[發明專利]服務于眾智計算環境的服務鏈部署方法及系統

有效

• 申請號: 202010099639.5
• 申請日: 2020-02-18
• 公開（公告）號: CN111343651B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 舒暢;張杰;趙志為;閔革勇;高偉峰
• 申請（專利權）人: 電子科技大學
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W24/06;H04L29/08;G06F9/50;G06N3/04;G06N3/08
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 林菲菲

1.服務于眾智計算環境的服務鏈部署方法，其特征在于，該方法包括以下步驟：

步驟1，基于網絡拓撲進行路由器模型的構建，明確服務鏈的服務流程；

步驟2，根據步驟1的網絡拓撲確定與用戶相連的AP節點的部署，并確定AP節點在復用情況下復用用戶個數對傳輸時延的函數；

步驟3，將模型的參數、路由器的傳輸時延參數以及部署開銷的參數傳入路由器模型，采用深度強化學習的方法，從一個路由節點開始，對整個網絡進行優化，迭代到時延整體達到最低；

所述步驟3的優化迭代過程中，利用貝爾曼方程，通過前幾輪迭代中路由節點產生的延遲和衰減系數作為影響當前節點部署的因素，且當前狀態的節點選擇概率為：

V(s)＝max_a(R(s，a)+γV(s′))

式中，V(s)表示當前狀態s的節點選擇概率，R(s,a)表示選擇當前狀態s導致的延遲的相反數加上一個常數，其中γ表示衰減系數，s′表示當前狀態s的下一狀態，a表示當前模型執行的下一步操作 即改變某個節點的服務；

步驟4，根據 步驟3生成的部署方案進行服務鏈的部署。

2.根據權利要求1所述的服務于眾智計算環境的服務鏈部署方法，其特征在于，所述步驟2中確定的傳輸時延和用戶個數的函數關系如下：

Delay＝e^0.1*x

式中：Delay表示傳輸時延，x表示AP節點接入用戶個數。

3.根據權利要求1-2任一項所述的服務于眾智計算環境的服務鏈部署方法，其特征在于，所述步驟3中影響深度強化學習的獎勵因素包括部署開銷以及傳輸延遲兩部分，即

Cost＝αDelay+βConsumption

式中，Cost表示深度強化模型要最終優化的Reward，α和β均表示權重參數，Delay表示傳輸時延，Consumption表示部署開銷。

4.服務于眾智計算環境的服務鏈部署系統，其特征在于，該系統包括：

模型構建模塊，基于網絡拓撲進行路由器模型的構建，明確服務鏈的服務流程；

傳輸時延模塊，根據模型構建模塊中的拓撲確定與用戶相連的AP節點的部署，并生成AP節點在復用情況下復用用戶個數對傳輸時延的函數；

優化模塊，將模型的參數、路由器的傳輸時延參數以及部署開銷的參數傳入路由器模型，采用深度強化學習的方法，從一個路由節點開始，對整個網絡進行優化，迭代到時延整體達到最低，獲得優化的服務鏈部署方案；

所述優化模塊利用貝爾曼方程，通過前幾輪迭代中路由節點產生的延遲和衰減系數作為影響當前節點部署的因素，且當前狀態的節點選擇概率為：

V(s)＝max_a(R(s，a)+γV(s′))

式中，V(s)表示當前狀態s的節點選擇概率，R(s,a)表示選擇當前狀態s導致的延遲的相反數加上一個常數，其中γ表示衰減系數，s′表示當前狀態s的下一狀態，a表示當前模型執行的下一步操作。

5.根據權利要求4所述的服務于眾智計算環境的服務鏈部署系統，其特征在于，所述傳輸時延模塊確定的傳輸時延和用戶個數的函數關系如下：

Delay＝e^0.1*x

式中：Delay表示傳輸時延，x表示AP節點接入用戶個數。

6.根據權利要求4-5任一項所述的服務于眾智計算環境的服務鏈部署系統，其特征在于，所述優化模塊中影響深度強化學習的獎勵因素包括部署開銷以及傳輸延遲兩部分，即

Cost＝αDelay+βConsumption

式中，Cost表示深度強化模型要最終優化的Reward，α和β均表示權重參數，Delay表示傳輸時延，Consumption表示部署開銷。