批量配置网络设备的方法、系统和电子设备技术方案

本申请涉及网络流量配置领域，具体地一种批量配置网络设备的方法、系统和电子设备，其基于深度神经网络的人工智能技术从全局地角度考虑各个网络设备之间的使用流量之间的关联，以更为智能地且批量地对网络设备的流量进行批量配置。行批量配置。行批量配置。

【技术实现步骤摘要】
批量配置网络设备的方法、系统和电子设备


[0001]本申请涉及人工智能
，且更为具体地，涉及一种批量配置网络设备的方法、系统和电子设备。

技术介绍

[0002]目前流量动态配置的网络设备在使用时，都是从中心节点获取预先配置的流量，再由连接到该网络设备的各个终端共享流量。在该流量动态配置的过程中，都是由各个网络设备通过上行链路发送信令以通知中心节点当前流量使用情况，再由中心节点调整对该网络设备的流量分配。
[0003]但是，由于对某个或者某些网络设备的流量调整必然会影响到其它的网络设备。也就是，如果单独就某个或某些网络设备进行流量调整，有可能会导致其他网络设备的分配流量额度不够。
[0004]因此，期望提供一种能够全局地批量配置网络设备的方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种批量配置网络设备的方法、系统和电子设备，其基于深度神经网络的人工智能技术从全局地角度考虑各个网络设备之间的使用流量之间的关联，以更为智能地且批量地对网络设备的流量进行批量配置。...

【技术保护点】

【技术特征摘要】
1.一种批量配置网络设备的方法，其特征在于，包括：获取在当前时间之前的一系列预定时间间隔的时间点的待批量配置的多个网络设备各自的流量值；以列表填充的方式将所述一系列预定时间间隔的时间点的待批量配置的多个网络设备各自的流量值构造成数值矩阵，其中，所述数值矩阵中每个位置的特征值表示某个网络设备在某个时间点的流量值；将所述数值矩阵通过卷积神经网络以从所述数值矩阵获得特征图；获取当前时间的各个所述网络设备的流量值以获得由多个所述网络设备的流量值组成的查询向量；将所述查询向量与所述特征图进行矩阵相乘以获得特征向量；计算所述特征向量中各个位置的特征值相对于所述查询向量中各个位置的特征值的效用分数，以获得由多个效用分数组成的效用分数向量，其中，所述效用分数基于所述特征向量中各个位置的特征值、所述查询向量中各个位置的特征值以及预定系数生成；使用类Softmax分类函数计算所述效用分数向量中各个位置的概率，其中，所述概率为每个所述网络设备对应的流量分配概率，所述类Softmax分类函数为以所述效用分数向量中对应位置的特征值为幂的自然指数函数值除以以所述效用分数向量中各个位置的特征值为幂的自然指数函数值的加权和的结果；以及基于所述概率和总流量，确定对应于各个所述网络设备的分配流量值。2.根据权利要求1所述的批量配置网络设备的方法，其中，以列表填充的方式将所述一系列预定时间间隔的时间点的待批量配置的多个网络设备各自的流量值构造成数值矩阵，包括：以网络设备和时间点为排列维度，将所述一系列预定时间间隔的时间点的待批量配置的多个网络设备各自的流量值构造成数值矩阵。3.根据权利要求2所述的批量配置网络设备的方法，其中，所述预定时间间隔的时间点的数量等于所述网络设备的数量。4.根据权利要求1所述的批量配置网络设备的方法，其中，计算所述特征向量中各个位置的特征值相对于所述查询向量中各个位置的特征值的效用分数，以获得由多个效用分数组成的效用分数向量，包括：以如下公式计算所述特征向量中各个位置的特征值相对于所述查询向量中各个位置的特征值的效用分数，以获得由多个效用分数组成的效用分数向量；其中，所述公式为：p＝αf
1i
‑
β(f
1i
‑
f
2i
)2，其中f
1i
和f
2i
分别是所述查询向量和所述特征向量的对...

【专利技术属性】
技术研发人员：任成成，
申请(专利权)人：吟雪情枫信息科技上海有限公司，
类型：发明
国别省市：