[发明专利]减少网络振动的智能路由选择方法

说明书

本发明提出一种减少网络振动的智能路由选择方法，包括：S1：构建三维矩阵(T，L，U)，并对三维矩阵(T，L，U)进行运算，得到训练集DataSet_train，其中，T为历史流量数据的时间片集合，L表示节点i到节点j间的链路上的流量，U表示节点m到节点n的完整路径上的流量；S2：针对训练集DataSet_train中的每一个OD对，计算其可行路径方案的概率值；S3：根据概率值得到最佳路由方案。本发明在追求全网链路负载均匀分配、最大化利用全网转发资源的同时，寻求与当前路由选择变动最小的更新方案，使得每个更新周期带来的路由振荡尽较小，路由快速收敛，提升网络整体转发效率。

技术领域

本发明涉及通信技术领域，特别涉及一种减少网络振动的智能路由选择方法。

背景技术

近十年来，机器学习技术和其技术子集已经影响了无数应用，有监督和无监督的人工神经网络已在从路由到入侵检测的各种网络领域中应用。尽管传统的浅层人工神经网络经常被用于主动网络管理的流量预测，但其性能实际上是相对受限的，因为单纯增加ANN(Artificial Neural Network，人工神经网络)的隐藏层数量难以改善网络操作决策的性能。然而，深度学习系统的快速发展给网络领域的研究提供了新的突破点，它的算法性能显著提高。

在计算机网络相关领域，也分别出现了针对WSN(Wireless Sensor Network，无线传感器网络)、流量分类、移动性预测等方面的深度学习应用，相信深度学习技术将会和软件定义网络、数据面可编程等技术一同构建所谓的知识定义网络。互联网有望依据历史信息学得相关网络环境知识，并自我指导达成网络管理的最佳实践。其中，基于深度学习技术的智能路由算法将是重要的组成部分。

近年来互联网和移动通信产业的快速发展，网络系统不断向着规模化、异构化、动态化的方向演进。由此带来的服务能力和复杂性问题使得当前的网络系统面临无数挑战。伴随着5G网络的成熟，万物互联将带来网络终端数量、网络流量以及应用形式上的新一轮爆发性增长，并对数据转发速率、超低延迟、高能效比和大规模连接提出更高的要求。

传统路由策略大多基于单条最短路径实施，未考虑与网络服务能力密切相关的链路状态信息。随着网络环境的不断发展，当面对突发流量或大流量时，基于最短路径的传统路由协议可能导致严重的网络拥塞。互联网需要一种更加智能的路由策略，以将网络状态与路由策略融合，提升网络服务质量。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的目的在于提出一种减少网络振动的智能路由选择方法，该方法在追求全网链路负载均匀分配、最大化利用全网转发资源的同时，寻求与当前路由选择变动最小的更新方案，使得每个更新周期带来的路由振荡尽较小，路由快速收敛，提升网络整体转发效率。

为了实现上述目的，本发明的实施例提出了一种减少网络振动的智能路由选择方法，包括以下步骤：S1：构建三维矩阵(T，L，U)，并对三维矩阵(T，L，U)进行运算，得到训练集DataSet_train，其中，T为历史流量数据的时间片集合，L表示节点i到节点j间的链路上的流量，U表示节点m到节点n的完整路径上的流量；S2：针对训练集DataSet_train中的每一个OD对，计算其可行路径方案的概率值。；S3：根据概率值得到最佳路由方案。

另外，根据本发明上述实施例减少网络振动的智能路由选择方法还可以具有如下附加的技术特征：

在一些示例中，所述S1进一步包括：对所述三维矩阵(T，L，U)中任意一行进行求和，得到所有通过该链路的传输路径的总流量；对于任意一列的非空项，获取该时间片内此OD对间的路径所包含的链路。