[發明專利]一種多模態網絡節點控制方法、裝置、設備及存儲介質

在審

• 申請號: 202211079033.0
• 申請日: 2022-09-05
• 公開（公告）號: CN115632978A
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 楊涵鑠;黃宏欽;張風雨;王雨;林厚宏;游侃民;王經偉
• 申請（專利權）人: 鵬城實驗室
• 主分類號: H04L45/12
• 分類號: H04L45/12;H04L45/121;H04L45/125;H04L45/00;H04L41/147;H04L41/16;G06N3/0464
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 李可

1.一種多模態網絡節點控制方法，其特征在于，包括：

依據用于傳輸業務的各個原鏈路的當前狀態信息，從各個所述原鏈路中挑選出目標鏈路，鏈路由多模態網絡中的各個節點組成；

對所述業務的歷史流量信息應用已訓練的圖卷積網絡模型，得到所述業務的預測流量；

依據所述預測流量和所述目標鏈路的帶寬利用率，控制所述多模態網絡中的節點。

2.如權利要求1所述的多模態網絡節點控制方法，其特征在于，所述依據用于傳輸業務的各個原鏈路的當前狀態信息，從各個所述原鏈路中挑選出目標鏈路，鏈路由多模態網絡中的各個節點組成，包括：

依據所述各個原鏈路的當前狀態信息，得到所述當前狀態信息中的帶寬利用率、各個所述原鏈路所涵蓋的節點數量；

依據各個所述原鏈路的所述帶寬利用率、各個所述原鏈路所涵蓋的所述節點數量，構建各個所述原鏈路的獎勵函數；

依據各個所述原鏈路的獎勵函數，從各個所述原鏈路中挑選出目標鏈路。

3.如權利要求2所述的多模態網絡節點控制方法，其特征在于，所述依據各個所述原鏈路的所述帶寬利用率、各個所述原鏈路所涵蓋的所述節點數量，構建各個所述原鏈路的獎勵函數，包括：

統計各個所述原鏈路所構成的鏈路總數；

計算各個所述原鏈路所涵蓋的所述節點數量的倒數；

對各個所述原鏈路的所述帶寬利用率、所述節點數量的倒數、所述鏈路總數進行加權計算，構建各個所述原鏈路的獎勵函數。

4.如權利要求2所述的多模態網絡節點控制方法，其特征在于，所述依據各個所述原鏈路的獎勵函數，從各個所述原鏈路中挑選出目標鏈路，包括：

獲取針對所述業務設定的丟包率和時延；

依據各個所述原鏈路的獎勵函數、針對所述業務設定的丟包率和時延，構建第一獎勵函數；

將所述第一獎勵函數取最大值時所對應的鏈路作為目標鏈路。

5.如權利要求1所述的多模態網絡節點控制方法，其特征在于，所述對所述業務的歷史流量信息應用已訓練的圖卷積網絡模型，得到所述業務的預測流量，包括：

獲取所述多模態網絡用于服務所述業務的拓撲矩陣；

依據所述歷史流量信息，得到所述歷史流量信息中的與所述拓撲矩陣所對應的歷史流量矩陣，所述歷史流量矩陣用于記錄各個終端和所述目標鏈路中的各個節點針對所述業務的流量，所述終端為所述業務的使用者；

對所述歷史流量矩陣和所述拓撲矩陣應用已訓練的圖卷積網絡模型，得到所述業務的預測流量。

6.如權利要求1所述的多模態網絡節點控制方法，其特征在于，已訓練的圖卷積網絡模型的訓練方式包括：

獲取所述業務的第一樣本流量和第二樣本流量，所述業務產生所述第二樣本流量的時間位于所述業務產生所述第一樣本流量的時間之后；

將所述第一樣本流量輸入至待訓練的圖卷積網絡模型，得到待訓練的圖卷積網絡模型輸出的預測樣本流量；

計算所述預測樣本流量相對所述第二樣本流量的均方誤差；

依據所述均方誤差，調整待訓練的圖卷積網絡模型的參數，得到已訓練的圖卷積網絡模型。

7.如權利要求1所述的多模態網絡節點控制方法，其特征在于，所述依據所述預測流量和所述目標鏈路的帶寬利用率，控制所述多模態網絡中的節點，包括：

依據所述預測流量，預測所述業務所需要的帶寬利用率，記為預測的帶寬利用率；

若預測的帶寬利用率小于等于設定閾值，控制所述多模態網絡中位于所述目標鏈路上的所有節點中的設定數量的節點處于休眠狀態或控制所述目標鏈路上的所有節點維持當前狀態。

8.如權利要求1所述的多模態網絡節點控制方法，其特征在于，所述依據所述預測流量和所述目標鏈路的帶寬利用率，控制所述多模態網絡中的節點，包括：

依據所述預測流量，預測所述業務所需要的帶寬利用率，記為預測的帶寬利用率；

若預測的帶寬利用率大于設定閾值，控制所述多模態網絡中位于所述目標鏈路之外的節點傳輸所述業務。