弹性光网络的频谱分配方法、装置、存储介质和设备制造方法及图纸

本申请公开了一种弹性光网络的频谱分配方法、装置、存储介质和设备，所述方法包括：当接收到目标流量请求时，获取目标流量请求、待调整分区的弹性光网络的当前环境状态以及已训练的目标频谱分配行动网络；将当前环境状态的各个当前候选路径转换成当前链路拓扑信息；将当前链路拓扑信息输入到目标频谱分配行动网络，通过第一图卷积神经网络进行特征提取，再通过第一递归神经网络进行特征聚合，得到各个当前候选路径的路径级特征，再通过第一全连接层和柔性最大传递函数层进行概率转换，得到对应的当前候选路径的频谱分配概率，并根据频谱分配概率输出目标频谱分配动作。可降低弹性光网络在频谱分配过程中以及分配后出现的阻塞概率。塞概率。塞概率。

【技术实现步骤摘要】
弹性光网络的频谱分配方法、装置、存储介质和设备


[0001]本申请涉及弹性光网络的频谱分区的
，具体涉及一种弹性光网络的频谱分配方法、装置、存储介质和设备。

技术介绍

[0002]弹性光网络（Elastic Optical Network, EON）以其大吞吐量和传输灵活性的优势受到广泛关注，成为最有前途的下一代骨干网架构。然而路由和频谱分配(RSA)是弹性光网络的一个关键问题。为一个流量请求找到最佳的路由和频谱是NP困难（计算复杂性理论中最重要的复杂性类之一）的，这意味着它极难得到适合大型网络环境的最优解。
[0003]为了突破上述局限性，近年来深度强化学习（DRL）得到了广泛的研究。DRL是一种通过与环境(如光网络)交互来优化策略(如RSA决策)的工具。在基于DRL的RSA框架中，输入状态表示和特征提取是必不可少的，但是，现有技术在网络特征提取中，都是只针对节点进行特征提取，导致特征提取和利用的效果并不理想，使弹性光网络的频谱分配结果降低阻塞概率的效果差。

技术实现思路

[0004]本申请的目的在于克服现有技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种弹性光网络的频谱分配方法，其特征在于，包括：当接收到目标流量请求时，获取所述目标流量请求、待调整分区的弹性光网络的当前环境状态以及已训练的目标频谱分配行动网络；其中，所述弹性光网络的频谱可用性分布和所述弹性光网络的频谱可用性分布和若干个与所述目标流量请求对应的当前候选路径；所述频谱分配行动网络包括第一图卷积神经网络、第一递归神经网络、第一全连接层和柔性最大传递函数层；将所述当前环境状态的各个当前候选路径转换成当前链路拓扑信息；将所述当前链路拓扑信息输入到所述第一图卷积神经网络进行特征提取，得到所述链路拓扑信息的链路拓扑特征；将所述链路拓扑特征输入到所述第一递归神经网络进行特征聚合，得到各个所述当前候选路径的路径级特征；将所述目标流量请求、所述频谱可用性分布和所述路径级特征输入到所述第一全连接层和柔性最大传递函数层进行概率转换，得到各个所述路径级特征对应的所述当前候选路径的频谱分配概率，并根据所述频谱分配概率输出所述目标频谱分配动作。2.根据权利要求1所述的弹性光网络的频谱分配方法，其特征在于，所述目标频谱分配行动网络的训练步骤，包括：获取若干个样本弹性光网络接收到第一流量请求时的第一环境状态以及预设数量的第二流量请求时的第二环境状态；所述第一环境状态包括若干个与所述第一流量请求对应的第一候选路径；所述第二流量请求的接收时间晚于所述第一流量请求的接收时间，所述第二环境状态包括若干个与所述第二流量请求对应的第二候选路径；将所述第一环境状态的各个第一候选路径转换成第一链路拓扑信息；将所述第二环境状态的各个第二候选路径转换成第二链路拓扑信息；将所述第一链路拓扑信息和所述第二链路拓扑信息分别输入到预构建的初始频谱分配行动网络，得到第一频谱分配动作以及预设数量的第二频谱分配动作；获取所述第一频谱分配动作对应的第一瞬时奖励以及预设数量的所述第二频谱分配动作对应的第二瞬时奖励；将所述第一链路拓扑信息和第一瞬时奖励，以及最后一个所述第二流量请求的所述第二链路拓扑信息和对应的第二瞬时奖励，输入到预构建的频谱分配批评网络，得到第一价值函数和第二价值函数；根据所述第一瞬时奖励、多个所述第二瞬时奖励、所述第一价值函数和所述第二价值函数，获得优势函数；所述优势函数用于指示所述初始频谱分配行动网络和所述频谱分配批评网络的网络参数调整方向；根据所述优势函数调整所述初始频谱分配行动网络的网络参数，得到所述目标频谱分配行动网络。3.根据权利要求2所述的弹性光网络的频谱分配方法，其特征在于，所述频谱分配批评网络包括第二图卷积神经网络、第二递归神经网络、第二全连接层和线性输出层；所述将所述第一链路拓扑信息和第一瞬时奖励，以及最后一个所述第二流量请求的所述第二链路拓扑信息和对应的第二瞬时奖励，输入到预构建的频谱分配批评网络，得到第一价值函数和第二价值函数的步骤，包括：
将所述第一链路拓扑信息输入到所述第二图卷积神经网络进行特征提取，得到第一链路拓扑特征；将所述第一链路拓扑特征输入到所述第二递归神经网络进行特征聚合，得到各个所述第一候选路径的第一路径级特征；将所述第一路径级特征输入到所述第二全连接层和线性输出层进行价值转化，得到各个所述第一候选路径对应的第一价值函数；将所述最后一个第二流量请求的所述第二链路拓扑信息输入到所述第二图卷积神经网络进行特征提取，得到第二链路拓扑特征；将所述第二链路拓扑特征输入到所述第二递归...

【专利技术属性】
技术研发人员：黄岳彩，许柳飞，薛云，胡晓晖，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：