申请/专利权人：南京邮电大学

申请日：2023-11-24

公开（公告）日：2024-03-12

公开（公告）号：CN117294643B

主分类号：H04L45/302

分类号：H04L45/302;H04L45/00;H04L45/02;H04L45/12;H04L45/76;H04L47/6275;G06F18/23213

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.01.12#实质审查的生效;2023.12.26#公开

摘要：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。

主权项：1.一种基于SDN架构的网络QoS保障路由方法，其特征在于，包括如下步骤：S1、SDN控制器按照预设时间t周期性地获取数据中心网络拓扑信息；S2、根据拓扑信息将数据中心网络抽象为有向图，通过有向图获得数据中心网络数据传输可达路径，并用权重矩阵表示，具体是：有向图为G＝U，V，W，U表示网络的节点u的集合，即u∈U；V表示网络的链路v的集合，两个节点的连接定义一个链路，即v∈V，表示初始时网络路径节点的权重矩阵，其中wij＝R+，即正实数，表示在节点i和j之间有路径相连，即数据可达；wij＝0，表示在i和j之间无路径相连，即数据不可达；S3、SDN控制器接收来自源主机的数据流，根据有向图判断该数据流要发送的目的节点与源节点是否直接相连，是则直接按照网络可达路径进行数据包转发，否则执行步骤S4；S4、采用改进的基于数据分布密度的k-means算法将数据流聚类分簇，即先利用流量分布密度函数确定初始聚类中心，再将数据流进行聚类为包含具有各个分类特征的数据流，即老鼠流、大象流、以及巨象流；具体包括以下子步骤：S41、针对网络任意节点i计算所传数据流之间的欧氏距离disla，lb，如下式： 其中，网络中节点i传输的数据流用向量集合L＝{li|li∈Rp，i＝1，2，3，…，n}表示，n为节点i中传输的流量条数，p为流量的表示维数，la和lb是流量集合L中任意的两条数据流；计算节点i所有数据流的平均欧氏距离如下式： 其中，值越小，则数据流的平均欧氏距离越小，表示数据流之间的差异越小，即该节点的数据流越相似；S42、计算节点i传输的流量集合L中数据流la的数据密度denla，如下式： 其中，denla表示在数据流la的传输时间tla内传输的数据量或数据包数量的大小，denla用于衡量该数据流的流量强度；计算节点i所有数据流的平均数据密度如下式： 其中，值越大，则数据流的平均数据密度越大，表示节点i中的传输的数据量占比越高，即流量分布越集中；计算节点i传输的n条数据流的平均传输时间为如下式： 计算节点i所有数据流相对应的聚类中心ci，如下式： 其中，ci表示节点i所有数据流在大小、距离、密度的共同特征；S43、计算节点i的流量分布函数Fli，如下式： 其中，P是概率函数；计算节点i的分布密度函数fli，如下式： 其中，fli表示流量li分布在某个区间内的概率；S44、根据有向图G＝U，V，W，对网络的全部U个节点重复执行步骤S41-S43，获得网络各个节点的传输流量的分布密度函数，并用集合fall表示如下：fall＝{f1，f2，…，fi，…fu}，各个节点所对应的聚类均值中心Call如下式：Call＝{C1，c2，…，ci，…，Cu}，网络所有U个节点的平均流量分布密度函数如下式： 平均流量分布密度函数用于衡量网络各节点流量密度的平均值，通过与该函数值大小的比较，将网络中各节点分为高密度节点fih以及低密度节点fil；S45、根据高密度节点fih以及低密度节点fil，进一步得到下式： 将高密度节点对应的聚类中心从Call中抽取，作为K-means聚类中心的预备值，并用集合Ch表示，如下：Ch＝{c1，c2…，ci…，cm}，i＝1，2，3…m，m＜n，S46、从Ch中找出数值最大的数据对象c1作为第1个初始聚类中心并将c1从Ch中删除；S47、再从Ch中找出距离最远的数据对象c2作为第2个初始聚类中心并将c2从Ch中删除；S48、从Ch中找出距离和最远的数据对象c3作为第3个初始聚类中心并将c3从Ch中删除；S49、分配数据流到相应数据簇：利用步骤S46-S48获得的初始聚类簇中心集合对网络各节点的每条数据流进行聚类，计算其与各个初始聚类中心的距离，并将其分配给距离最近的聚类中心相对应的数据簇；S410、更新簇中心：对于每个簇，重复步骤S41-S42，计算所有分配给该簇的数据流的平均值，即数据流的中心点，并将该平均值作为新的簇中心S411、重复步骤S44-S410，直到聚类中心不再改变，保存聚类结果，将数据流聚类为老鼠流Lr、大象流Le、巨象流Lg；S5、计算路径的端到端时延、路径的可用带宽、路径的丢包率，然后构建数据流的QoS约束条件即最小传输总成本Costmin；S6、构建DQN神经网络，包括Q网络和目标Q_target网络；定义状态空间，包括网络拓扑结构信息、源节点、目的节点、各个分类特征的数据流；定义智能体与环境交互的动作空间A为数据流选择在节点之间的路径传输的权重值，奖励函数R为网络各路径最小传输总成本的负相关，以奖励函数R最大的动作a所对应的最大Q值为目标训练DQN神经网络，在训练过程中利用经验回放机制和目标Q_target网络，优化路由策略得到QoS保障路由模型；S7、利用QoS保障路由模型，得到数据流传输最优路径的权重值，由此权重值获得相应数据流传输最优路径，进一步确定传输路径经过的所有节点；S8、根据Dijkstra算法，选取传输路径经过的所有节点中权重值最小的节点作为路由节点，确定数据流的传输路径。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于SDN架构的网络QoS保障路由方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD