一種認(rèn)知網(wǎng)絡(luò)資源智能管理方法
【專利摘要】本發(fā)明涉及一種認(rèn)知網(wǎng)絡(luò)資源智能管理方法。該方法針對(duì)認(rèn)知網(wǎng)絡(luò)中面向業(yè)務(wù)的端到端服務(wù)質(zhì)量保障問題，首先獲取業(yè)務(wù)預(yù)期使用的網(wǎng)元和鏈路的服務(wù)質(zhì)量參數(shù)值，使用BP-深度信念網(wǎng)絡(luò)進(jìn)行資源可用性評(píng)估，根據(jù)評(píng)估結(jié)果使用案例推理確定決策方案，并根據(jù)決策方案進(jìn)行網(wǎng)絡(luò)資源重配置，從而保證認(rèn)知網(wǎng)絡(luò)中業(yè)務(wù)端到端服務(wù)質(zhì)量。
【專利說明】一種認(rèn)知網(wǎng)絡(luò)資源智能管理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及網(wǎng)絡(luò)資源智能管理領(lǐng)域，尤其涉及一種認(rèn)知網(wǎng)絡(luò)中基于BP-深度信念網(wǎng)絡(luò)的資源智能管理方法。
【背景技術(shù)】
[0002]近年來，Internet網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展和多媒體應(yīng)用的快速普及，使網(wǎng)絡(luò)業(yè)務(wù)與用戶數(shù)量呈爆炸性增長(zhǎng)，網(wǎng)絡(luò)成為人們獲取信息、發(fā)布信息的重要途徑。認(rèn)知網(wǎng)絡(luò)中網(wǎng)絡(luò)資源智能管理能夠?yàn)榫W(wǎng)絡(luò)運(yùn)行的穩(wěn)定性和可靠性提供保障。
[0003]網(wǎng)絡(luò)資源智能管理即利用人工智能算法實(shí)現(xiàn)網(wǎng)絡(luò)資源自動(dòng)化配置，滿足網(wǎng)絡(luò)多業(yè)務(wù)服務(wù)質(zhì)量，即QoS需求的同時(shí)使網(wǎng)絡(luò)中的資源得到更加有效的利用。起初管理資源網(wǎng)絡(luò)管理主要根據(jù)網(wǎng)絡(luò)反饋信息人工管理網(wǎng)絡(luò)，網(wǎng)絡(luò)資源管理效率低，并且缺乏實(shí)時(shí)性，是提高網(wǎng)絡(luò)服務(wù)質(zhì)量的瓶頸之一。隨著自治管理概念的出現(xiàn)，智能網(wǎng)絡(luò)資源管理越來越受到人們的重視。智能資源智能管理方法能夠根據(jù)網(wǎng)絡(luò)實(shí)時(shí)QoS參數(shù)實(shí)現(xiàn)網(wǎng)絡(luò)資源自動(dòng)配置和自動(dòng)調(diào)整。認(rèn)知網(wǎng)絡(luò)資源智能管理能夠依照用戶業(yè)務(wù)的變化，考慮當(dāng)前網(wǎng)絡(luò)資源條件，并且動(dòng)態(tài)重配置網(wǎng)絡(luò)資源，提高了網(wǎng)絡(luò)資源管理的實(shí)時(shí)性和效率的同時(shí)兼顧業(yè)務(wù)的QoS。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所解決的技術(shù)問題是:
[0005]改善網(wǎng)絡(luò)資源管理效率低，并且缺乏實(shí)時(shí)性的問題，實(shí)現(xiàn)網(wǎng)絡(luò)的認(rèn)知性，提高網(wǎng)絡(luò)資源管理的效率和服務(wù)質(zhì)量。
[0006]為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是:
[0007]采用一種認(rèn)知網(wǎng)絡(luò)的資源智能管理方法，主要通過安全通信接口模塊，資源評(píng)估模塊，策略管理模塊、數(shù)據(jù)庫模塊以及網(wǎng)絡(luò)路由器實(shí)現(xiàn):
[0008]其中，安全通信接口模塊負(fù)責(zé)實(shí)現(xiàn)數(shù)據(jù)庫、策略管理模塊、資源評(píng)估模塊和網(wǎng)絡(luò)路由器的通信；
[0009]資源評(píng)估模塊負(fù)責(zé)根據(jù)業(yè)務(wù)預(yù)期使用的網(wǎng)元和鏈路的QoS參數(shù)值評(píng)估當(dāng)前網(wǎng)絡(luò)的可用性，其中QoS參數(shù)可包括帶寬、時(shí)延、抖動(dòng)、丟包率。該模塊是資源智能管理中心的核心之一，BP-深度信念網(wǎng)絡(luò)可實(shí)現(xiàn)該模塊功能的算法。
[0010]策略管理模塊負(fù)責(zé)根據(jù)資源評(píng)估結(jié)果使用案例推理進(jìn)行決策，并根據(jù)決策結(jié)果控制網(wǎng)絡(luò)資源重配置，該模塊亦是資源智能管理中心的核心之一。
[0011]數(shù)據(jù)庫模塊負(fù)責(zé)存儲(chǔ)采集的網(wǎng)絡(luò)資源參數(shù)和案例，為資源評(píng)估模塊和決策管理模塊服務(wù)。
[0012]BP-深度信念網(wǎng)絡(luò)算法步驟如下:
[0013]1、采用四層BP-深度信念網(wǎng)絡(luò)體系結(jié)構(gòu)，底部三層構(gòu)成一個(gè)深度信念網(wǎng)絡(luò)，頂層為輸出層。輸入為網(wǎng)元和鏈路的QoS參數(shù)值，輸出表示當(dāng)前網(wǎng)絡(luò)資源可用性；
[0014]2、忽略輸出層，三層深度信念網(wǎng)絡(luò)構(gòu)成一個(gè)反向生成模型，通過基于限制波爾茲曼機(jī)RBM(Restricted Boltzmann Machine)的貪婪逐層無監(jiān)督學(xué)習(xí)算法完成深度信念網(wǎng)絡(luò)預(yù)訓(xùn)練。預(yù)訓(xùn)練過程簡(jiǎn)要分兩步:(I)通過RBM訓(xùn)練算法獲取深度信賴網(wǎng)絡(luò)(DBN)頂層第一級(jí)RBM的初始參數(shù)集；⑵第一級(jí)RBM的輸出作為第二級(jí)RBM的輸入，同樣初始化參數(shù)集；
[0015]3、通過預(yù)訓(xùn)練獲取深度信念網(wǎng)絡(luò)的參數(shù)集，然后將四層BP-深度信念網(wǎng)絡(luò)作為四層普通神經(jīng)網(wǎng)絡(luò)進(jìn)行精調(diào)。
[0016]本發(fā)明的有益效果是:
[0017]智能資源智能管理方法能夠根據(jù)網(wǎng)絡(luò)實(shí)時(shí)QoS參數(shù)實(shí)現(xiàn)網(wǎng)絡(luò)資源自動(dòng)配置和自動(dòng)調(diào)整。認(rèn)知網(wǎng)絡(luò)資源智能管理能夠依照用戶業(yè)務(wù)的變化，考慮當(dāng)前網(wǎng)絡(luò)資源條件，并且動(dòng)態(tài)重配置網(wǎng)絡(luò)資源，提高了網(wǎng)絡(luò)資源管理的實(shí)時(shí)性和效率的同時(shí)兼顧業(yè)務(wù)的QoS
[0018]圖1是本發(fā)明實(shí)施例的基于深度信念網(wǎng)絡(luò)的資源智能管理模型結(jié)構(gòu)示意圖。
[0019]圖2是本發(fā)明基于一種認(rèn)知網(wǎng)絡(luò)的資源智能管理中心設(shè)計(jì)組成結(jié)構(gòu)示意圖。
[0020]圖3是本發(fā)明基于一種認(rèn)知網(wǎng)絡(luò)的資源智能管理方法的流程圖。
【具體實(shí)施方式】
[0021]下面將結(jié)合說明書附圖，對(duì)本發(fā)明作進(jìn)一步的說明。
[0022]如圖1所示，認(rèn)知域A用戶向認(rèn)知域B請(qǐng)求資源，域內(nèi)業(yè)務(wù)認(rèn)知中心A獲取業(yè)務(wù)、請(qǐng)求對(duì)象等信息，向資源智能管理中心請(qǐng)求面向業(yè)務(wù)的資源可用性評(píng)估。若網(wǎng)絡(luò)資源能夠滿足業(yè)務(wù)QoS需求，則向域內(nèi)業(yè)務(wù)認(rèn)知中心A返回可行指示，域內(nèi)業(yè)務(wù)認(rèn)知中心通知用戶。若網(wǎng)絡(luò)資源不能滿足業(yè)務(wù)QoS需求，向域內(nèi)認(rèn)知中心A返回等待指示，同時(shí)根據(jù)策略指示進(jìn)行網(wǎng)絡(luò)資源重配置，例如重路由、自動(dòng)隊(duì)列管理等。重配置結(jié)束后向域內(nèi)業(yè)務(wù)認(rèn)知中心A返回可行指示，域內(nèi)業(yè)務(wù)認(rèn)知中心通知用戶。其中資源智能管理中心如圖2所示，采用基于BP-深度信念網(wǎng)絡(luò)的資源智能管理方法實(shí)現(xiàn)。
[0023]如圖2、圖3所示，安全通信接口模塊負(fù)責(zé)實(shí)現(xiàn)數(shù)據(jù)庫、策略管理模塊、資源評(píng)估模塊和網(wǎng)絡(luò)路由器的通信；其中資源評(píng)估模塊負(fù)責(zé)根據(jù)業(yè)務(wù)預(yù)期使用的網(wǎng)元和鏈路的QoS參數(shù)值評(píng)估當(dāng)前網(wǎng)絡(luò)的可用性，其中QoS參數(shù)可包括帶寬、時(shí)延、抖動(dòng)、丟包率，實(shí)現(xiàn)該模塊評(píng)估網(wǎng)絡(luò)資源可用性的算法為BP-深度信念網(wǎng)絡(luò)，即采用四層BP-深度信念網(wǎng)絡(luò)體系結(jié)構(gòu)，底部三層構(gòu)成一個(gè)深度信念網(wǎng)絡(luò)，頂層為輸出層。輸入為網(wǎng)元和鏈路的QoS參數(shù)值，輸出表示當(dāng)前網(wǎng)絡(luò)資源可用性；忽略輸出層，三層深度信念網(wǎng)絡(luò)構(gòu)成一個(gè)反向生成模型，通過基于RBM的貪婪逐層無監(jiān)督學(xué)習(xí)算法完成深度信念網(wǎng)絡(luò)預(yù)訓(xùn)練。預(yù)訓(xùn)練過程簡(jiǎn)要分兩步:(I)通過RBM訓(xùn)練算法獲取DBN頂層第一級(jí)RBM的初始參數(shù)集；(2)第一級(jí)RBM的輸出作為第二級(jí)RBM的輸入，同樣初始化參數(shù)集，最后通過預(yù)訓(xùn)練獲取深度信念網(wǎng)絡(luò)的參數(shù)集，然后將四層BP-深度信念網(wǎng)絡(luò)作為四層普通神經(jīng)網(wǎng)絡(luò)進(jìn)行精調(diào)。策略管理模塊根據(jù)資源評(píng)估模塊的輸出值使用案例推理進(jìn)行決策，并根據(jù)決策結(jié)果控制網(wǎng)絡(luò)資源重配置。
[0024]以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會(huì)有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其等效物界定。
【權(quán)利要求】
1.一種認(rèn)知網(wǎng)絡(luò)資源智能管理方法，其特征在于:包括安全通信接口模塊、資源評(píng)估模塊、策略管理模塊、數(shù)據(jù)庫模塊和網(wǎng)路路由器，其中安全通信接口模塊分別與資源評(píng)估模塊、策略管理模塊、數(shù)據(jù)庫模塊、網(wǎng)路路由器模塊相連接，負(fù)責(zé)實(shí)現(xiàn)資源評(píng)估模塊、策略管理模塊、數(shù)據(jù)庫以及網(wǎng)絡(luò)路由器的通信，資源評(píng)估模塊負(fù)責(zé)根據(jù)業(yè)務(wù)預(yù)期使用的網(wǎng)元和鏈路的服務(wù)質(zhì)量參數(shù)值評(píng)估當(dāng)前網(wǎng)絡(luò)資源的可用性，策略管理模塊負(fù)責(zé)根據(jù)資源評(píng)估結(jié)果使用案例推理進(jìn)行決策，并根據(jù)決策結(jié)果進(jìn)行網(wǎng)絡(luò)資源重配置，數(shù)據(jù)庫模塊負(fù)責(zé)存儲(chǔ)采集的網(wǎng)絡(luò)資源參數(shù)和案例，為資源評(píng)估模塊和決策管理模塊服務(wù)。
2.根據(jù)權(quán)利要求1所述一種認(rèn)知網(wǎng)絡(luò)資源智能管理方法，其特征在于:所述資源評(píng)估模塊在根據(jù)業(yè)務(wù)預(yù)期使用的網(wǎng)元和鏈路服務(wù)質(zhì)量參數(shù)值評(píng)估當(dāng)前網(wǎng)絡(luò)資源可用性的過程中，采納的業(yè)務(wù)預(yù)期使用的網(wǎng)元和鏈路服務(wù)質(zhì)量參數(shù)值為帶寬、時(shí)延、抖動(dòng)以及丟包率。
3.根據(jù)權(quán)利要求1所述一種認(rèn)知網(wǎng)絡(luò)資源智能管理方法，其特征在于:所述資源評(píng)估模塊在根據(jù)業(yè)務(wù)預(yù)期使用的網(wǎng)元和鏈路服務(wù)質(zhì)量參數(shù)值評(píng)估當(dāng)前網(wǎng)絡(luò)資源可用性的過程中，采用BP-深度信念網(wǎng)絡(luò)實(shí)現(xiàn)該模塊功能的算法，該算法步驟為: 采用四層BP-深度信念網(wǎng)絡(luò)體系結(jié)構(gòu)，底部三層構(gòu)成一個(gè)深度信念網(wǎng)絡(luò)，頂層為輸出層，輸入為網(wǎng)元和鏈路的服務(wù)質(zhì)量參數(shù)值，輸出表示當(dāng)前網(wǎng)絡(luò)資源可用性； 忽略輸出層，三層深度信念網(wǎng)絡(luò)構(gòu)成一個(gè)反向生成模型，通過基于限制波爾茲曼機(jī)的貪婪逐層無監(jiān)督學(xué)習(xí)算法完成深度信念網(wǎng)絡(luò)預(yù)訓(xùn)練。預(yù)訓(xùn)練過程簡(jiǎn)要分兩步，首先通過限制波爾茲曼機(jī)訓(xùn)練算法獲取深度信賴網(wǎng)絡(luò)頂層第一級(jí)限制波爾茲曼機(jī)的初始參數(shù)集，接著，第一級(jí)限制波爾茲曼機(jī)的輸出作為第二級(jí)限制波爾茲曼機(jī)的輸入，同樣初始化參數(shù)集; 通過預(yù)訓(xùn)練獲取深度信念網(wǎng)絡(luò)的參數(shù)集后，將四層BP-深度信念網(wǎng)絡(luò)作為四層普通神經(jīng)網(wǎng)絡(luò)進(jìn)行精調(diào)。
【文檔編號(hào)】H04L12/24GK103888285SQ201310631099
【公開日】2014年6月25日 申請(qǐng)日期:2013年12月2日 優(yōu)先權(quán)日:2013年12月2日
【發(fā)明者】洪智 申請(qǐng)人:江蘇達(dá)科信息科技有限公司