集相结合的机制，在通信数据中构建簇，在数据节点进行传输的过程中进行聚集操作，构成新的簇，并对局部的聚集树进行上色，使得数据沿着局部聚集数进行传输，从而提高数据传输效率，但该算法具有数据传输延时的问题，影响了数据传输的实时性[4]。本文将针对信息数据传输的效率问题提出相应的改进方法，为了实现通信数据传输效率的最优控制，对传统粒子群算法进行改进，改进数据位置和速度更新迭代公式。实验结果表明，与传统粒子群算法和单路传输方法相比较，改进型粒子群算法更好地提升了通信数据的传输效率。
1信息数据传输效率控制模型
信息数据传输效率控制主要原理是对数据源头与终端间的距离概率密度函数、分布函数进行分析，依据数据效率传输函数对数据传输的速率和功率进行分配，通过信道叠加编码与滤除干扰等方法，对数据信道进行优化选择，保证数据在最佳信道上进行传输，从而实现对信息数据传输效率的控制。数据效率控制过程可描述为：对数据进行排序，并计算数据的瞬时容量，并根据数据的传输功率增益，对数据进行选择，将被选择的数据与叠加编码相结合。在编码的过程中，通过竞争数据定义边际函数，并依据数据的效用函数、传输功率和传输速率参数，对数据进行分配[5]。其中，边际函数的定义为：(1)公式中，c代表数据的电平干扰;的表达式为：(2)Pik代表数据的优先级，下文会给出具体定义。代表速率的通信功率增益，其达到最大值，可使通信数据的传输效率控制在最大值，从而实现对通信数据传输效率的优化控制。
2通信数据传输效率控制策略
通信数据传输效率控制主要是根据动态数据的稀缺性和紧迫性，对数据进行优先级划分，再利用数据带宽、传输距离计算出数据节点的能力度，然后利用粒子群算法对数据节点进行寻优，搜寻出最优数据节点集，将动态数据传输的效率控制在最优水平[6]。其中，主要涉及通信参数和改进粒子群控制方法。
2.1通信数据参数
在对通信数据进行优先级评估时，主要是利用数据的稀缺性和紧迫性因素进行评价，数据优先级评估公式可表示为[7]：(3)式中，代表数据稀缺参数，其值越大，表示该数据越稀缺;代表数据紧迫参数，其值越大，表示该数据越具有紧迫性;Pik表示第i个数据节点所缺少的数据块k的优先级;Tik表示第i数据节点的第k数据块播放时间，其值越大，表示播放时间点越大;Tik表示第i个数据节点的播放总时间。依据数据优先级可实现对数据的排序，从而推断出数据传输所需要的数据节点数量，并根据数据节点的能力度确定数据节点的提供者。
2.2改进粒子群传输效率控制方法
在通信数据传输效率控制的过程中，需要对数据的传输时间因素进行考虑，可将传输时间因素作为数据传输评价参数之一。在通信过程中，求解出最优的数据节点，其通信消耗的传输时间最短，然后对数据节点的时间集进行计算，获得通信时间总和。在实际通信过程中，会存在网络拥堵现象，需要将时间延时和数据节点负荷考虑进去，通信时间计算公式可表示为[8-9]：其中，Ts代表通信数据的传输总时间;Ti代表第i个数据节点的传输时间;Li代表数据节点的负荷大小;Twi代表数据节点传输过程中产生的时间延时;Gi代表动态数据传输过程中产生的时间延时。由于粒子群算法具有筛选和寻优的特性，在通信数据传输效率最优控制问题上具有明显优势。利用粒子群算法主要用来解决通信数据传输效率控制中的编码问题，首先对粒子群算法进行改进处理，设定动态数据的速度向量和位置向量，速度向量决定了动态数据的传输速率和方向，位置向量决定了数据的中心位置，二者是对效率控制评价的参考基础[10-11]。经过优化处理的粒子群算法，其数据位置和速度更新迭代公式表示为：(5)公式中，c1和c2表示粒子群的两个学习因子，其可调节粒子的自学习效率。通过粒子群的学习与迭代，完成通信数据的编码，将动态数据粒子收敛至最优位置，从而实现对通信数据传输效率的最优控制[12]。
3对比实验
为了验证本文提出的改进型粒子群算法在通信数据传输效率控制方面的有效性，进行传输效率控制对比实验。实验参数如表1所示，主要参数包括：N代表数据节点数量;Type代表数据节点的类型数量;numi代表第i种数据所占用的节点数量;vi代表第i中数据的带宽;bbase代表带宽基值;代表数据长度的平均值;代表数据长度的方差值;代表数据的参考基数;代表数据的参考方差;代表数据的平均值;代表数据的方差值。对比单路传输、传统粒子群算法和本文改进型粒子群算法的通信数据传输测试时间，如图1所示，不同方法数据通信效率控制效果对比如图2所示，由测试结果可以看出，利用本文提出的改进型粒子群算法，数据传输时间最短，且随带宽差的增加，传输效率为发生明显下降，数据传输效率最高。对比测试传统粒子群算法和本文改进型粒子群算对数据进行动态传输时造成的时延大小，图3为随着时间变化数据往返时延大小。从图中可以看出，随着时间的变化，传统粒子群算法和改进粒子群算法的往返时延均趋于稳定，在进行数据的动态传输时，传统粒子群算法的往返时延稳定在1.2s左右，而改进粒子群算法的往返时延稳定在0.4s左右。通过数据动态传输的往返时延对比，可以明显看出改进型粒子群算法的时延较小，可显著缩短对数据的处理时间，提高数据传输效率。
4结论
本文针对通信数据传输效率控制问题，对数据传输模型进行描述，并对其中关键评价指标进行分析，将粒子群算法应用于通信数据传输效率控制的编码中，并对经典粒子群算法的迭代更新策略进行了改进。通过实验对比，可以明显看出，利用改进型的粒子群算法，在不同的网络带宽差值点上均保证了传输效率的稳定提升，实现了数据传输的整体效率提升。
作者:陈晨
通信数据传输效率优化控制技术研究相关推荐计算机网络中的通信数据交换技术探讨
