[科普中国]-跨层优化

传统的通信协议是分层设计的，使网络协议得到简单、规范化的设计。然而，随着无线通信系统智能性的提高，尤其是认知无线电概念的提出，许多功能的实现需要多层联动。在无线环境中，链路层、网络层、传输层和物理层之间可以通过跨层协作来进行无线资源的整体管理，改善网络性能。近年来，跨层协作设计已经广泛应用于蜂窝通信、WLAN、ad hoe网络及认知无线电网络。

基本原理基于博弈论优化的跨层建模可以用一个三元组G={P，A，{ }}来定义。其中P为博弈的参与者，分别代表协议的不同层(物理层、数据链路层、网络层、传输层和应用层)；A是博弈的策略集合，如物理层调整不同功率发射参数、数据链路层调整链路状况等； 为参与者i的效用函数，如传输层通过调整拥塞窗口大小，可以获得更高的数据传输速率。该博弈模型最终可以表示为

式中： 为物理层； 为数据链路层； 为网络层； 为传输层； 为应用层。
在具体的博弈跨层优化中，如果相应的层没有参与跨层优化，由对应的参与者集合 表示为空。
效用函数方程表示为

根据逼近程度或易于处理的系统，通过求线性函数、一阶导数 或 ，分析计算效用函数 。其中， 为优化协议栈j层的第i个参数， 为优化协议栈l层的第m个参数。
在无线网络中，节点通过跨层优化以最小的开销(如消耗功率最小)提供更优的服务性能(吞吐量最大化，时延较小，数据传输速率较快，丢包率较小以及减小网络拥塞)。当然，将所有层统一考虑进行优化设计，从博弈分析的角度，模型过于复杂，研究局限于将某两层进行统一优化考虑，从而进行博弈建模1。

具体实现和纯分层架构相比，跨层优化提高了网络性能和适应性，但有可能也引入了额外的实现成本。主要包括3种类型的成本：

1)计算成本。CLO需较高的计算能力来确定一系列参数的值；评估一个复杂的目标函数时也需要较高的计算能力，并可能引入相对较大的处理延时。参数抽象有助于降低复杂性，但却有可能降低生成配置的最优性。另一个降低计算成本的方法是使优化器成为一组同时运行但可能在不同资源上执行的组件。

2)通信成本。CLO使用在分布式网络位置上可用的网络参数。收集这些参数会导致较大的带宽额外开销。

3)重配置和管理成本。分层架构由一组协议层构成，每层单独定义，并且通过良好定义的接口可以和其他层区分开。跨层架构模块化相对较差，因此当有变化时更难管理和重配置。这种类型的成本不太容易量化，然而，它可以通过定义传统层和跨层优化器之间的接口的方式来加以限制。

选择跨层架构的一种有效实现需要对性能增益和上述的成本因素做一个仔细的评估。

CLA的实现可以是集中式的，也可以是分布式的。

1)集中式。CLO作为一个集中的单元，从网络层收集所有相关的参数，执行优化，然后将选择的参数值分配给相应的各层(见图一)。由于一些原因，集中式方式实现起来通常成本较高，并且效率低。首先，从分散的各地收集网络参数耗时，而且延缓优化过程。其次，层参数以不同的速率变化(物理层的变化量级是毫秒，而应用层变化的量级是秒)，因此在最差情况优化所有的参数效率可能会相当低。第三，同时给大量参数计算目标函数也许成本太高。

2)分布式。CLO由一组分布在网络各层(垂直分布)或节点(水平分布)中的组件构成。每个组件执行一个针对全局优化问题参数子集的本地优化，并和其他组件相互合作，以实现全局网络优化的目标。如图二中所示的采用分布式实现的优化器，其组件属于多个层和节点。垂直上分布的实现有一个分层结构，在该结构中CLO放置在不同层上的组件以不同的速率操作，并且使用较低层能力和上层需求的抽象表示来优化本地参数。结果，一个垂直上分布的CLO实现和一个分层架构很相像。

分布式实现通常更为实际和有效，特别是当优化需要大量参数时。每个分布在各层或节点上的CLO组件优化一组网络参数。设计一个分布式CLO的最大挑战在于如何确保所有本地优化器通过一个良好定义的接口交换一组参数，并且有效地合作来达到全局优化目标。CLO分布于各层的架构中，每包括一个本地优化器，该优化器通过考虑上层的需求和下层能力来选择层参数的值。因此，需求必须从应用层由上至下传递，而以一组可行参数值形式(如差错率、延迟和吞吐量等)表示的能力则必须从下层向上传递。图三中给出了多用户视频流媒体场景下，为了做信道调度，跨层优化的组件 垂直地分布在两层中。上层的优化在每个图像组(GOP)的开始重复地执行。

上层的优化器选择分配给每个用户的时隙，并且基于下层在下一个GOP周期(长期地信道预测)时关于可利用信道速率的信息的基础上选择视频源速率。选择的时隙数然后作为需求传递给下层的优化器用来分配特定的时隙和载波，并且选择调制方案。底层的优化基于短期的信道预测，因此执行速率较高。2

跨层优化的研究进展认知网络采用跨层技术实现网络协议的最优化，使得不同网络协议层的参数能够被同时使用。跨层网络协议的研究主要分为两类：合并层的优化设计和跨层的适应性设计。合并层的优化是将多层融合并且要求一些网络信息同步以实现全局的优化算法。在跨层的适应性协议中，分级通信信息分属于两个网络协议层，以优化本地操作为目的进行参数调整。无论采用哪种跨层网络协议，解决方案都集中在单一的参数优化上，并且很多跨层
协议只集中在选择的网络层次上进行优化，这样将降低整个系统或端到端连接的性能。因此，跨层设计更适合作为认知层技术，其没有体现网络的智能性，也没有体现出端到端的必要性。

由于环境变化的高度动态性，为了保证网络的可靠连接和应用的顺利完成，保证认知实体的有效调整和正确重构，网络各层信息的高效交互是非常重要的，通过引人跨层设计方法来提高系统效率是必要的。但是，由于跨层设计破坏了系统原有良好的层次结构，必然会使得系统的通用性和移植性较差，从而产生不利于更新和维护等问题。此外，许多跨层设计方法过多关注某些特定层的优化问题，而并没有着眼于系统层面或连接性能方面。从这个意义上讲，跨层设计更适合于单一层次，而不是整个网络3。

跨层设计的四个方面的挑战：即模块化、信息解释、精确性和确定性、复杂性和可测量性。而无线网络跨层优化的设计思想也还处在完善阶段，仍有以下问题尚待解决：

（1）网络的整体设计和优化极其复杂，尤其是实时动态的网络优化。

（2）网络协议层使用的优化标准较难统一，传统网络层有各自独立的优化准则，例如物理层的设计基本上集中在减少误码率，MAC层的设计依据通过节点的数据传输率或信道的可用性，网络层的设计要求低时延和较高的路由效率。

（3）采用何种测量标准决定未来系统的主要性能，以及测量标准的优化和优先级排序。跨层优化设计中实时动态优化网络是难以实现的，但可以进行一些限制性设计。跨层优化设计应采用性能评价的准则，传统网络层次设计中有优先权准则。例如：物理层准则是误码率，MAC准则是节点吞吐量或信道可用性，网络层准则是时延和路由效率。

（4）在跨层动态优化中，需要进行复杂的数学建模和仿真。例如，物理层仿真器采用时间驱动法，而网络层仿真器采用事件驱动法。解决上述问题的方法是双层仿真法，即用物理层仿真器的输出去激发网络层仿真器。但是，这种方法不允许层次间有相互作用，不能应用于跨层优化设计，为此可以采取下述方法¨“：混合高层次的功能性能仿真和低层次的功能性能分析仿真；可变的量化度，即大部分物理层链路采用粗量化度网络仿真器，特定物理层链路采用细量化度仿真器；从物理层到应用层的仿真和实时处理。

（5）在动态优化时网络协议层之间传递的信息要简明有效，信息过于复杂，将产生较大时延或大量优化过程计算，信息过于简单，又不能表明通信需求。

（6）动态网络优化的网络控制权归属，当需要实现跨层功能时，谁来控制这个过程4。

本词条内容贡献者为:

宋春霖 - 副教授 - 江南大学