多粒度粗糙集与TOPSIS在IPv6负载均衡中的应用优化

在当前的代理移动IPv6（PMIPv6）研究背景下，该文主要关注移动节点（MN）频繁与特定移动接入网关（MAG）关联导致的MAG负载过高的问题。针对这一问题，研究者们提出了一个基于多粒度粗糙集属性约简和理想解相似程度排序方法（TOPSIS）的IPv6负载均衡机制，应用于集群的代理移动IPv6（CSPMIPv6）协议中。 首先，多粒度粗糙集属性约简技术被用来优化HMN（切换移动节点）与MAG的选择过程。这种方法允许在分析不同属性子序列对划分结果的影响时，动态地调整HMN的MAG连接策略，以实现更有效的负载分布。通过这种方式，可以降低单个MAG的负担，提高整体网络效率。 其次，文中改进了TOPSIS算法，使其能够更好地适应CSPMIPv6环境中的动态变化。理想解相似程度排序被用于确定最适合的MAG，这有助于在处理内部切换和负载率上升时，确保信号质量和性能稳定。 实验结果显示，与传统的GB-PMIPv6切换控制方案和TBU（基于票证的绑定更新）协议相比，所提出的负载平衡机制表现出显著的优势。在实际应用中，新机制能够有效减少平均排队延迟（降低9.09%）、切换延迟（减少19.78%）、端到端延迟（降低10.20%）和数据包丢失（减少6.43%），同时提升传输速率（提高8.89%）。这些改进明显提高了系统的整体性能和稳定性，尤其是在面对高负载和频繁切换的情况下。 该研究通过结合多粒度粗糙集和TOPSIS算法，设计了一种有效的IPv6负载均衡机制，为PMIPv6协议在移动网络中的高效运作提供了新的解决方案。这对于提升网络服务质量，减少网络故障率，优化网络资源分配具有重要意义。