[发明专利]一种基于BP神经网络蚁群算法的网络路由规划方法及系统

说明书

本发明提供了一种基于BP神经网络蚁群算法的网络路由规划方法和系统，涉及网络路由规划的领域，克服了现有技术中传统蚁群算法很难适用于当前日益复杂的网络环境且无法保证在网络设备资源有限的约束下提供相对较优的丢包率、时延、带宽、拥塞率以及时延抖动的不足，通过本发明的方法和系统可以有效得躲避预测流量过高的网络节点，避免网络流量只走“最短路径”减少网络拥塞，避免链路局部产生不必要的恶化，从而最终达到网络负载均衡。

技术领域

本发明涉及网络路由规划的领域，特别涉及一种基于BP神经网络蚁群算法的网络路由规划方法及系统。

背景技术

路由规划是指根据网络现有结构，设计比较适合的路由算法，在能够实现优化的网络路径选择的同时具有路径均衡功能，保证在网络结构发生变化时数据能够通过其他路径迂回，保证网络的通畅。

目前的路由规划方案基本上是使用传统蚁群算法来优化路径，解决受限路由问题。该算法应用于解决优化问题的基本思路为：用蚂蚁的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间。路径较短的，蚂蚁释放的信息素量较多，随着时间的推进，较短的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多。最终，整个蚂蚁会在正反馈的作用下集中到最佳的路径上，此时对应的便是待优化问题的最优解。从而来达到优化路径的目的。

针对传统蚁群算法很难适用于当前这种日益复杂的网络环境，一方面基本的蚁群算法只考虑怎么寻找最短路径，未考虑网络的QoS(Quality of Service，服务质量)以及转发层网络设备的负载能力。计算出来的路径，无法保证在网络设备资源有限的约束下提供相对较优的丢包率、时延、带宽、拥塞率以及时延抖动。另一方面基本蚁群算法收敛速度过慢而且非常容易陷入局部最优解。

发明内容

本发明为了克服现有技术的不足，提供一种基于BP神经网络蚁群算法的网络路由规划方法及系统，可以有效的躲避预测流量过高的网络节点，避免网络流量只走“最短路径”减少网络拥塞，避免链路局部产生不必要的恶化。从而最终达到网络负载均衡。

为了实现上述目的，本发明实施例提供了一种基于BP神经网络蚁群算法的网络路由规划方法，包括：

初始化网络节点信息、节点距离信息、QoS信息、网络节点资源约束信息、启发因子信息、信息素因子信息；

设定起点并将蚂蚁放到所述起点位置；

以当前网络节点上的速率作为数据集，通过BL-LSTM基于线性回归的长短时记忆网络算法预测出短时间内到达下一跳所有可能节点的O-D出发节点-目的节点流大小并保存至数据到控制器；

通过公式

过滤掉一部分负载即将过高的节点，其中所述θ_ij(t)是躲避函数，α是调节函数，表示从节点i到节点j当前的流量，表示从节点i到节点j最大带宽容量，b为偏置用来调节函数的高低；

对路径中的信息素进行更新并将每条路径的信息素按照挥发因子进行挥发：

根据信息素重置蚂蚁的初始位置并从起点到终点重新开始循环；

获得路由的最优路径。

可选的，所述对路径中的信息素进行更新并将每条路径上的信息素按照挥发因子进行挥发包括：根据需求设置不同的约束条件、不同的节点类型使用不同的启发函数，所述启发函数表示数据包从节点i转移到节点j的期望程度；

获取状态转移概率，把所有路径概率分布在一个轮盘上，一条路径对应一个扇面，通过一个随机函数来生成一个0～1之间的随机变量i，通过变量i来确定指针落在轮盘的哪个扇面上；