【技术实现步骤摘要】
TSN网络联合路由选择与流分配方法及相关设备
[0001]本申请涉及通信网络
，尤其涉及一种TSN网络联合路由选择与流分配方法及相关设备。
技术介绍
[0002]时间敏感网络(Time Sensitive Networking,TSN),是一种混合流系统，存在确定性流量和非确定性流量。TSN网络中生成的每条消息根据其通信需求分为时间触发(TT)流量、音视频桥接(AVB)流量和尽力而为(BE)流量。
[0003]TSN网络主要依靠有界的时延和抖动来保证网络的服务质量，为防止尽力而为流量对实时流量造成干扰，需要对TSN网络中不同的流量进行调度和路由。目前，很多方法为了简化和抽象复杂的问题，假设路由路径集和调度流是固定、先验的，导致网络的利用率很低；此外，当链路发生变化或突发流量发生时这些方法不再适用，泛化能力低，无法有效地对流量进行调度。
技术实现思路
[0004]有鉴于此，本申请的目的在于提出一种解决上述问题的TSN网络联合路由选择与流分配方法及相关设备。
[0005]基于上述目的，本申请...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种TSN网络联合路由选择与流分配方法，其特征在于，包括：基于软件定义网络，构建TSN网络的系统模型，所述系统模型包括控制器；构建TSN网络中通信流分配和路由选择问题的马尔可夫决策模型，确定状态空间、动作空间和奖励函数；将所述控制器作为智能体，基于所述马尔可夫决策模型，以满足约束条件下所述通信流的最小端到端平均时延为优化目标，利用DQN算法得到所述通信流的路由选择策略；根据所述路由选择策略，为各所述通信流分配路由路径。2.根据权利要求1所述的方法，其特征在于，所述路由选择策略包括：所述智能体根据当前网络状态，为当前各节点队列中的每个所述通信流选择下一跳节点，直至每个所述通信流均完成路径分配或达到预设的迭代次数。3.根据权利要求1所述的方法，其特征在于，所述约束条件由下式表示：3.根据权利要求1所述的方法，其特征在于，所述约束条件由下式表示：3.根据权利要求1所述的方法，其特征在于，所述约束条件由下式表示：3.根据权利要求1所述的方法，其特征在于，所述约束条件由下式表示：其中，表示通信流从源节点传输到目的节点过程中的端到端时延，t表示时隙，f
k
表示通信流，F
TT
表示时间触发TT流量的集合，τ
TT
表示TT流量的端到端时延的最大值，τ
AVB
表示音频桥接AVB流量的端到端时延的最大值，F
AVB
表示AVB流量的集合，T表示通信周期，F
BE
表示尽力而为BE流量的集合，表示通信流在节点i到节点j已使用的链路容量，u
ij
表示节点i到节点j的链路容量；所述优化目标由下式表示：其中，ω1和ω2为权重，表示优化倾向，且ω1+ω2＝1，T
’
表示通信周期内所有时隙，表示时隙t下TT流量的归一化平均时延，表示时隙t下AVB流量的归一化平均时延。4.根据权利要求3所述的方法，其特征在于，所述状态空间包括网络状态所述网络状态包括节点链路、节点链路的剩余容量、节点队列和所述通信流的状态；所述动作空间包括为当前节点中每个所述通信流选择下一跳节点并转发，使所述通信流进入相应的优先级队列；所述奖励函数r
t
由下式表示：其中，均表示控制函数，当时隙t各所述通信流都到达目的节点时，ρ
t
＝
‑
1，否
则ρ
t
＝0；若当前节点的累计时延超过最大允许时延时，否则若所述通信流未到达目的节点且未超过最大允许延时，η
t
＝
‑
1，否则η
t
＝0；U均为大于0的常数，Φ
t
表示一个与当前节点队列长度正相关的函数。5.根据权利要求4所述的方法，其特征在于，所述利用DQN算法得到所述通信流的路由选择策略，之前还包括：获取TSN网络的网络拓扑图；利用预先训练的图卷积神经网络对所述网络拓扑图的每个节点进行特征提取，以得到特征提取结果；基于所述特征提取结果对所述网络状态进行更新。6.根据权利要求1所述的方法，其特征在于，所述图卷积神经网络的层数为2层，所述图卷积神经网络第l层隐藏层的传播规则由下式表示：其中，σ(
技术研发人员：魏翼飞，阳柳，李骏，王小娟，宋梅，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
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。