Skip to content

Shulin-Li22/LDMR-Algorithm

BranchesTags

Repository files navigation

LDMR算法仿真

Python License

基于论文《A GNN-Enabled Multipath Routing Algorithm for Spatial-Temporal Varying LEO Satellite Networks》的LDMR (Link Disjoint Multipath Routing) 算法完整实现。

🎯 项目简介

本项目实现了面向LEO卫星网络的链路不相交多路径路由算法，主要特色：

  • 完整的LDMR算法实现：严格按照论文Algorithm 1实现
  • 多星座网络支持：GlobalStar、Iridium等预定义星座
  • 基准算法对比：SPF、ECMP等基准算法完整实现
  • 灵活的配置系统：支持多场景配置和参数调优
  • 详细的性能分析：路径不相交性验证、统计分析等
  • 结果导出和可视化：CSV数据导出、图表生成

🚀 快速开始

环境要求

  • Python 3.8+
  • NumPy >= 1.21.0
  • NetworkX >= 2.8.0
  • Matplotlib >= 3.5.0
  • PyYAML >= 6.0

安装依赖

# 克隆项目
git clone https://github.com/Shulin-Li22/LDMR-Algorithm.git
cd ldmr-simulation

# 安装依赖
pip install -r requirements.txt

快速运行

python main.py

📁 项目结构

ldmr_simulation/
├── README.md                   # 项目说明文档
├── requirements.txt            # 依赖清单
├── main.py                     # 完整版主程序
├── config.py                   # 配置管理
├── benchmark.py                # 基准测试
├── param_analysis.py           # 参数分析
├── config/                     # 配置文件目录
│   ├── default.yaml            # 默认配置
│   └── scenarios/              # 场景配置
│       ├── testing.yaml        # 测试场景
│       ├── light_load.yaml     # 轻负载场景
│       ├── heavy_load.yaml     # 重负载场景
│       └── performance.yaml    # 性能测试场景
├── src/                        # 核心源代码
│   ├── algorithms/             # 算法模块
│   │   ├── ldmr_algorithms.py  # LDMR核心算法 ⭐
│   │   ├── basic_algorithms.py # 基础算法
│   │   └── baseline/           # 基准算法
│   ├── topology/               # 拓扑模块
│   │   ├── topology_base.py    # 基础拓扑类
│   │   └── satellite_constellation.py # 卫星星座
│   ├── traffic/                # 流量模块
│   │   └── traffic_model.py    # 流量生成模型
│   └── output/                 # 输出模块
│       ├── result_exporter.py  # 结果导出
│       └── visualizer.py       # 可视化生成
├── results/                    # 结果输出
│   ├── data/                   # CSV数据文件
│   └── figures/                # 图表文件
└── logs/                       # 日志文件

⚙️ 配置说明

基础配置

编辑 config/default.yaml 来修改默认参数：

# 网络配置
network:
  constellation: "globalstar"    # 星座类型: globalstar, iridium
  ground_stations: 10           # 地面站数量
  satellite_bandwidth: 10.0     # 卫星链路带宽 (Gbps)
  ground_bandwidth: 5.0         # 地面链路带宽 (Gbps)

# LDMR算法配置
algorithm:
  K: 2                          # 每个节点对的路径数量
  r1: 1                         # 权重下界1
  r2: 10                        # 权重下界2
  r3: 50                        # 权重上界
  Ne_th: 2                      # 链路利用频次阈值

# 流量配置
traffic:
  total_gbps: 6.0               # 总流量 (Gbps)
  duration: 180.0               # 仿真时长 (秒)
  elephant_ratio: 0.3           # 大象流比例

# 输出配置
output:
  enable_export: true           # 启用结果导出
  export_csv: true              # 导出CSV数据
  export_figures: true          # 生成图表

场景配置

项目提供了多种预定义场景：

  • testing.yaml: 测试场景（小规模快速测试）
  • light_load.yaml: 轻负载场景
  • heavy_load.yaml: 重负载场景（测试拥塞处理）
  • performance.yaml: 性能测试场景（Iridium星座）

🎮 使用方法

1. 主程序

python main.py

提供四个核心功能：

  1. 🚀 运行LDMR算法
  2. 📊 基准算法对比
  3. 🔬 参数敏感性分析
  4. 🔄 切换场景配置

2. 单独运行各模块

# 运行基准测试
python benchmark.py

# 运行参数分析
python param_analysis.py

3. 场景切换

# 查看可用场景
python -c "from config import list_scenarios; print(list_scenarios())"

# 切换到性能测试场景
python -c "from config import load_scenario; config = load_scenario('performance')"

📊 性能评估

关键指标

  • 成功率：成功计算路径的流量需求比例
  • 平均延迟：所有路径的平均端到端延迟
  • 路径不相交率：链路不相交路径的比例
  • 计算时间：算法执行时间
  • 吞吐量：网络传输能力

基准算法对比

算法 成功率 平均延迟(ms) 平均路径数 执行时间(s)
LDMR 100.0% 183.78 2.0 2.62
SPF 100.0% 141.88 1.0 0.43
ECMP 100.0% 160.00 2.0 6.49

🔬 算法实现细节

LDMR核心算法

本项目严格按照论文Algorithm 1实现：

  1. 初始化阶段：重置权重矩阵和链路使用计数
  2. 最短路径计算：为所有节点对计算最短延迟路径
  3. 多路径计算：按流量大小降序处理每个需求
  4. 权重动态更新：根据链路使用频次调整权重
  5. 备用路径搜索：寻找链路不相交的备用路径

关键特性

  • 链路不相交性：确保多条路径之间没有共享链路
  • 动态权重更新：避免路径冲突和负载不均
  • 流量优先级：优先处理大流量请求
  • 拓扑适应性：支持时变卫星网络拓扑

📈 结果输出

自动导出功能

运行仿真后，系统会自动生成：

  1. CSV数据文件：详细的数值结果

    • ldmr_results_YYYYMMDD_HHMMSS.csv
    • benchmark_comparison_YYYYMMDD_HHMMSS.csv

  2. 可视化图表：

    • 算法性能对比图
    • 参数敏感性分析图
    • 路径分析图表
    • 性能趋势图

  3. 摘要报告：

    • experiment_summary_YYYYMMDD_HHMMSS.txt

结果文件位置

results/
├── data/                       # CSV数据文件
│   ├── ldmr_results_*.csv
│   ├── benchmark_comparison_*.csv
│   └── experiment_summary_*.txt
└── figures/                    # 图表文件
    ├── algorithm_comparison_*.png
    ├── parameter_sensitivity_*.png
    ├── path_analysis_*.png
    └── performance_trends_*.png

📚 文档和资源

论文引用

如果您在研究中使用了本项目，请引用原始论文：

@article{huang2024gnn,
  title={A GNN-Enabled Multipath Routing Algorithm for Spatial-Temporal Varying LEO Satellite Networks},
  author={Huang, Yunxue and Yang, Dong and Feng, Bohao and others},
  journal={IEEE Transactions on Vehicular Technology},
  volume={73},
  number={4},
  pages={5454--5468},
  year={2024},
  publisher={IEEE}
}

相关资源

🤝 贡献指南

欢迎提交Issue和Pull Request来改进项目！

🐛 问题排查

常见问题

  1. 导入模块失败

    # 确保项目路径正确
export PYTHONPATH="${PYTHONPATH}:$(pwd)/src"

  2. 配置文件不存在

    # 检查配置文件
ls config/default.yaml

  3. 依赖包缺失

    # 重新安装依赖
pip install -r requirements.txt

性能调优

  • 减少流量规模以加快测试速度
  • 调整参数 r3 和 Ne_th 优化性能
  • 使用较小的星座配置进行调试

📌 声明

本项目的部分代码由 GenAI 辅助生成（ChatGPT, Gemini, Claude），并由作者进行审查、修改和完善。 请在使用或参考本项目代码时，自行核实其正确性与适用性，必要时进行适当的测试和调整。

📄 许可证

本项目采用MIT许可证 - 详见 LICENSE 文件。

🙏 致谢

  • 感谢原论文作者提供的优秀算法设计
  • 感谢开源社区提供的基础工具和库
  • 感谢所有为项目改进做出贡献的开发者

🌟 Star支持

如果这个项目对您有帮助，请给我们一个Star！这是对我们最大的鼓励和支持。

最后更新: 2025年8月7日 项目状态: 稳定版本 v2.1.0

About

No description, website, or topics provided.

Resources

Readme

License

MIT license
Activity

Stars

3 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages