-
公开(公告)号：CN117880256B
公开(公告)日：2024-08-27
申请号：CN202311641561.5
申请日：2023-12-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多控制器SDN的数据中心网络视频流QoS保障方法，具体是：主控制器根据全局网络视图和可达路径矩阵判断待传输视频流的源主机与目的主机是否直连，是则直接转发；否则基于M/M/N+1排队模型根据视频流的优先级，结合可达路径矩阵Ar将待传输视频流转发至网络可达且负载值最低的子控制器；针对被分配至子控制器的待转发视频流，构建视频流QoS保障多约束条件，得到路径的最小传输总成本；利用RNN改进DDPG深度强化学习算法，通过不断迭代训练当前网络和目标网络，获得待转发视频流最优路径规划。本发明能够有效解决网络拥塞和QoS保障问题，提高多媒体视频流传输的质量和用户体验。
-
公开(公告)号：CN117793844A
公开(公告)日：2024-03-29
申请号：CN202410212533.X
申请日：2024-02-27
Applicant: 南京邮电大学 , 南京邮信科技有限公司
IPC: H04W40/20 , H04W40/22 , H04W40/12 , H04W40/02 , H04L45/02 , H04W4/46 , H04W84/18 , H04W40/24 , G06N7/02 , G06N3/126 , H04L45/12
Abstract: 本发明公开了一种基于模糊逻辑的地理位置路由方法，包括步骤如下：S1，当节点收到需要转发的数据包时，判断通信范围内是否存在比自己距离目的地更近的邻居节点：若不存在，则进入周界转发模式，由周界转发原理选择下一跳中继；若存在，则对邻居节点进行评估；邻居节点评估对象包括邻居节点距目的地的距离、邻居节点的移动方向、邻居节点的当前通信负载以及邻居节点和当前节点之间的链路质量；S2，通过模糊逻辑系统得到每个邻居节点的模糊分数，并使用遗传算法对模糊规则库进行优化；最后，根据模糊分数的高低选择最适配的下一跳中转节点。本发明弥补了GPSR判断路由单一的问题，提高了路由的可靠性和系统的容错性。
-
公开(公告)号：CN117240788B
公开(公告)日：2024-03-08
申请号：CN202311521178.6
申请日：2023-11-15
Applicant: 南京邮电大学
IPC: H04L47/125 , H04L47/10 , H04L47/25 , H04L47/2483
-
公开(公告)号：CN117294643A
公开(公告)日：2023-12-26
申请号：CN202311575841.0
申请日：2023-11-24
Applicant: 南京邮电大学
IPC: H04L45/302 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/76 , H04L47/6275 , G06F18/23213
Abstract: 本发明公开了一种基于SDN架构的网络QoS保障路由方法，根据网络拓扑信息，抽象成有向图，然后基于基于改经的k‑means算法将数据分为老鼠流、大象流、巨象流，定义流量传输的约束条件，构建DQN神经网络，以奖励函数R最大的动作所对应的最大Q值为目标训练DQN神经网络，得到QoS保障路由模型，得到最优路径权重值，根据Dijkstra算法确定数据包发送路径，最后将路径信息下发到交换机。本发明避免了传统K‑means算法对数据的处理不够稳健以及分类结果不够准确的情况。在DQN的神经网络训练时，从经验池中依据数据的优先性抽取数据，使得神经网络更加关注重要的数据，提高了神经网络的学习效率和算法的性能。
-
公开(公告)号：CN117793844B
公开(公告)日：2024-05-28
申请号：CN202410212533.X
申请日：2024-02-27
Applicant: 南京邮电大学 , 南京邮信科技有限公司
IPC: H04W40/20 , H04W40/22 , H04W40/12 , H04W40/02 , H04L45/02 , H04W4/46 , H04W84/18 , H04W40/24 , G06N7/02 , G06N3/126 , H04L45/12
Abstract: 本发明公开了一种基于模糊逻辑的地理位置路由方法，包括步骤如下：S1，当节点收到需要转发的数据包时，判断通信范围内是否存在比自己距离目的地更近的邻居节点：若不存在，则进入周界转发模式，由周界转发原理选择下一跳中继；若存在，则对邻居节点进行评估；邻居节点评估对象包括邻居节点距目的地的距离、邻居节点的移动方向、邻居节点的当前通信负载以及邻居节点和当前节点之间的链路质量；S2，通过模糊逻辑系统得到每个邻居节点的模糊分数，并使用遗传算法对模糊规则库进行优化；最后，根据模糊分数的高低选择最适配的下一跳中转节点。本发明弥补了GPSR判断路由单一的问题，提高了路由的可靠性和系统的容错性。
-
Patent Agency Ranking
公开(公告)号：CN117880256A
公开(公告)日：2024-04-12
申请号：CN202311641561.5
申请日：2023-12-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多控制器SDN的数据中心网络视频流QoS保障方法，具体是：主控制器根据全局网络视图和可达路径矩阵判断待传输视频流的源主机与目的主机是否直连，是则直接转发；否则基于M/M/N+1排队模型根据视频流的优先级，结合可达路径矩阵Ar将待传输视频流转发至网络可达且负载值最低的子控制器；针对被分配至子控制器的待转发视频流，构建视频流QoS保障多约束条件，得到路径的最小传输总成本；利用RNN改进DDPG深度强化学习算法，通过不断迭代训练当前网络和目标网络，获得待转发视频流最优路径规划。本发明能够有效解决网络拥塞和QoS保障问题，提高多媒体视频流传输的质量和用户体验。
-
公开(公告)号：CN117240788A
公开(公告)日：2023-12-15
申请号：CN202311521178.6
申请日：2023-11-15
Applicant: 南京邮电大学
IPC: H04L47/125 , H04L47/10 , H04L47/25 , H04L47/2483
Abstract: 本发明公开了一种基于SDN的数据中心网络拥塞控制方法，具体为：S1：SDN控制器实时监控队列长度；S2：使用改进的RED算法根据队列长度和阈值来管理队列；S3：将网络中的全局数据流信息记录在流表当中；S4：将全局数据流分成老鼠流、普通大象流和超象流；S5：当某个交换机出现拥塞，且全局数据流是超象流时，主控制器选择目标子控制器，并在过载子控制器中选择部分流量迁移至目标子控制器中；S6：当某个交换机出现拥塞，且全局数据流是普通大象流时，对该普通大象流的发送窗口的传输速率进行调整；S7：当交换机进入拥塞状态时，交换机根据队列长度判断是否解除拥塞状态。本发明能够保持网络的高效运行，提高了资源利用率。
-
公开(公告)号：CN118660032A
公开(公告)日：2024-09-17
申请号：CN202410566483.5
申请日：2024-05-09
Applicant: 南京邮电大学
IPC: H04L61/3015 , H04L61/30 , G06F3/06
Abstract: 本发明公开了一种多维标识命名空间，包括全局命名空间和局部命名空间，全局命名空间的属性具有唯一性，与设备的硬件特性或生产过程相关联，这些属性在设备制造时被设定，并在全局范围内保持唯一性，确保智能体在网络中的标识唯一；局部命名空间中的属性是可变的和动态的，这些属性描述了智能体在特定环境或条件下的状态和特征，包括智能体的地理位置、安全配置。一种多维标识命名空间的存储方法，用于存储多维标识命名空间，利用张量的数据结构特性，将多维标识命名空间的对象属性、联接属性和应用属性以三维张量的形式表示和存储。本发明中多维标识结合了时间、空间的属性，实现对网络中任意智能体的唯一标识，提高标识的唯一性和多样性。
-
公开(公告)号：CN117294643B
公开(公告)日：2024-03-12
申请号：CN202311575841.0
申请日：2023-11-24
Applicant: 南京邮电大学
IPC: H04L45/302 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/76 , H04L47/6275 , G06F18/23213
Abstract: 本发明公开了一种基于SDN架构的网络QoS保障路由方法，根据网络拓扑信息，抽象成有向图，然后基于基于改经的k‑means算法将数据分为老鼠流、大象流、巨象流，定义流量传输的约束条件，构建DQN神经网络，以奖励函数R最大的动作所对应的最大Q值为目标训练DQN神经网络，得到QoS保障路由模型，得到最优路径权重值，根据Dijkstra算法确定数据包发送路径，最后将路径信息下发到交换机。本发明避免了传统K‑means算法对数据的处理不够稳健以及分类结果不够准确的情况。在DQN的神经网络训练时，从经验池中依据数据的优先性抽取数据，使得神经网络更加关注重要的数据，提高了神经网络的学习效率和算法的性能。
-
公开(公告)号：CN117221950A
公开(公告)日：2023-12-12
申请号：CN202311475470.9
申请日：2023-11-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的车辆任务卸载方法与系统，该系统整合了将深度强化学习算法和边缘计算结构，将二者结合引入到车联网的计算资源分配问题中，通过用户车辆与边缘计算服务器交互来获取用户车辆的服务需求，采用深度确定性策略梯度算法进行多轮训练并结合优先经验回放机制获得最优的任务卸载策略。充分利用其在环境感知、环境交互、自主学习和智能决策等方面的性能优势，来满足复杂车联网场景中较大计算任务的需求。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
