-
公开(公告)号：CN111526070A
公开(公告)日：2020-08-11
申请号：CN202010359298.0
申请日：2020-04-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于预测的服务功能链故障检测方法，属于通信技术领域。本发明首先根据虚拟网络环境下服务功能链的虚拟网络功能间存在的性能相关性，采用监测整条服务功能链上每个虚拟网络功能性能数据的方式收集数据，并对其工作状态进行划分；其次考虑到网络监测数据的高维复杂和时间相关特性，结合故障检测的主动性要求，采用门控循环单元网络进行故障的检测，通过分析服务功能链的历史性能数据信息来预测网络的健康状况；并利用不同服务功能链间虚拟网络功能节点的相似性，引入迁移学习来加快模型的收敛速度。本发明可以在满足故障检测时间要求的同时有效检测出故障发生。
-
公开(公告)号：CN111368888A
公开(公告)日：2020-07-03
申请号：CN202010116968.6
申请日：2020-02-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度动态贝叶斯网络的服务功能链故障诊断方法，属于通信技术领域，结合服务功能链场景的特点，根据服务功能链的分层网络架构中的故障传播关系，构建故障诊断模型，采用在物理节点监测其上多个虚拟网络功能性能数据的方式收集症状的高维数据。并且考虑到基于SDN/NFV架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性，采用深度信念网络对观测数据特征进行提取。最后，利用故障传播的时间相关性，引入动态贝叶斯网络对故障根源进行实时诊断。本发明提出5G端到端网络切片场景的服务功能链故障诊断方法能够在有效处理高维网络数据的同时，满足系统对故障诊断精度的要求。
-
公开(公告)号：CN111147307A
公开(公告)日：2020-05-12
申请号：CN201911397560.4
申请日：2019-12-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度强化学习的服务功能链可靠部署方法，属于通信技术领域。该方法包括以下步骤：S1：基于设备使用度和周边安全系数的可靠性度量方式得到可靠性值；S2：通过功能特性、拓扑特性初步确定每个虚拟网络功能的可靠性需求；S3：求得满足虚拟链路可靠性需求的链路可靠性需求可部署长度；S4：基于各个可靠性需求，使用深度强化学习寻找适合虚拟网络环境和基层环境的最佳映射方案；S5：在映射过程中如VNF可靠性不能满足，使用基于重要度的节点备份方法，链路部署结果不满足链路可靠性，使用基于链路备份重要度的链路备份方法。本方法在保证可靠性需求的基础上能够有效应对基层故障，减少失效SFC数量，同时保证负载均衡使整个虚拟网络更加稳定可靠。
-
公开(公告)号：CN111130904B
公开(公告)日：2022-03-29
申请号：CN201911402655.0
申请日：2019-12-30
Applicant: 重庆邮电大学
IPC: H04L41/5051 , H04L41/0894
Abstract: 本发明涉及一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法，属于移动通信技术领域。该算法具体包括以下步骤：S1：在NFV/SDN架构下，考虑SFC资源需求动态变化，在保证底层物理资源和用户QoS需求的前提下，通过VNF迁移，并确定底层每个通用物理服务器的工作状态，实现网络能耗与SFC端到端时延的联合优化；S2：针对状态空间和动作空间是连续值集合，采用基于深度确定性策略梯度的VNF智能迁移算法，从而得到近似最优的VNF迁移策略；S3：在每个离散的时隙上，根据底层通用服务器工作状态、VNF的CPU资源需求以及虚拟链路的带宽资源需求，将VNF迁移至合适的目的服务器上。该算法可以实现网络能耗和SFC端到端时延的折中，并提高物理网络的资源利用率。
-
公开(公告)号：CN111586696A
公开(公告)日：2020-08-25
申请号：CN202010358378.4
申请日：2020-04-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多智能体架构强化学习的资源分配及卸载决策方法，属于移动通信技术领域。该方法在考虑激励约束、能量约束、以及网络资源约束，联合优化无线资源分配、计算资源分配以及卸载决策，建立最大化系统总用户QoE的随机优化模型，并转化为MDP问题。其次，该方法将原MDP问题进行因式分解，并建立马尔科夫博弈模型。然后，该方法基于行动者-评判家算法提出一种集中式训练、分布式执行机制。在集中式训练过程中，多智能体通过协作获取全局信息，实现资源分配及任务卸载决策策略优化，在训练过程结束后，各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。本发明可以有效提升用户QoE，并降低了时延及能耗。
-
Patent Agency Ranking
公开(公告)号：CN111475252B
公开(公告)日：2022-07-15
申请号：CN202010155122.3
申请日：2020-03-06
Applicant: 重庆邮电大学
IPC: G06F9/455 , G06F9/50 , G06N3/04 , H04L41/0823
Abstract: 本发明涉及一种基于深度强化学习的虚拟网络功能部署优化方法，属于移动通信技术领域。本方法在保证物理层CPU、带宽资源和SFC端到端时延约束下，考虑VNF共享，通过部署VNF和分配CPU资源来联合优化服务提供商总成本和SFC端到端时延；其次，由于本方案的状态空间和动作空间是连续值集合，提出一种基于深度强化学习的VNF智能部署算法，从而得到近似最优的VNF部署和资源分配策略。在每个离散的时隙上，根据SFC的到达率、通用服务器的剩余CPU资源以及物理链路的剩余带宽资源，将VNF部署至合适的目的服务器上，并分配给其CPU资源。本发明提出的VNF部署优化算法可以实现服务提供商总成本和SFC端到端时延的折中，并提高物理网络的资源利用。
-
公开(公告)号：CN111368888B
公开(公告)日：2022-07-01
申请号：CN202010116968.6
申请日：2020-02-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度动态贝叶斯网络的服务功能链故障诊断方法，属于通信技术领域，结合服务功能链场景的特点，根据服务功能链的分层网络架构中的故障传播关系，构建故障诊断模型，采用在物理节点监测其上多个虚拟网络功能性能数据的方式收集症状的高维数据。并且考虑到基于SDN/NFV架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性，采用深度信念网络对观测数据特征进行提取。最后，利用故障传播的时间相关性，引入动态贝叶斯网络对故障根源进行实时诊断。本发明提出5G端到端网络切片场景的服务功能链故障诊断方法能够在有效处理高维网络数据的同时，满足系统对故障诊断精度的要求。
-
公开(公告)号：CN111147307B
公开(公告)日：2022-04-29
申请号：CN201911397560.4
申请日：2019-12-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度强化学习的服务功能链可靠部署方法，属于通信技术领域。该方法包括以下步骤：S1：基于设备使用度和周边安全系数的可靠性度量方式得到可靠性值；S2：通过功能特性、拓扑特性初步确定每个虚拟网络功能的可靠性需求；S3：求得满足虚拟链路可靠性需求的链路可靠性需求可部署长度；S4：基于各个可靠性需求，使用深度强化学习寻找适合虚拟网络环境和基层环境的最佳映射方案；S5：在映射过程中如VNF可靠性不能满足，使用基于重要度的节点备份方法，链路部署结果不满足链路可靠性，使用基于链路备份重要度的链路备份方法。本方法在保证可靠性需求的基础上能够有效应对基层故障，减少失效SFC数量，同时保证负载均衡使整个虚拟网络更加稳定可靠。
-
公开(公告)号：CN111475252A
公开(公告)日：2020-07-31
申请号：CN202010155122.3
申请日：2020-03-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度强化学习的虚拟网络功能部署优化算法，属于移动通信技术领域。本方法在保证物理层CPU、带宽资源和SFC端到端时延约束下，考虑VNF共享，通过部署VNF和分配CPU资源来联合优化服务提供商总成本和SFC端到端时延；其次，由于本方案的状态空间和动作空间是连续值集合，提出一种基于深度强化学习的VNF智能部署算法，从而得到近似最优的VNF部署和资源分配策略。在每个离散的时隙上，根据SFC的到达率、通用服务器的剩余CPU资源以及物理链路的剩余带宽资源，将VNF部署至合适的目的服务器上，并分配给其CPU资源。本发明提出的VNF部署优化算法可以实现服务提供商总成本和SFC端到端时延的折中，并提高物理网络的资源利用。
-
公开(公告)号：CN111526070B
公开(公告)日：2022-06-03
申请号：CN202010359298.0
申请日：2020-04-29
Applicant: 重庆邮电大学
IPC: H04L43/0817 , H04L41/50 , H04L41/0893 , H04L41/14 , G06F9/455
Abstract: 本发明涉及一种基于预测的服务功能链故障检测方法，属于通信技术领域。本发明首先根据虚拟网络环境下服务功能链的虚拟网络功能间存在的性能相关性，采用监测整条服务功能链上每个虚拟网络功能性能数据的方式收集数据，并对其工作状态进行划分；其次考虑到网络监测数据的高维复杂和时间相关特性，结合故障检测的主动性要求，采用门控循环单元网络进行故障的检测，通过分析服务功能链的历史性能数据信息来预测网络的健康状况；并利用不同服务功能链间虚拟网络功能节点的相似性，引入迁移学习来加快模型的收敛速度。本发明可以在满足故障检测时间要求的同时有效检测出故障发生。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
