一种面向专网服务的智能通信网络系统及其控制方法

    公开(公告)号:CN118101503A

    公开(公告)日:2024-05-28

    申请号:CN202410230698.X

    申请日:2024-02-29

    Abstract: 本发明提供一种面向专网服务的智能通信网络系统及其控制方法,系统包括智能服务模块,以及分别与智能服务模块连接的智能承载决策模块、智能传输决策模块、资源池和数据库;智能服务模块用于提供混合智能SDN控制服务、智能传输优化服务、态势与业务感知服务和网络资源调度服务;智能承载决策模块用于实现流表转发;智能传输决策模块用于实现波形选择与切换,以及频点的动态选择;本发明面向带宽资源紧缺、链路弱链接、抗干扰抗毁要求较高的专网提供智能服务,并利用感知和预测的业务需求及态势信息,采用SDN控制器基于机器学习算法制定策略,能够实现网络快速构建和敏捷重构,还能够降低开销,提高抗毁性能。

    一种基于Q-学习的SDN负载均衡方法及系统

    公开(公告)号:CN113347108B

    公开(公告)日:2022-08-02

    申请号:CN202110552556.1

    申请日:2021-05-20

    Abstract: 本发明提出一种基于Q‑学习的SDN负载均衡方法及系统,解决了传统数据转发链路选择方法容易造成网络拥塞、负载失衡的问题,充分利用SDN架构控制层和数据层解耦的特点,目标为降低最大链路的带宽利用率,开始时随机获取作为初始状态的交换机源节点与作为最终状态的交换机目的节点,数据包从交换机源节点开始随机选择下一节点直至到达交换机目的节点,基于Q‑学习的学习能力,数据包的转发可根据网络环境自行做出决定,提高了网络的灵活性,而且提出的基于Q‑学习的SDN负载均衡系统将整个控制层模块化处理,提高了控制器管理网络的效率,控制器可根据学习结果减少链路的流量,实现数据包的合理分配,避免网络拥塞,实现负载均衡。

    一种混合智能路由切换方法及系统

    公开(公告)号:CN118316865A

    公开(公告)日:2024-07-09

    申请号:CN202410409715.6

    申请日:2024-04-07

    Abstract: 本发明涉及网络交换技术领域,提出一种混合智能路由切换方法及系统,其中:当前节点需要进行业务转发选路时,检测传统路由转发是否失效;当传统路由转发失效时,执行以下任一步骤:A、基于传统路由全失效的切换机制:将当前所选择的架构设置为仅调用智能路由算法,再基于当前所选择的架构进行路由选路;B、基于传统路由半失效的切换机制:对当前节点的所有邻居节点进行遍历,对在传统路由中无法作为向目的节点转发业务的下一跳节点进行过滤,再基于当前所选择的架构进行路由选路;C、基于路径确认的切换机制:向目的节点转发路径确认报文,基于路径确认响应报文对当前节点进行混合智能路由参数调整,再基于当前所选择的架构进行路由选路。

    一种适用于专网的路由通信方法、系统

    公开(公告)号:CN115242703A

    公开(公告)日:2022-10-25

    申请号:CN202210663366.1

    申请日:2022-06-13

    Abstract: 本发明公开了一种适用于专网的路由通信方法、系统,如下:邻居节点根据本地节点发送HELLO报文建立双向邻居关系;根据优先级或节点主地址完成DR选举;若链路带宽充足,DR定期发送LSADES展示本地LSDB摘要,否则仅周期性发送HELLO包;当进入同步LSDB流程条件时,向邻居节点LSAUPD或LSADES;本地节点根据接收到LSAUPD报文新旧判断是否安装到本地LSDB;本地节点比较收到LSADES报文与本地LSDB,若LSADES不存在LSA摘要,将LSA摘要信息封装成LSAUPD发送;若本地LSDB不存在LSA摘要,向该邻居节点发送本节点的LSADES报文;计算本地节点路由表;获得重分布路由表;合并本地节点路由表与重分布路由表,生成本地路由表。

    一种基于Q-学习的SDN负载均衡方法及系统

    公开(公告)号:CN113347108A

    公开(公告)日:2021-09-03

    申请号:CN202110552556.1

    申请日:2021-05-20

    Abstract: 本发明提出一种基于Q‑学习的SDN负载均衡方法及系统,解决了传统数据转发链路选择方法容易造成网络拥塞、负载失衡的问题,充分利用SDN架构控制层和数据层解耦的特点,目标为降低最大链路的带宽利用率,开始时随机获取作为初始状态的交换机源节点与作为最终状态的交换机目的节点,数据包从交换机源节点开始随机选择下一节点直至到达交换机目的节点,基于Q‑学习的学习能力,数据包的转发可根据网络环境自行做出决定,提高了网络的灵活性,而且提出的基于Q‑学习的SDN负载均衡系统将整个控制层模块化处理,提高了控制器管理网络的效率,控制器可根据学习结果减少链路的流量,实现数据包的合理分配,避免网络拥塞,实现负载均衡。

    一种基于容器的路由仿真系统及方法

    公开(公告)号:CN118250180A

    公开(公告)日:2024-06-25

    申请号:CN202410230696.0

    申请日:2024-02-29

    Abstract: 本发明提出一种基于容器的路由仿真系统及方法,涉及网络仿真的技术领域,路由仿真系统由虚拟网络节点构建单元、虚拟拓扑构建单元、软件路由单元、链路模拟单元、半实物互联单元组成,以容器形式创建虚拟网络节点并进行封装,创建虚拟网络节点之间的虚拟链路,构建网络拓扑,并将虚拟网络节点与实物节点互联,虚拟链路上配置链路参数以模拟实际的链路情况,最后在虚拟网络节点上运行路由软件,得到搭建好的路由仿真环境,实现高效、灵活、逼真、成本低且物理资源消耗较低的路由仿真,可仿真设备级代码,按需定制特殊网络设备、场景,并且能够与真实设备互联互通,具备半实物仿真能力。

Patent Agency Ranking