欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020108798602
申请人: 重庆大学
专利类型:发明专利
专利状态:未下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种网络服务功能链部署方法,其特征在于,包括以下步骤:

1)读取当前物理网络信息和服务功能链请求;

所述物理网络信息包括物理网络拓扑A和剩余资源容量状态sk,其中,剩余资源容量状态sk包含剩余节点容量和剩余链路带宽;

所述服务功能链请求记为SFCs={SFC1,SFC2,SFC3,…,SFCn};n为所述服务功能链请求的数量;

2)基于物理网络信息计算底层网络每个节点的全局资源容量值;其中,节点u的全局资源容量值r(u)如下所示:式中,d为常数;d∈(0,1); 表示归一化之后的节点u容量;N(u)表示与节点u相邻的节点集合;b(u,v)表示节点u和节点v之间链路带宽;v、x为与节点u相邻的节点;b(x,v)表示节点x和节点v之间链路带宽;r(v)为节点v的全局资源容量值;

3)建立图卷积神经网络,将物理网络信息sk输入到图卷积神经网络中,预测出部署前的状态值函数V(sk);

所述图卷积神经网络包括输入层、隐含层和输出层;其中,图卷积神经网络的输入为物理网络状态sk,输出为物理网络状态值函数V(sk);

其中,物理网络状态值函数V(sk)如下所示:

式中,f(*)代表激活函数; 代表的是的无向邻接矩阵;IN为单位矩阵;矩阵w1和w2为图卷积神经网络的参数;

4)根据底层网络每个节点的全局资源容量值选出服务功能链请求SFCi的候选部署集B={B1,B2,…,BN};i初始值为1;i=1,2,…,n;N为候选部署子集总数;

选出服务功能链请求SFCi的候选部署集的步骤如下:

4.1)根据全局资源容量值概率性随机选择请求的候选节点,方法为:将满足节点容量资源限制条件的节点设为候选节点,对每个候选节点设定概率值,并根据概率值大小对候选节点进行随机选择,并将候选节点写入候选部署子集Bk中;k初始值为1;

其中,节点容量资源限制条件为请求的节点容量资源小于等于映射的物理节点容量;

4.2)根据Dijkstra最短路径算法计算满足链路带宽限制条件的候选节点之间的路径,并将候选节点和候选节点之间的路径写入候选部署子集Bk中;k初始值为1;

其中,链路带宽限制条件为请求的链路带宽小于等于映射的物理链路带宽;

4.3)判断k>N是否成立,若是,则输出候选部署集B={B1,B2,…,BN},若否,则令k=k+

1,并返回步骤4.1);

5)初始化最大状态值函数Vmax=‑∞;

6)按照候选部署子集Bk对当前物理网络进行模拟部署,并判断是否模拟部署成功;k=

1,2,…,N表示候选部署子集序号;k初始值为1;

若模拟部署成功,则将模拟之后的物理网络信息输入到图卷积神经网络中,并进入步骤7),否则,转入步骤8);模拟之后的物理网络信息包括模拟之后的物理网络拓扑A和模拟之后的剩余资源容量状态s'k+1;

7)图卷积神经网络根据输入的物理网络信息预测出模拟部署后的状态值函数V(s'k+1),若状态值函数V(s'k+1)>Vmax,则更新最大状态值函数Vmax=V(s'k+1);

8)判断k>N是否成立,若是,则进入步骤9),否则令k=k+1,并返回步骤6);

9)判断最大值函数Vmax>0是否成立,若是,则接受服务功能链请求SFCi,并按照最大值函数的部署方案Bk对物理网络进行真实部署,更新底层网络信息,更新部署后的状态值函数V(sk+1)=Vmax,若否,则拒绝虚拟网络功能请求SFCi,进入步骤10);

10)计算奖励值reward;

其中,奖励值reward如下所示:

式中,η代表节点资源容量的成本;β代表链路资源容量的成本,cv代表节点v的容量;be代表链路e的带宽;E为链路集合;V为节点集合;

11)根据部署前的状态值函数V(sk)、奖励值reward、部署后的状态值函数V(sk+1),基于时序差分算法更新图卷积神经网络;

其中,图卷积神经网络参数更新如下:

式中, 代表图卷积神经网络的参数向量,α代表学习率,γ代表折扣因子; 代表更新后的参数向量; 代表矢量微分符号;

12)判断i>n是否成立,若是,则输出网络服务功能链的部署结果,否则,令i=i+1,并返回步骤4)。

2.根据权利要求1所述的一种网络服务功能链部署方法,其特征在于:更新图卷积神经网络的步骤如下:

1)将部署前的物理网络状态sk、奖励值reward和部署后的网络状态sk+1写入数据子集中,并将数据子集写入神经网络的训练数据集中;

2)从训练数据集中随机选出M个数据子集,用以对图卷积神经网络的参数进行更新,得到更新后的图卷积神经网络;M表示批量更新的大小。