[發明專利]基于時序圖神經網絡的網絡信道瓶頸點檢測及分配方法

在審

• 申請號: 202210429514.3
• 申請日: 2022-04-22
• 公開（公告）號: CN114900838A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 任勇;宋巍;田宏偉;尤鳳翔;張劍;王婷;鄭文裕;劉棟;陳迪
• 申請（專利權）人: 蘇州大學應用技術學院
• 主分類號: H04W16/10
• 分類號: H04W16/10;H04W16/04;H04W72/04;G06N3/04;G06N3/08
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 吳芳

1.一種基于時序圖神經網絡的網絡信道瓶頸點檢測方法，其特征在于，包括：

根據當前網絡信道圖G_i進行建立模型，所述當前網絡信道圖G_i包括點集V{v₁,v₂,...,v_m}和邊集E{e₁,e₂,e₃,...,e_n}，其中，i為當前時間，v₁,v₂,……，v_m表示網絡傳輸中的m個節點，且所述節點表示終端或基站，e₁,e₂,e₃,……，e_n表示網絡傳輸中n個傳輸信道；

基于G_i中每個終端或基站的實時請求的資源數量以及該終端或基站的先前使用情況選擇是否將與該終端或基站對應的節點作為候選點，從而得到k個候選點p_i，其中，i滿足1i≤k；

按照以下方法處理每個候選點p_i以確定每個候選點成為瓶頸點的概率值：將G_i中與該候選點p_i相對應的節點v_j以及該節點v_j所連接的邊去除，從而得到網絡信道圖G_i′，再計算所述G_i和所述G_i′的差異值Diff_j，并將所述Diff_j作為該候選點p_i成為瓶頸點的概率值；

比較所有的概率值，并選擇最大概率值所對應的候選點作為網絡傳輸中的瓶頸點。

2.根據權利要求1所述的網絡信道瓶頸點檢測方法，其特征在于，所述計算所述G_i和所述G_i′的差異值Diff_j包括：

基于時序圖神經網絡對所述G_i和所述G_i′分別進行特征提取，從而得到G_i和G_i′中的每個節點的特征向量，進而計算G_i和G_i′中除候選點p_i以外的所有節點的特征向量間的差異度S(F_y1i,F_y2i)，并對所述差異度進行累加以得到所述G_i和所述G_i′的差異值Diff_j。

3.根據權利要求2所述的網絡信道瓶頸點檢測方法，其特征在于，所述特征向量間的差異度通過下式計算得到：

式中，S(F_y1i,F_y2i)為F_y1i和F_y2i的差異度，F_y1i為G_i中的節點的特征向量且1≤yli≤m，F_y2i為G_i′中的節點的特征向量且1≤y2i≤m-1，m為網絡傳輸中的節點個數。

4.根據權利要求1或3所述的網絡信道瓶頸點檢測方法，其特征在于，所述Diff_j通過下式計算得到：

式中，Diff_j為G_i和G_i′的差異值，S(F_y1i,F_y2i)為F_y1i和F_y2i的差異度，其中，F_y1i和F_y2i分別為G_i和G_i′中對應相同的第i個節點的特征向量，m為網絡傳輸中的節點個數。

5.根據權利要求2所述的網絡信道瓶頸點檢測方法，其特征在于，所述特征提取的方法包括：

分別將G_i和G_i′的權重矩陣、鄰接矩陣輸入至所述模型中進行訓練優化，從而提取出節點的編碼特征，所述編碼特征表示節點特征集合。