-
公开(公告)号：CN115951989B
公开(公告)日：2023-06-20
申请号：CN202310247633.1
申请日：2023-03-15
Applicant: 之江实验室
IPC: G06F9/48 , H04L47/2425 , H04L49/111 , G06F9/50
Abstract: 本发明公开了一种基于严格优先级的协同流量调度数值模拟方法与系统，包括以下步骤：采集分布式计算任务的实时执行状态数据、计算阶段用时估测值；基于严格优先级模拟并存储软件可定义交换机出端口中的流量传输队列；配置无前置依赖任务列表，模拟分布式计算环境中各个计算节点当前在执行的计算任务处理过程，存储待执行的计算任务信息和/或正在执行的计算任务信息；基于分布式计算任务的实时执行状态数据和计算阶段用时估测值，查找符合无前置计算约束条件的计算任务和传输任务；将无前置计算约束条件的计算任务和传输任务分别添加到无前置依赖任务列表和基于严格优先级的传输任务队列中。
-
公开(公告)号：CN115996197A
公开(公告)日：2023-04-21
申请号：CN202310259202.7
申请日：2023-03-17
Applicant: 之江实验室
IPC: H04L47/2425 , H04L47/12 , H04L41/14
Abstract: 本发明公开了一种流量拥塞前置的分布式计算流量仿真系统与方法，包括：发收包终端组件，接收并处理仿真系统参数，得到分布式计算任务的依赖关系矩阵以及计算阶段耗时向量，选择监听端口；协同流量传输任务线程构建组件，用于在分布式计算任务开始时和任一协同流量传输结束时，构建一计算模拟线程，在线程被唤醒后获取流量传输策略以创建协同流量传输任务线程；协同流量任务管理器，通过协同流量传输任务线程池完成协同流量任务的管理；环境监听组件，用于监听端口并接收各种报文；数据面可编程交换机组件，基于报警阈值和任务优先级进行拥塞预警并配置网络资源。本发明在降低丢包率的同时还将网络资源优先分配给较高优先级的任务和流量。
-
公开(公告)号：CN115361301A
公开(公告)日：2022-11-18
申请号：CN202211226856.1
申请日：2022-10-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于DQN的分布式计算网络协同流量调度系统与方法。所述方法包括：基于分布式计算任务信息和数据面可编程转发平台中端口队列的拥塞情况构建环境特征数据，基于DQN中的动作价值网络和目标网络构建并训练深度强化学习智能体，深度强化学习智能体输出抽象动作；通过策略映射器接收抽象动作，并将其映射成可执行协同流量调度策略；数据面可编程转发平台执行策略映射器生成的可执行协同流量调度策略，并更新端口队列的拥塞情况；通过策略增益器记录分布式计算任务完成时间作为深度强化学习智能体的实时奖励，根据前后两次分布式计算任务遵循可执行协同流量调度策略产生的耗时之差，对深度强化学习智能体进行迭代优化。
-
公开(公告)号：CN117319287B
公开(公告)日：2024-04-05
申请号：CN202311585505.4
申请日：2023-11-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多智能体强化学习的网络可扩展路由方法与系统，通过PageRank算法对网络节点重要性进行建模，并选取网络中的关键节点，然后在若干个关键网络节点上训练Actor网络，在SDN控制器上训练Critic网络，基于多智能体强化学习进行网络流量的逐跳路由，实现大型数据中心网络的可扩展路由。通过本发明既提升了路由方案的稳定性又降低了大型网络中路由寻优的复杂度；同时不需要传统监督学习方法中的带标签的样本，通过与环境反复交互获得实时反馈的样本，以指导模型的迭代和优化；奖励函数的设计综合考虑了网络链路的吞吐量、时延和丢包率，通过多种指标加权指导多智能体生成最优的流量路由策略。
-
公开(公告)号：CN116996443B
公开(公告)日：2024-01-23
申请号：CN202311238774.3
申请日：2023-09-25
Applicant: 之江实验室
IPC: H04L47/10 , H04L41/0823 , H04L41/12 , G06N3/042 , G06N3/092
Abstract: 本发明公开了一种结合GNN和SAC模型的网络协同流量调度方法与系统，通过获取端口拥塞信息、通信和计算阶段信息，将计算和通信阶段信息、DAG拓扑信息作为输入，生成传输过程的表征向量；然后融合端口拥塞信息、通信和计算阶段信息、DAG拓扑信息和表征向量，生成状态表征向量；最后将状态表征向量作为SAC模型的输入，得到强化学习智能体的输出并映射为调度策略，得到整个调度任务的运行时间，作为奖励用于SAC模型的迭代优化。本发明中图神经网络和强化学习智能体的模型迭代能够及时根据环境的变化自适应地调整网络参数，并给出恰当的动作策略；本发明能使模型产生的调度策略更准确，从而实现数据中心网络中协同流量的高效调度。
-
Patent Agency Ranking
公开(公告)号：CN116996443A
公开(公告)日：2023-11-03
申请号：CN202311238774.3
申请日：2023-09-25
Applicant: 之江实验室
IPC: H04L47/10 , H04L41/0823 , H04L41/12 , G06N3/042 , G06N3/092
Abstract: 本发明公开了一种结合GNN和SAC模型的网络协同流量调度方法与系统，通过获取端口拥塞信息、通信和计算阶段信息，将计算和通信阶段信息、DAG拓扑信息作为输入，生成传输过程的表征向量；然后融合端口拥塞信息、通信和计算阶段信息、DAG拓扑信息和表征向量，生成状态表征向量；最后将状态表征向量作为SAC模型的输入，得到强化学习智能体的输出并映射为调度策略，得到整个调度任务的运行时间，作为奖励用于SAC模型的迭代优化。本发明中图神经网络和强化学习智能体的模型迭代能够及时根据环境的变化自适应地调整网络参数，并给出恰当的动作策略；本发明能使模型产生的调度策略更准确，从而实现数据中心网络中协同流量的高效调度。
-
公开(公告)号：CN115996197B
公开(公告)日：2023-06-16
申请号：CN202310259202.7
申请日：2023-03-17
Applicant: 之江实验室
IPC: H04L47/2425 , H04L47/12 , H04L41/14
Abstract: 本发明公开了一种流量拥塞前置的分布式计算流量仿真系统与方法，包括：发收包终端组件，接收并处理仿真系统参数，得到分布式计算任务的依赖关系矩阵以及计算阶段耗时向量，选择监听端口；协同流量传输任务线程构建组件，用于在分布式计算任务开始时和任一协同流量传输结束时，构建一计算模拟线程，在线程被唤醒后获取流量传输策略以创建协同流量传输任务线程；协同流量任务管理器，通过协同流量传输任务线程池完成协同流量任务的管理；环境监听组件，用于监听端口并接收各种报文；数据面可编程交换机组件，基于报警阈值和任务优先级进行拥塞预警并配置网络资源。本发明在降低丢包率的同时还将网络资源优先分配给较高优先级的任务和流量。
-
公开(公告)号：CN115426265B
公开(公告)日：2023-04-18
申请号：CN202211362948.2
申请日：2022-11-02
Applicant: 之江实验室
IPC: H04L41/082 , H04L41/0823 , H04L41/147 , H04L41/16 , G06F18/214 , G06F18/2411 , G06F18/2431 , G06F18/2451 , G06N20/00
Abstract: 本发明公开了一种多模态网络下交换资源分配优化方法及装置、介质，该方法基于机器学习对多模态网元上ASIC交换芯片、FPGA、PPK软件交换进行选择，具体包括：人工预配置，制定多模态软硬件协同处理的基本规则；离线学习，在离线学习阶段设计训练配置，以捕获不同的交换资源使用变量，运行实验以产生训练分类器的原始数据，利用生成的性能指标离线训练模型；在线推理，获取交换资源分配建议，并根据交换资源分配建议更新模态代码。本发明使用多模态网元I型设备，实现了多模态网元上软/硬件交换资源的灵活、高效分配，使软硬件协同设计性能达到最优，降低多模态网络资源分配成本，其实现方法简便、手段灵活、网络服务质量能得到显著保证。
-
公开(公告)号：CN113433906B
公开(公告)日：2022-06-10
申请号：CN202110704873.0
申请日：2021-06-24
Applicant: 之江实验室
IPC: G05B19/418
Abstract: 本发明公开了一种蒸馏装置产物预测及蒸馏操作参数优化的方法，其包括以下步骤：收集原料信息及产物需求；根据原料类型，构建蒸馏机理模型；预设物性参数、操作参数；根据操作参数P稳态操作，获取产物检测值，根据机理模型获取产物预测计算值；以产物检测值与产物预测计算值偏差最小为目标函数，优化物性参数；根据优化物性参数，以最小操作成本为目标函数，优化操作参数；将本轮优化的物性参数值与上一轮比较，若改进值小于ε，则输出优化后的操作参数及物性参数值，否则继续迭代优化。该方法既能通过产物检测值修正物性参数的准确性，提升产物预测值的精度，又可通过优化操作参数，适应不同的产物需求，降低生产操作成本，提升生产效率。
-
公开(公告)号：CN119766736A
公开(公告)日：2025-04-04
申请号：CN202510273511.9
申请日：2025-03-10
Applicant: 之江实验室
IPC: H04L47/125 , H04L47/127 , H04L47/783 , H04L47/70 , H04L47/83 , H04L47/52 , H04L47/625 , G06N3/045 , G06N3/0499 , G06N3/092
Abstract: 本申请公开了一种网络拥塞控制方法、系统、装置及介质，该方法包括：将用于表征网络集群当前网络运行状态的状态向量和用于指导带宽资源分配的历史动作向量，输入基于语义理解与强化学习的目标模型，以获取目标动作向量。将目标动作向量发送给网络集群中各个端侧网卡，以控制端侧网卡根据目标动作向量对应的带宽分配策略进行数据传输。由此，根据不同的网络状态和历史动作决策，动态调整流量调度策略，提升资源利用率。此外，通过语义理解模型提取状态向量和历史动作向量中的语义信息，并利用提取的信息指导强化学习模型的智能决策过程，即，通过目标模型生成的目标动作向量指导带宽资源分配，实现主动预测和规避网络拥塞风险。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.03 seconds)
