[發明專利]基于樸素貝葉斯分類器的最小負載路由選擇方法及系統

有效

• 申請號: 201810015643.1
• 申請日: 2018-01-08
• 公開（公告）號: CN108076158B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 沈綱祥;李龍飛;張亞
• 申請（專利權）人: 蘇州大學
• 主分類號: H04L29/08
• 分類號: H04L29/08;H04L12/721;H04L12/803;H04L12/24
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 馮瑞;楊慧林

本發明涉及一種基于樸素貝葉斯分類器的最小負載路由選擇方法及系統，提高最小負載路由選擇方法的性能，網絡快照記錄歷史網絡狀態信息，使用樸素貝葉斯分類器預測每個節點對之間的所有候選路由的潛在網絡阻塞率。網絡快照對應于每個到達的服務請求，記錄每個鏈路上的被占用的網絡資源單元的數目。如果當前服務請求在候選路由上建立連接，那么樸素貝葉斯分類器會預測未來服務連接建立的潛在阻塞率，同時計算各候選路由的負載。最后從節點對之間的所有候選路由中，選擇負載小且未來建立服務連接的潛在阻塞率最低的路由來建立服務連接，以實現負載和阻塞率之間的最佳平衡。

技術領域

本發明具體涉及一種基于樸素貝葉斯分類器的最小負載路由選擇方法及系統。

背景技術

電路交換網絡中的路由算法是一個成熟的課題。路由算法可以分為三類：固定最短路由算法，固定備選路由算法和自適應路由算法。

固定最短路由算法：預先為節點對找到一條固定的最短路由，節點對間的業務都將沿這條路由建立。

固定備選路由算法：為節點對之間選擇多條固定路由，然后依次嘗試建立業務，即首選采用第一條路由建立業務，如不成功，則嘗試第二條路由，直到所有的路由都被嘗試建立業務。

自適應路由算法：根據網絡中的實時鏈路狀態，動態地選擇最優的路由，該算法可根據網絡的不同負載情況實現最優的路由選擇。

機器學習由于其解決不同類型優化問題的出色能力而在各個領域變得流行起來。這些技術已經被用來解決通信網絡中的優化問題。例如，在光網絡中，將機器學習應用于碎片整理，從而提出了一套智能預調整策略。將貝葉斯推理應用于虛擬網絡重構框架，同時引入貝葉斯吸引子模型(Bayesian attractormodel)來推斷當前業務狀況。使用隨機森林(random forest) 方法來預測候選光路的概率。同樣，在無線網絡中，總結了將機器學習技術應用于無線傳感網絡(WSNs)和移動自組織網絡(MANETs)中的路由選擇。通過機器學習技術提出了一個更好的無線自適應路由協議。將強化學習應用于無線網絡管理，可以減少協議開銷，提高分組傳輸率。

同時，機器學習技術也早已被用在電路交換網絡中。首先將強化學習技術應用到電路交換網絡的路由選擇，同時提出了Q-routing算法。提出了基于Q-routing的梯度算法。以上這些電路交換路由算法都是選擇固定路由的。由于路由選擇的不靈活，固定路由算法極大地限制了路由性能。

在電路交換網中，最小負載路由算法已經成為近三十年來所有路由算法之中性能最佳的路由算法。盡管機器學習技術已經在包括通信網絡在內的各個領域中廣泛運用，但是，目前還沒有機器學習技術被用于提高電路交換網絡中的路由算法性能。

發明內容

為解決上述技術問題，本發明的目的是提供一種利用機器學習方法實現路由負載和阻塞率的最佳平衡的基于樸素貝葉斯分類器的最小負載路由選擇方法及系統。

為達到上述發明目的，本發明基于樸素貝葉斯分類器的最小負載路由選擇方法，包括：

確定節點對sd之間建立服務連接時的候選路由，并將其放入集合R^sd中；

各候選路由在節點對之間建立服務連接時，根據當前網絡鏈路資源的使用狀態信息，計算各候選路由的負載，運行樸素貝葉斯分類器預測，未來整個網絡的潛在連接阻塞率；

根據路由選擇公式確定節點對sd之間的最佳路由，所述路由選擇公式為：

式中，為節點對sd之間所有候選路由中的最佳路由；是候選路由在節點對sd 之間建立服務連接時，未來整個網絡的潛在連接阻塞率；是該候選路由的負載。

進一步地，所述的運行樸素貝葉斯分類器預測未來整個網絡的潛在連接阻塞率包括：