[發(fā)明專利]一種知識(shí)推理引擎系統(tǒng)及實(shí)現(xiàn)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110678308.1
• 申請(qǐng)日: 2021-06-18
• 公開(kāi)（公告）號(hào): CN113268841B
• 公開(kāi)（公告）日: 2022-03-25
• 發(fā)明（設(shè)計(jì)）人: 陳彩蓮;王守亮;許齊敏;徐磊;關(guān)新平
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06F30/18
• 分類號(hào): G06F30/18;G06F30/27;G06N5/04;G06F111/04;G06F111/08
• 代理公司: 上海旭誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 31220
• 代理人: 鄭立

本發(fā)明公開(kāi)了一種知識(shí)推理引擎系統(tǒng)及實(shí)現(xiàn)方法，涉及有線通信網(wǎng)絡(luò)技術(shù)領(lǐng)域，系統(tǒng)包括數(shù)據(jù)生成模塊、流劃分模型、離線調(diào)度模塊、在線調(diào)度模塊、調(diào)度方案庫(kù)以及歷史信息庫(kù)模塊；所述數(shù)據(jù)生成模塊用于生成數(shù)據(jù)集并將此劃為多個(gè)分區(qū)；所述流劃分模型用于對(duì)數(shù)據(jù)集進(jìn)行分組；所述離線調(diào)度模塊用于生成靜態(tài)網(wǎng)絡(luò)需求的調(diào)度方案；所述在線調(diào)度模塊用于快速生成新TT流的調(diào)度方案；所述調(diào)度方案庫(kù)，用于存儲(chǔ)分組結(jié)果、分組迭代調(diào)度的順序和離線調(diào)度方案；所述歷史信息庫(kù)，用于更新并存儲(chǔ)相關(guān)數(shù)據(jù)信息以及性能指標(biāo)。本發(fā)明提出的實(shí)現(xiàn)方法，將離線分組迭代調(diào)度與在線增量回溯算法結(jié)合并協(xié)同運(yùn)行，解決了現(xiàn)有確定性調(diào)度方法無(wú)法同時(shí)保證伸縮性與可調(diào)度性的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及有線通信網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是涉及一種知識(shí)推理引擎系統(tǒng)及實(shí)現(xiàn)方法。

背景技術(shù)

隨著人工智能(AI)和物聯(lián)網(wǎng)(IoT)技術(shù)的快速發(fā)展和進(jìn)步，一種被稱為協(xié)同物聯(lián)網(wǎng)(AIoT)的新型物聯(lián)網(wǎng)體系結(jié)構(gòu)被廣泛應(yīng)用于工業(yè)自動(dòng)化、汽車聯(lián)網(wǎng)等各個(gè)應(yīng)用領(lǐng)域。然而，這種協(xié)作式AIoT面臨著一個(gè)重大挑戰(zhàn)，即滿足大量物聯(lián)網(wǎng)數(shù)據(jù)的高帶寬需求，并保證對(duì)時(shí)間敏感的應(yīng)用程序的確定性和實(shí)時(shí)傳輸。因此，具有確定性保證和高帶寬服務(wù)的通信網(wǎng)絡(luò)是協(xié)同智能聯(lián)網(wǎng)的關(guān)鍵要求。傳統(tǒng)的確定性通信網(wǎng)絡(luò)是基于低帶寬的現(xiàn)場(chǎng)總線，如FTT-CAN、FlexRay等，不能滿足高帶寬的要求。以太網(wǎng)是一種支持高帶寬的標(biāo)準(zhǔn)組網(wǎng)機(jī)制，雖然其傳輸速率高，卻不能提供確定性和實(shí)時(shí)性的保證。

為了增強(qiáng)IEEE 802.1以太網(wǎng)的確定性和實(shí)時(shí)性，IEEE 802.1TSN任務(wù)組開(kāi)發(fā)了時(shí)間敏感網(wǎng)絡(luò)(Time Sensitive Networking，TSN)。具體來(lái)說(shuō)，IEEE 802.1Qbv定義了一種可編程的門控機(jī)制，稱為時(shí)間感知整形器(Time-aware Shaper，TAS)，它通過(guò)打開(kāi)和關(guān)閉隊(duì)列出口，以基于預(yù)定義的周期計(jì)劃(即門控制列表，GCL)傳輸時(shí)間觸發(fā)(Time Triggered，TT)流、音頻視頻橋接(AVB)流和最佳努力(BE)流。不同于沒(méi)有時(shí)間保證的BE流和有限制的端到端延遲要求的AVB流，TT流需要滿足嚴(yán)格的延遲和抖動(dòng)要求。雖然TSN標(biāo)準(zhǔn)指定了時(shí)間傳輸門控行為，但需要進(jìn)一步調(diào)度配置以實(shí)現(xiàn)TT流的確定性延遲和有界抖動(dòng)。針對(duì)TSN網(wǎng)絡(luò)中TT流的確定性實(shí)時(shí)傳輸調(diào)度問(wèn)題，大多數(shù)工作采用滿足模理論(Satisfiability ModuloTheories，SMT)和整數(shù)線性規(guī)劃(Integer linear programming，ILP)等建模方法來(lái)保證TT流的確定性和實(shí)時(shí)性傳輸行為。然而，這些工作忽略了TT流的路由規(guī)劃，嚴(yán)格限制了可調(diào)度空間。一些工作通過(guò)高額的執(zhí)行時(shí)間為代價(jià)換取可調(diào)度性，這些工作只適用于中小型網(wǎng)絡(luò)，無(wú)法在大規(guī)模網(wǎng)絡(luò)中使用。網(wǎng)絡(luò)系統(tǒng)中歷史調(diào)度方案的一些信息對(duì)于改善網(wǎng)絡(luò)的性能與調(diào)度方案的生成有很大的幫助。因此，充分有效地利用歷史的調(diào)度信息進(jìn)行知識(shí)推理可以用來(lái)幫助解決大規(guī)模TSN調(diào)度的難題。

另外，隨機(jī)流分區(qū)(Random Stream Partitioning,RSP)的方法雖然解決了可調(diào)度解空間低的問(wèn)題，但這種方法并且沒(méi)有考慮到在TSN網(wǎng)絡(luò)中各個(gè)數(shù)據(jù)流之間的相關(guān)性，如果忽略掉流之間潛在的沖突與相互的依賴關(guān)系，會(huì)直接影響到流量的可調(diào)度性。因此，設(shè)計(jì)在時(shí)間敏感網(wǎng)絡(luò)中既考慮流間關(guān)系，又保證可調(diào)度性與可伸縮性的實(shí)時(shí)、確定的調(diào)度方案是一個(gè)極具挑戰(zhàn)的問(wèn)題。

此外，由于TSN是開(kāi)放的網(wǎng)絡(luò)，在實(shí)際現(xiàn)場(chǎng)中網(wǎng)絡(luò)需求與拓?fù)涫菚?huì)發(fā)生變化的，這時(shí)需要進(jìn)行快速調(diào)度生成，縮短生成過(guò)程的時(shí)間代價(jià)對(duì)服務(wù)質(zhì)量的影響，如何設(shè)計(jì)一種快速生成的在線調(diào)度方案是一個(gè)亟待解決的關(guān)鍵問(wèn)題。