【技术实现步骤摘要】
一种基于BP神经网络的SDN链路分配方法
本专利技术涉及软件定义网络中的链路分配
，特别涉及一种基于BP(BackPropagation，反向传播)神经网络的软件定义网络逻辑链路分配方法。
技术介绍
互联网经过几十年的迅猛发展，已经成为全球性的基础设施。随着互联网规模的扩大以及用户的剧增，其封闭和僵化的缺点日渐明显。随着物联网、云计算等新兴科技的发展，传统的网络架构已经无法满足新业务的发展要求，传统互联网的架构严重阻碍了其发展，新业务和协议难以部署。为了解决这个问题，NickMcKeown教授团队提出了一个新的网络架构：软件定义网络(SoftwareDefinedNetwork，SDN)。在SDN架构中，网络的控制平面和数据平面相互分离，实现了网络可编程化。网络可编程化能够提高资源利用率，提高网络的灵活性，加快服务部署时间。这样，SDN可以使网络从复杂变的简单，满足网络用户对易用性的需求，更加自动化和智能化。SDN中的链路分配问题是其中一个重要的研究方向。虚拟网络的分配主要是链路分配，在链路映射中，一条虚拟链路可被映射到一条或多条物理链路上。将链路分配给虚拟...
【技术保护点】
1.一种基于BP神经网络的SDN链路分配方法，其特征在于，所述方法包括以下步骤：S1、在SDN控制器中构建BP神经网络模型；S2、QoS监控模块收集每个测量任务带宽的使用情况，采用实时调度算法对监控作业实际完成时刻与作业截止期的调度偏差进行量化，得到每个任务的服务质量水平QoS；S3、BP神经网络根据多个任务的实时重要程度，对相关任务占用的带宽资源进行动态调整，保证各任务分配到的逻辑链路和任务重要性成正比，当系统的链路资源一定时，动态链路分配问题就转化为求解该比值问题；S4、将各个任务的QoS值作为BP神经网络模型的N个输入，N个输出分别是各任务所分配的链路与任务权重的比值...
【技术特征摘要】
1.一种基于BP神经网络的SDN链路分配方法，其特征在于，所述方法包括以下步骤：S1、在SDN控制器中构建BP神经网络模型；S2、QoS监控模块收集每个测量任务带宽的使用情况，采用实时调度算法对监控作业实际完成时刻与作业截止期的调度偏差进行量化，得到每个任务的服务质量水平QoS；S3、BP神经网络根据多个任务的实时重要程度，对相关任务占用的带宽资源进行动态调整，保证各任务分配到的逻辑链路和任务重要性成正比，当系统的链路资源一定时，动态链路分配问题就转化为求解该比值问题；S4、将各个任务的QoS值作为BP神经网络模型的N个输入，N个输出分别是各任务所分配的链路与任务权重的比值，当某任务的比值小于这N个比值的均值时，则反向调整输入，即增加该任务的逻辑链路分配；S5、重复步骤S4的训练方式，随着训练次数的增加，神经网络每一次的输出都更接近期望均值，短时内即能够完成动态调整；S6、任务管理器从资源管理器中获取逻辑链路资源，保证各个任务对链路资源的使用。2.根据权利要求1所述的一种基于BP神经网络的SDN链路分配方法，其特征在于，步骤S1的具体过程为：在多任务的SDN控制器中，建立多输入多输出的BP神经网络模型，若交换机中有N个测量任务，BP神经网络应由N个子神经网络组成，共有N个输入，N个输出；每个子神经网络由三层神经网络构成，分别是输入层、隐藏层和输出层；每个子神经网络有输入层节点2个，隐藏层节点3个，输出层节点1个。3.根据权利要求1所述的一种基于BP神经网络的SDN链路分配方法，其特征在于：步骤S2中，QoS监控模块收集和评估交换机中各个任务带宽的使用情况，采用实时调度算法EDF进行作业调度；对监控作业实际完成时刻与作业截止期的调度偏差进行量化，作业的完成时刻越早，对应的QoS值就越高，通过记录任务作业获取的资源与其完成时产生的调度偏差，确定QoS值。4.根据权利要求1所述的一种基于BP神经网络的SDN链路分配方法，其特征在于：步骤S3中，给每个任务赋予权重系数ω来表示任务的重要程度，任务越重要，权重系数ω越...
【专利技术属性】
技术研发人员：陆以勤，方亚慧，覃健诚，程喆，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。