1. 研究目的与意义
近年来，互联网规模越来越大，网络应用越来越多，网络流量呈爆炸式增长。
Cisco 公司的《思科视觉网络索引：预测和趋势》白皮书指出，2022 年全球网络总流量将达4.8 ZB。
面对越来越庞大的网络需求，网络结构也越来越复杂，网络安全和路由优化面临着越来越大的挑战。
2. 课题关键问题和重难点
关键问题：大多数传统路由方案仅仅关注单一流量指标的优化，其中最常见的流量指标是：最小化转发路径长度（路由信息协议，Routing Information Protocol，RIP）和最大化宽带（开放最短路径优先，Open Shortest Path First，OSPF）。
其实，他们的本质都是基于网络拓扑的最短路径问题。
然而，优化单一指标并不一定能够找出交付延迟最低的转发路径。
3. 国内外研究现状（文献综述）
引言：在QoS优化问题研究方面，现有主流方法可以分为启发式算法和机器学习算法2种，启发式算法主要通过建模来近似拟合当前的网络状态，并采用启发式方法为数据流请求实时计算路由配置，因此此类算法有严格的适用场景，链路带宽和长度的变化都可能导致状态拟合算法出现较大误差，进而对算法的整体性能产生显著影响。
机器学习算法：Xu[2]等结合SDN架构和深度强化学习算法提出模型无关的流调度算法，利用网络自身的数据通过自学习的方式产生流控制逻辑，将一条数据流按照权重比例分配在选定的多条流通路上，避免建模过程中因近似处理带来的误差，具备良好的性能。
正文：SDN架构[3]主要有三个平面和两个接口构成，如下图所示：图3.1 SDN架构图应用平面位于SDN结构最上层，它是基于控制器提供的接口，实现和网络业务相关的管理、安全等应用，也可以个性化定制。
4. 研究方案
本课题基于Python语言设计一款能在企业网络等多出口网络中的自动切换工具，当企业网络一个出口线路故障时，能够自动进行检测和切换。
方案的设计流程如下：1、调研当今的企业网等多出口网络的拓扑模型，搜集并绘制相关的拓扑图2、了解相关的影响网络和检测网络的指标和技术3、使用VMware、GNS3等工具搭建仿真系统，并将实际的工作环境导入其中4、在Linux环境下使用Python进行软件系统设计5、使用Python设计出相应的图形化模块，以展示结果6、将软件应用于实际的环境中，进行反复测试并做好相关记录总体设计模块可以分为四个模块分别是拓扑模块、性能指标模块、仿真模块，和软件设计模块。
其中拓扑模块主要是根据采集的企业网的网络拓扑绘制出各式各样的网络拓扑，为展现出在不同拓扑下实现的工具的感知和切换能力。
5. 工作计划
根据上述表格内容，将所需设计的软件分为以上4个模块，将用大部分的时间完成此设计。
2022年3月4日-2022年3月24日，查阅资料的同时，对设计的各个模块做出细致的分解，并按分解的模块实施。
2022年3月24日-2022年3月26日，根据程老师在中期检查中提出的问题做出相应的修改，并抓紧完成工作计划，认真制定之后的工作计划，实时对照。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
