一种用于可编程数据平面网络的网络切片编排方法

    公开(公告)号:CN119906644A

    公开(公告)日:2025-04-29

    申请号:CN202510405408.5

    申请日:2025-04-02

    Abstract: 本申请提供一种用于可编程数据平面网络的网络切片编排方法,该方法在获取针对不同待编排网络切片对应的业务请求后;采用配置的网络成本函数、任一业务请求对应的需遍历的VNF类型序列和相应VNF类型的VNF实例、所需的最大路由延迟,以及各待编排网络切片的源节点和目的节点,对VNF进行节点部署,得到业务请求对应的最优路由路径和VNF部署信息;基于业务请求对应的最优路由路径和VNF部署信息,生成对应的编排文件,并将编排文件分发至所述可编程数据平面网络中的每个交换机,以进行业务请求对应的网络切片的编排。该方法使得资源分配、路径选择和服务质量保障能够协同优化,提升了网络切片部署及资源分配的灵活性与高效性。

    基于可编程数据平面的智能网内负载均衡方法与装置

    公开(公告)号:CN116155819A

    公开(公告)日:2023-05-23

    申请号:CN202310424468.2

    申请日:2023-04-20

    Abstract: 本发明提供了一种基于可编程数据平面的智能网内负载均衡方法与装置,涉及通信的技术领域,该方法应用于控制平面,通过获取网络系统中每个交换机的队列深度来实现全局拥塞感知,并利用强化学习算法确定目标交换机的端口转发概率,以辅助决策目标交换机的数据包转发路径。由于强化学习算法的奖励函数值与网络系统中交换机的队列深度差值和平均队列深度成反比,所以能够达到网络中负载均衡效果越差则奖励越少的目的,进而使得智能体输出的动作向减小拥塞、增强负载均衡效果的方向发展。在不对称的网络拓扑环境中仍具备较佳的负载均衡效果,有效地缓解了现有的负载均衡方法负载均衡效果差和普适性差的技术问题。

    时间敏感流的调度方法、装置和电子设备

    公开(公告)号:CN114785738A

    公开(公告)日:2022-07-22

    申请号:CN202210677447.7

    申请日:2022-06-16

    Abstract: 本发明提供了一种时间敏感流的调度方法、装置和电子设备,涉及通信的技术领域,包括:获取待调度的时间敏感流集合和目标网络的网络拓扑信息;基于时间敏感流集合和网络拓扑信息,确定目标时间敏感流集合和目标时间敏感流集合对应的目标时隙队列映射关系;基于目标时隙队列映射关系对目标时间敏感流集合中的目标时间敏感流进行调度。本发明方法在从待调度的时间敏感流集合中确定目标时间敏感流时,将时间敏感流的路由代价和交换机端口队列的可用资源情况共同作为可调度条件进行综合考量,从而使得目标网络在调度时间敏感流时能够最大化的利用其网络资源,进而有效地缓解了现有的时间敏感流的调度方法存在的网络负载不均衡的技术问题。

    一种基于多智能体强化学习的时延容忍网络路由算法

    公开(公告)号:CN112867083A

    公开(公告)日:2021-05-28

    申请号:CN202011588326.2

    申请日:2020-12-29

    Abstract: 本发明公开一种基于多智能体强化学习的时延容忍网络路由算法,其特征在于,步骤包括:一、将时延容忍网络节点进行Louvian分簇算法,提出了一种集中式加分布式的分层架构;二、结合正社会特性将DTN节点选择下一跳问题建模为分布式部分可观测马尔科夫决策过程(Dec‑POMDP)模型;与现有技术相比,本专利技术方案对比现有的基于社会属性的时延容忍网络路由方案,提出了一种分层架构,能够方便地捕捉边缘设备的社会信息;一方面分布式地执行计算中心下发的路由决策,另一方面在计算中心根据服务单元传来的状态集中式地训练路由算法。能够更有效地利用社会特性进行时延容忍网络中的路由转发,使得投递率提高和平均时延降低。

    一种基于多智能体强化学习的网内服务功能部署方法

    公开(公告)号:CN112769594A

    公开(公告)日:2021-05-07

    申请号:CN202011470782.7

    申请日:2020-12-14

    Abstract: 本发明公开了一种基于多智能体强化学习的网内服务功能部署方法,包括以下步骤:S1、每个参与者分别更新策略π的参数;S2、每个评论家分别更新动作Q值参数;S3、定义θ={θ1,θ2,....θN}为N个agent(actor)的参数,相应的π={π1,π2,....πN}分别表示其策略;S4、对于在SFC部署过程中的用户,将第i个agent的累计预期奖励的策略梯度定义;S5、每个agent的Qi是相互独立进行训练学习的,其更新方法可以表示为:S6、定义来表示第i个agent的策略对第j个agent策略的函数近似,它的近似代价是一个带有熵正则化器的对数代价函数。本发明能够综合分布式和集中式方法的优点,既能够快速反应用户需求,保护用户隐私,提高用户服务体验。又能够考虑服务提供商运营成本,促使网络负载均衡,提高网络资源利用率。

    一种面向最大效用的无人集群数据按需共享方法及装置

    公开(公告)号:CN119653426A

    公开(公告)日:2025-03-18

    申请号:CN202510168695.2

    申请日:2025-02-17

    Abstract: 本发明提供了一种面向最大效用的无人集群数据按需共享方法及装置,涉及无人机通信的技术领域,该方法基于迭代双边拍卖的内容共享激励机制构建无人机命名数据网络中的内容分配模型、每个内容消费者的出价模型和每个内容生产者的要价模型,在获取到每个内容消费者的当前出价向量和每个内容生产者的当前要价向量之后,应用上述模型求解出每个内容消费者的当前内容需求向量、更新后的出价向量和每个内容生产者的当前内容供应向量,以及更新后的要价向量,通过迭代更新,直至出价向量和要价向量达到预设收敛条件。上述模型的应用能够有效地鼓励内容生产者参与数据市场,进而缓解了现有无人机命名数据网络存在的数据共享活跃度差的技术问题。

Patent Agency Ranking