[发明专利]一种基于LSTM深度学习的光网络路由优化方法及其相关装置有效

专利信息
申请号: 202011112574.X 申请日: 2020-10-16
公开(公告)号: CN112560204B 公开(公告)日: 2023-01-10
发明(设计)人: 郁小松;李新阳;赵永利;张杰;何玲;郭学让;汪洋;张庚;王亚男;高凯强 申请(专利权)人: 北京邮电大学;国网新疆电力有限公司电力科学研究院;国家电网有限公司;中国电力科学研究院有限公司
主分类号: G06F30/18 分类号: G06F30/18;G06F30/20;G06N3/04
代理公司: 北京风雅颂专利代理有限公司 11403 代理人: 孙晓凤
地址: 100876 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 lstm 深度 学习 网络 路由 优化 方法 及其 相关 装置
【权利要求书】:

1.一种基于LSTM深度学习的光网络路由优化方法,其特征在于,包括:

接收待部署业务的请求,解析所述待部署业务的属性,根据所述待部署业务的属性计算其最短路径;

判断所述最短路径上频谱是否充足;

若不充足,则获取满足所述待部署业务所需频谱数量的堵塞路径上已部署业务的剩余时间,计算所述待部署业务的持续时间与所述已部署业务的剩余时间的时间差,并为所述待部署业务寻找次优路径进行部署;

收集光网络中整体路径频谱占用状况数据,将收集的数据输入至训练好的LSTM深度学习模型中,获得预设的重构阈值;

所述LSTM深度学习模型的训练步骤包括:

第一步:获取网络中历史的网络频谱占用状况信息和业务信息;

第二步:根据所述历史的网络频谱占用状况信息和业务信息,按照时间序列生成频谱矩阵S与业务矩阵R,包括在时间序列t1、t2至tn下,得到对应的频谱矩阵S1、S2至Sn和业务矩阵R1、R2至Rn;

其中,所述业务矩阵R的形式为:

其中所述业务矩阵R中的分别代表业务Ri的源节点和宿节点;代表业务Ri所需的频谱资源;代表业务Ri的剩余时间;Pi代表业务Ri的工作路径,所述业务矩阵随着业务的到来和离去随时更新;

第三步:根据当前ti采集到的所述频谱矩阵Si和所述业务矩阵Ri当做输入数据输入初始的LSTM预测模型,ti表示在所述时间序列t1、t2至tn中的任一时刻,使用ti的下一时刻ti+1的所述频谱矩阵Si+1和所述业务矩阵Ri+1作为标签数据,训练所述预设的重构阈值的选取;

第四步:根据每次ti输入的所述频谱矩阵和所述业务矩阵,将输出得到预测重构阈值进行模拟,根据使用所述预测重构阈值得到的网络业务堵塞率来给所述预测重构阈值进行打分,并将所述ti时刻得到的预测重构阈值当做输入信息,得到所述ti+1时刻的预测重构阈值进行模拟,打分,输入,直至结束;

重复上述四个步骤,对所述LSTM模型进行反复训练,所述LSTM模型会选取不同的所述预测重构阈值进行模拟并根据网络中业务阻塞率进行打分,选取得分最高的所述预测重构阈值作为预设的重构阈值;

判断所述时间差是否达到所述预设的重构阈值,根据判断结果进行分配路径。

2.根据权利要求1所述的基于LSTM深度学习的光网络路由优化方法,其特征在于,所述判断所述最短路径上频谱是否充足之后,包括:

若充足,则选择并分配给所述待部署业务所述最短路径的波长频谱,更新所述最短路径上的频谱状态信息并结束分配。

3.根据权利要求1所述的基于LSTM深度学习的光网络路由优化方法,其特征在于,所述判断所述时间差是否达到所述预设的重构阈值,根据判断结果进行分配,包括:

若所述时间差大于所述预设的重构阈值,则所述待部署业务经过所述时间差的时间后进行重构,选择并分配给所述待部署业务最短路径的波长频谱,更新路径上的频谱状态信息并结束分配,若所述时间差小于或等于所述预设的重构阈值,则结束分配。

4.根据权利要求1所述的基于LSTM深度学习的光网络路由优化方法,其特征在于,所述业务属性包括源节点,宿节点,业务开始时间,业务持续时间和需要频谱数;

所述计算业务最短路径的算法为Dijkstra算法。

5.根据权利要求3所述的基于LSTM深度学习的光网络路由优化方法,其特征在于,所述选择并分配给待部署业务最短路径的波长频谱采用的方法为First-Fit算法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学;国网新疆电力有限公司电力科学研究院;国家电网有限公司;中国电力科学研究院有限公司,未经北京邮电大学;国网新疆电力有限公司电力科学研究院;国家电网有限公司;中国电力科学研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011112574.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top