[论文解读] Joint Satellite Gateway Deployment & Controller Placement in Software-Defined 5G-Satellite Integrated Networks

Nariman Torkzaban, John S. Baras|arXiv (Cornell University)|Mar 15, 2021

Satellite Communication Systems参考文献 34被引用 5

一句话总结

本文提出了一种基于混合整数线性规划（MILP）和子模优化的联合优化框架，用于5G-卫星融合网络中的卫星网关与SDN控制器部署。该方法将联合问题分解为两个独立的MILP问题，通过具有可证明最优性间隙的高效算法求解，在远低于精确MILP求解器所需时间的范围内实现了近似最优性能——目标值最优性间隙最高达10%，大规模网络拓扑的运行时间低于1秒。

ABSTRACT

Several challenging optimization problems arise while considering the deployment of the space-air-ground integrated networks (SAGINs), among which the optimal satellite gateway deployment problem is of significant importance. Moreover, with the increasing interest in the software-defined integration of 5G networks and satellites, the existence of an effective scheme for optimal placement of SDN controllers is essential. In this paper, we discuss the interrelation between the two problems above and propose suitable methods to solve them under various network design criteria. We first provide a MILP model for solving the joint problem, and then motivate the decomposition of the model into two disjoint MILPs. We then show that the resulting problems can be modeled as the optimization of submodular set functions and can be solved efficiently with provable optimality gaps.

研究动机与目标

• 解决软件定义5G-卫星融合网络中卫星网关部署与SDN控制器放置的联合问题。
• 在QoS和时延约束下，最小化网络成本，最大化可靠性，并实现负载均衡。
• 将联合问题分解为两个独立的优化子问题，以提升可扩展性和效率。
• 为大规模网络拓扑开发高效的近似算法，并提供可证明的性能保证。

提出的方法

• 将联合网关与控制器放置问题建模为混合整数线性规划（MILP），以同时优化网络可靠性、时延和成本目标。
• 将联合问题分解为两个独立的MILP：一个用于网关放置，另一个用于控制器放置。
• 将两个子问题建模为子模集合函数的优化，以支持具有有界最优性间隙的高效贪心算法。
• 采用算法1进行SDN控制器放置，算法2用于可靠性最大化，两者均具有理论性能保证。
• 使用CPLEX的分支定界法求解MILP实例，作为评估近似算法性能的基准。
• 通过对比真实网络拓扑（如Tinet、Chinanet）下MILP求解器与子模算法的运行时间，验证了方法的可扩展性。

实验结果

研究问题

• RQ1 在多种网络设计准则下，如何对卫星网关与SDN控制器联合部署问题进行最优建模？
• RQ2 该联合问题是否可被有效分解为两个独立子问题，且不显著损失解的质量？
• RQ3 在目标值和时延方面，精确MILP解与高效子模近似算法之间的性能差距如何？
• RQ4 与精确MILP求解器相比，所提近似方法的时间复杂度如何随网络规模增长而变化？
• RQ5 子模优化在多大程度上可实现接近最优的网络可靠性及控制器-节点通信时延？

主要发现

• 采用算法1进行SDN控制器放置的近似方法，其目标值在最优值的10%以内，且控制器数量与MILP解保持一致。
• 对于网关放置问题，子模近似方法在平均网络可靠性方面与MILP最优解的差距控制在3%以内。
• 运行时间分析表明，MILP求解器的规模随网络规模呈指数级增长，而子模算法呈线性增长；算法1在大型实例（如Tinet）上运行时间低于2秒，而CPLEX需70–80秒。
• 子模优化框架在多种拓扑（如Aarnet、Agis、Chinanet、Tinet）上均持续产生近似最优结果，平均可靠性与MILP解相差仅1–2%。
• 与精确MILP求解相比，所提框架将计算时间减少了95%以上，同时保持了高精度解。
• 在可靠性最大化实验（算法2）中，当kmax = 5个控制器时，近似方法实现了接近最优的可靠性，证实其在大规模部署中的实际可行性。