[发明专利]一种基于多类业务传输价值最大化的智能路由方法

说明书

本发明提出一种基于多类业务传输价值最大化的智能路由方法，属于网络人工智能领域。本发明基于集中式网络架构，首先为不同类型的业务设定价值，并将业务特征、业务价值、拓扑信息输入深度神经网络结构，由神经网络输出路径的下一跳节点，然后将该节点作为源节点由神经网络继续输出下一跳，直至输出完整路径后计算奖励，并根据反馈训练网络至系统收敛。本发明通过设计针对不同类型业务的深度神经网络架构，能够解决多类业务的流量转发路径问题，满足不同类型业务的需求；同时设计了一种全新的路由奖励方案，可以使系统传输价值最大化，平衡了吞吐量和重要业务送达率的矛盾。

技术领域

本发明涉及网络人工智能领域，特别是指一种基于多类业务传输价值最大化的智能路由方法。

背景技术

近年来，随着移动通信技术、云计算技术以及互联网应用的高速发展，大量的移动终端和智能物联网设备不断的接入网络，导致通信网络中的交换系统正经历着爆炸式的网络业务流量增长，同时，新兴业务对互联网也提出了不同的QoS传输要求。因此，解决多类业务流量转发路径的问题迫在眉睫。另外考虑到目前基于强化学习的路由方案的奖励函数一般基于吞吐量、时延、丢包率等单一指标或者几种指标的加权组合，没有考虑到重要业务送达率，因此，需要设计一种全新的奖励方案衡量路由路径选择的优劣。

发明内容

鉴于此，本发明基于集中式网络架构提出一种基于多类业务传输价值最大化的智能路由方法，通过设计一套深度神经网络结构解决网内多类业务的流量转发路径问题，并能够通过全新的奖励方案优化吞吐量及重要业务送达率指标，从而提升系统传输价值。

基于上述目的，本发明提供的技术方案是：

一种基于多类业务传输价值最大化的智能路由方法，包括以下步骤：

步骤1，为不同类型的业务设定业务价值；

步骤2，将当前流量特征、业务价值和拓扑信息输入深度神经网络结构，由深度神经网络输出路径的下一跳节点；

步骤3，将下一跳节点作为源节点由深度神经网络继续输出下一跳，直至输出完整路径后计算奖励，并根据反馈训练网络至收敛。

进一步的，为步骤1具体方式为：

根据业务的优先级和带宽需求设定业务价值v，v的定义如下所示：

v＝v_baseline+ln(bandwidth_demand)

其中，v_baseline为基于不同业务优先级设定的价值基准值，优先级越高，v_baseline值越大；bandwidth_demand为业务带宽需求，带宽需求越大，v越大，在带宽需求大到设定程度时，v趋于平稳。

进一步的，步骤2中深度神经网络结构具体为：

深度神经网络结构包括GNN+LSTM架构和DRL架构；

GNN+LSTM架构的输入为拓扑信息、业务流特征和当前流量特征，输出为提取的业务特征，将输出作为DRL架构的输入；其中，业务流特征包括源节点、目的节点、业务价值、带宽需求、时延需求和丢包需求；

DRL架构的输入为第一部分GNN+LSTM架构的输出，输出为路由的下一跳。

进一步的，步骤3中计算奖励的奖励函数具体为：

奖励函数如下所示：

r＝v+C₁×u(delay_demand-delay)+C₂×u(loss_demand-loss)