空分复用弹性光数据中心网络中风险感知的光路提供方法

    公开(公告)号:CN117856964A

    公开(公告)日:2024-04-09

    申请号:CN202410041847.8

    申请日:2024-01-11

    Abstract: 本发明涉及一种空分复用弹性光数据中心网络中风险感知的光路提供方法,属于通信技术领域。本发明在光路提供前根据来源、信任级别、串扰阈值以及所需带宽对业务请求进行排序;在节点映射阶段根据所需计算资源进行节点嵌入;在链路映射阶段根据路径负载最小来进行路径选择;在频谱分配阶段,为业务请求提供其所需频隙资源并更新底层网络状态。本发明将请求划分为域内请求和域外请求,并区分域外请求的信任级别,根据请求信任级别的不同采取不同的串扰应对方式。可信请求和不可信请求之间采取串扰避免策略,可信请求间串扰不应超过各自的串扰阈值,而不可信请求间则不做串扰相关的约束。

    一种基于多关系概率矩阵分解的服务质量快速预测方法

    公开(公告)号:CN116760735A

    公开(公告)日:2023-09-15

    申请号:CN202310547397.5

    申请日:2023-05-15

    Abstract: 本发明涉及一种基于多关系概率矩阵分解的服务质量快速预测方法,属于通信技术领域。该方法包括:S1:根据历史数据集构建全局图并对其降噪处理,即消除G中权值小于阈值θ1的边,得到A个关联密切的子图;S2:将A个子图融合到初始的QoS矩阵中,从而融合响应时间QoS矩阵;S3:根据事件发生的概率特点,构建满足高斯分布的用户特征矩阵U和服务特征矩阵S;S4:根据预测的QoS矩阵与真实的QoS矩阵R之差服从正态分布,得出R满足条件概率,计算先验概率;S5:根据贝叶斯定理,由已知的数据为先验概率,计算后验概率;S6:根据随机梯度下降的优化方法,不断迭代求最小化目标函数E。本发明可以提高服务质量QoS预测的准确度和高效性。

    一种基于策略网络强化学习的多类型服务资源编排方法

    公开(公告)号:CN115941506A

    公开(公告)日:2023-04-07

    申请号:CN202211201337.X

    申请日:2022-09-29

    Abstract: 本发明公开了一种基于策略网络强化学习的多类型服务资源编排方法,属于通信技术领域,包括以下主要步骤:步骤1:映射业务首节点;步骤2:将特征矩阵输入强化学习模型中;步骤3:输出候选动作概率;步骤4:选择最大概率动作映射;步骤5:将业务需要映射的下一节点和与上一节点之间的直连链路作为一个元组同时映射,重复步骤2‑4,直至业务全部节点均已映射,判断业务是否映射完成;步骤6:若业务映射完成,计算收益成本比;否则映射剩余链路,重复步骤2‑4直至业务映射完成,计算收益成本比;步骤7:计算损失函数损失值,策略梯度法更新强化学习模型参数。本方法可以提高平均节点服务资源利用率,同时降低业务阻塞率,减少服务提供商成本消耗。

    一种多芯光纤弹性光网络中依赖感知任务的卸载方法

    公开(公告)号:CN118138923A

    公开(公告)日:2024-06-04

    申请号:CN202410393240.6

    申请日:2024-04-02

    Abstract: 本发明涉及一种多芯光纤弹性光网络中依赖感知任务的卸载方法,属于通信技术领域。该方法包括:对每个子任务赋予层级,并按照层级递减的顺序计算每个子任务的优先级;所有子任务中,除开始子任务和结束子任务外,将其余子任务按照优先级递减的顺序放置到实际完成时刻最小的数据中心;遍历任务图的所有有向边的映射路径,按照映射路径长度递减的顺序,依次为每条映射路径对应的有向边分配传输速率;根据分配好的传输速率,为每条有向边分配频隙资源;若任务完成时延不超过时延阈值,则任务分配资源成功,进行任务卸载;否则,任务被阻塞。本发明可节省频谱资源,使网络可以容纳更多的任务,降低任务阻塞率。

    一种基于边云协同低成本的在线多功能业务的计算卸载方法

    公开(公告)号:CN113015217B

    公开(公告)日:2022-05-20

    申请号:CN202110182630.5

    申请日:2021-02-07

    Abstract: 本发明涉及一种基于边云协同低成本的在线多功能业务的计算卸载方法,属于通信技术领域,包括以下步骤:S1:判断边缘云中的边缘节点的剩余计算资源是否满足到达边缘云中的多功能业务的计算资源;S2:若剩余计算资源满足各功能请求的计算资源,则进行计算资源请求分配;S3:若多功能业务请求的计算资源请求分配成功,则进行链路带宽请求的判断;若失败则进行重分配方法判断;S4:若链路带宽资源请求成功,则进行成本计算;若失败,则进行重分配方法判断。本方法可以提高边缘云中业务的承载量,同时可以避免边缘云中系统资源大量浪费,并减少服务提供商总成本。

    一种基于策略网络强化学习的多类型服务资源编排方法

    公开(公告)号:CN115941506B

    公开(公告)日:2024-10-01

    申请号:CN202211201337.X

    申请日:2022-09-29

    Abstract: 本发明公开了一种基于策略网络强化学习的多类型服务资源编排方法,属于通信技术领域,包括以下主要步骤:步骤1:映射业务首节点;步骤2:将特征矩阵输入强化学习模型中;步骤3:输出候选动作概率;步骤4:选择最大概率动作映射;步骤5:将业务需要映射的下一节点和与上一节点之间的直连链路作为一个元组同时映射,重复步骤2‑4,直至业务全部节点均已映射,判断业务是否映射完成;步骤6:若业务映射完成,计算收益成本比;否则映射剩余链路,重复步骤2‑4直至业务映射完成,计算收益成本比;步骤7:计算损失函数损失值,策略梯度法更新强化学习模型参数。本方法可以提高平均节点服务资源利用率,同时降低业务阻塞率,减少服务提供商成本消耗。

    基于分段路由的带内网络遥测高收益资源编排方法

    公开(公告)号:CN117834516A

    公开(公告)日:2024-04-05

    申请号:CN202410047701.4

    申请日:2024-01-12

    Abstract: 本发明涉及一种基于分段路由的带内网络遥测高收益资源编排方法,属于通信技术领域。该方法通过构建二次约束二次规划模型来解决带内网络遥测中路径和遥测数据分配的问题;同时,该方法采用启发式算法通过寻找次优解的方式来解决所述二次约束二次规划模型求解时间过长的问题,通过综合考虑业务流的路径来进行路径选择和遥测数据分配,实现带内网络遥测资源的编排。本发明通过实验验证与三种现有算法对比,结果表明在收集遥测信息总体增益、节点覆盖率以及遥测数据覆盖率等方面,本发明具有明显的优势。

    一种基于图重构高收益在线依赖感知业务的计算卸载方法

    公开(公告)号:CN116249158A

    公开(公告)日:2023-06-09

    申请号:CN202310158683.2

    申请日:2023-02-24

    Abstract: 本发明涉及一种基于图重构高收益的在线依赖感知业务的计算卸载方法的设计,属于通信技术领域,通过利用依赖感知业务请求的有向图进行重构建,针对边缘云网络结合时隙进行计算资源与通信资源的分配,进行系统高收益的有效研究。依赖感知业务计算卸载的问题只要具有拓扑结构,各功能之间具有依赖性且不可再拆分,不改变系统结构均可以直接使用。首先,针对依赖感知业务的有向图进行重构建以达到合理简化的目的,然后针对依赖感知业务的计算请求与带宽请求进行资源分配,在满足时延要求下进行进一步的时隙资源分配,从而有效实现计算卸载低成本、高收益。本发明能将更多的业务分布在边缘云中,针对复杂拓扑结构的业务同样适用。

    联合用户与服务多关系的服务质量预测方法

    公开(公告)号:CN115660148B

    公开(公告)日:2025-05-06

    申请号:CN202211203346.2

    申请日:2022-09-29

    Abstract: 本发明公开了一种联合用户与服务多关系的服务质量预测方法,属于通信技术领域。步骤1:根据历史数据流,表示出用户图、服务图和用户服务图;步骤2:基于用户图、服务图和用户服务图来构建全局图G,并将G中边权值小于阈值的边裁剪掉;步骤3:利用K个子图对应的响应时间QoS矩阵来加权原QoS矩阵A,从而融合为新的响应时间QoS矩阵B;步骤4:将融合的新矩阵B进行矩阵分解求得最小损失函数;步骤5:以平均绝对误差和均方根误差来评估多关系的服务质量预测方法性能。本方法结合了图论中图和凸优化中矩阵分解和梯度下降的优势,规避了预测的噪声,通过本方法可以提高服务质量QoS预测的准确度,同时提高用户调用服务的体验感。

    基于双智能体深度强化学习的多类型任务卸载系统及方法

    公开(公告)号:CN116647879A

    公开(公告)日:2023-08-25

    申请号:CN202310711286.3

    申请日:2023-06-15

    Abstract: 本发明涉及基于双智能体深度强化学习的多类型任务卸载系统及方法,属于通信技术领域。该方法包括以下步骤:S1:将节点特征矩阵输入节点映射智能体;S2:节点映射智能体输出所有节点被选择的概率,选择概率最大的节点映射;S3:判断所有组件是否映射完毕,是则执行S4,否则返回S1;S4:将链路特征矩阵输入链路映射智能体;S5:链路映射智能体输出所有路径被选择的概率,选择概率最大的路径映射;S6:判断所有链路是否映射完毕,是则执行S7,否则返回S4;S7:计算双智能体奖励和损失函数,更新相关参数。本发明对多类型资源均衡分配,提高物理节点资源利用率,降低请求阻塞率,提高边缘云网络的承载量和服务供应商的收益。

Patent Agency Ranking