[发明专利]基于改进NR-HNNR算法的通信网络路由控制方法

说明书

技术领域

本发明涉一种通信网络路由控制方法。

背景技术

通信网络由一定数量的节点和连接节点的链路构成，路由算法设计的最终目 标是为通信网络中由源节点和目标节点组成的源-目标节点对(OD-pair： Origination destination pair)找到一条满足一系列限制条件的最优路径。从用户角度 出发，这些限制条件可被称为服务等级(GoS：Grade of service)和服务质量(QoS： Quality of service)，包含有时延、时延抖动、阻塞概率、丢包率和吞吐量等指标； 从系统管理者角度出发，需要根据链路长短和负载状况进行网络资源分配和调度， 以保证不同的GoS和QoS要求。因此，路由算法是保证通信系统有效性和可靠 性的重要手段。

从上世纪80年代初人工神经网络(ANN：Artificial neural network)研究再次复 苏并成为研究热点以来，ANN发展迅速并扩展到许多应用领域。在通信系统中， 可应用领域包括网络规划、接入控制、路由算法、广域网参数调整、差错检验、 用户监测和网络稳定性提高、通信量评估、拥塞控制、编译码等。

前向网络和反馈网络均被用来解决网络路由问题。Jensen和Frisiani分别应用 BP(Back propagation)网络计算自适应路由和动态路由，但是需要大量样本集训 练ANN，然后根据已知输出和实际输出之间的差值来调节系统参数，实用性差。 自从Hopfield神经网络被用来解决旅行商问题(TSP：Traveling salesman problem) 以来，更多的研究集中在应用Hopfield神经网络求解最短路径。Rauch提出的算 法需要预先知道所求路径的链路数量来确定神经元矩阵中列向量的个数，这在实 际中无法实现。Thomopoulos等通过忽略TSP中行约束条件的方法寻找最短路径， 该方法允许同一节点在所求路径中重复出现，而每个重复节点到自身的自环长度 为0，因此路径长度不增加，缺点是因为ANN中神经元数量随通信网络中通信节 点呈几何关系(N2)增长，对于节点数目众多的大型网络，迭代计算在有限时间内 不能完成，实时性差，而且硬件实现困难。Kamoun等人提出在神经网络的能量 函数加入一个特殊项，以消除不存在的链路对计算的影响。Zhang试图解决神经 元数量过大的问题，并提出了消减ANN规模的方法，但在规模较大的通信网络 中效果不明显。

发明内容

为了克服已有通信网络路由控制方法的运算速度慢、实时性差、可靠性差、 适用范围较小的不足，本发明提供一种提高运算速度、实施性良好、增强可靠性、 适用范围更广的基于改进NR-HNNR算法的通信网络路由控制方法。

本发明解决其技术问题所采用的技术方案是：

一种基于改进NR-HNNR算法的通信网络路由控制方法，所述路由控制方法 包括以下步骤：

步骤1：由N个节点构成通信网络，网络中每个节点有若干条链路同其它节点相 连，网络表示为：

G＝(W，A)，W＝{n₁，n₂，...n_N}，|W|＝N

A⊆{(ni,nj)|ni,nj∈Wandi≠j}---(1)]]>

f：A→ω，ω≥0