[发明专利]一种云-雾弹性光网络中的深度强化学习流量疏导方法

说明书

本发明提出了一种云‑雾弹性光网络中的深度强化学习流量疏导方法，其步骤为：通过最短路径算法计算业务请求最短路径；将业务路径和按波长切片的网络拓扑转换为图片的形式；用卷积神经网络提取所有图片的特征，用softmax分类器进行分类，将业务请求分配到相应的波长；如果分配到的波长有可用资源，业务请求成功分配，否则根据首次适应方法遍历所有的波长对业务请求进行分配；利用强化学习算法进行评价，更新拓扑的网络状态，生成下一个业务请求的最短路径拓扑图；每当至少三个业务请求分配完成后，更新卷积神经网络。本发明通过强化学习不断地更新网络，使所有业务能够充分利用网络中的端口、收发器和放大器，从而降低网络的总能耗。

技术领域

本发明涉及弹性光网络和云-雾通信的技术领域，尤其涉及一种云-雾弹性光网络中的深度强化学习流量疏导方法，当弹性光网络作为雾节点和云数据中心的通信设施时，使用深度强化学习进行业务疏导。

背景技术

云计算把所有的数据集运输到同一个中心进行分析、存储和处理，擅长提供各种服务，但是随着全球物联网设备的爆炸式增长，这些设备产生的海量数据不适合全部通过云计算进行处理，同时冗余的传输过程会造成延迟过高，给当前的通信网带来了巨大的挑战。为了满足物联网大量低延迟计算的需求，弥补传统云计算的不足，雾计算应运而生，它的模式是设置众多的“雾节点”，将数据、数据处理和应用程序集中在网络边缘的设备中，这样能够让运算处理速度更快，更高效得出运算结果，所以雾计算成为处理数据的最佳候选，其优点是低延迟、高安全性、较好的用户体验和较高的功耗效率。

弹性光网络(Elastic Optical Network,EON)是一种很有前途的用于雾节点和云数据中心之间通信的网络基础设施，将底层物理网络中的资源抽象到云-雾计算的资源池中，在对虚拟网络进行资源分配和管理，能够提供灵活、高效的服务。为了充分利用这种灵活性，同时使底层物理资源得到充分利用，流量疏导方法应运而生，它可以通过现有的光路灵活地将多个细粒度的IP流量汇聚到光层中，根据业务请求带宽灵活地分配频谱。特别是随着可切片光应答器、可切片光放大器等基片器件的发展，流量疏导可以实现更高的功耗效率。

流量疏导将不同的带宽请求引导到相同的波长，以节省资源和能源。总能耗主要由三部分组成：IP端口、收发器和放大器，首先对这三部分的能耗进行建模：

IP端口：认为400Gbps的基础能耗为560W，总的端口能耗用E_IPT(W)表示。

光收发器：能耗取决于业务请求的线速度，对于每一个线速率单位，能耗为1.683W(参数η＝1.683W/Gbps)，计算公式如下：

其中，TR表示传输速率，N_OPT是光收发器的数量，表示第i个收发器的能耗，E_OPT表示收发器的总能耗。在本发明中考虑了线速率为40Gbps和100Gbps。

光放大器：每个光放大器的基础能耗μ＝100W，额外的能耗取决于业务请求的线速度。对于40Gbps和100Gbps，额外的能耗分别为25W和50W。光放大器的能耗计算公式如下所示：

其中，θ是额外的能源消耗，N_OPR是光放大器的数量。是第i个放大器的能耗，E_OPR表示放大器的总能耗。

因此，总的能耗计算公式为：E_TG(W)＝E_IPT(W)+E_OPT(W)+E_OPR(W) (5)。