高动态的智能路由确定方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种高动态的智能路由确定方法、装置、电子设备及存储介质，可以应用于计算机技术领域。该高动态的智能路由确定方法包括：根据待预测网络路由图和待预测网络路由图中每两个直接相连的通信节点之间的时延，确定特征矩阵和原始邻接矩阵；利用训练后的图神经网络模型处理特征矩阵和原始邻接矩阵，得到第一特征向量和第二特征向量；根据第一特征向量和第二特征向量，确定待预测网络路由图中每两个通信节点之间的预测时延；以及根据当前通信节点、目的通信节点、待预测网络路由图和预测时延，确定当前通信节点的下一跳通信节点，以确定从当前通信节点传输至目的通信节点的目标路由路径。标路由路径。标路由路径。

【技术实现步骤摘要】
高动态的智能路由确定方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，具体涉及网络路由
，更具体地涉及一种高动态的智能路由确定方法、装置、电子设备及存储介质。

技术介绍

[0002]在确定数据包的传输路由路径时，目前采用的路由确定算法包括，根据待预测的网络路由图中每两个直接相连的通信节点之间的时延，确定传输总时延最小的路由路径，并未考虑网络路由图中每个通信节点的动态性。此外，目前采用的路由确定算法在应对网络规模较大的网络拓扑图的情况时，运算效率较低。

技术实现思路

[0003]鉴于上述问题，本专利技术提供了提高路由路径确定效率的高动态的智能路由确定方法、装置、电子设备及存储介质。
[0004]根据本专利技术的一个方面，提供了一种高动态的智能路由确定方法，包括：根据待预测网络路由图和待预测网络路由图中每两个直接相连的通信节点之间的时延，确定特征矩阵和原始邻接矩阵；利用训练后的图神经网络模型处理特征矩阵和原始邻接矩阵，得到第一特征向量和第二特征向量；根据第一特征向量和第二特征向量，确定待预测网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高动态的智能路由确定方法，包括：根据待预测网络路由图和所述待预测网络路由图中每两个直接相连的通信节点之间的时延，确定特征矩阵和原始邻接矩阵；利用训练后的图神经网络模型处理所述特征矩阵和所述原始邻接矩阵，得到第一特征向量和第二特征向量；根据所述第一特征向量和所述第二特征向量，确定所述待预测网络路由图中每两个通信节点之间的预测时延；以及根据当前通信节点、目的通信节点、所述待预测网络路由图和所述预测时延，确定所述当前通信节点的下一跳通信节点，以确定从所述当前通信节点传输至所述目的通信节点的目标路由路径。2.根据权利要求1所述的方法，其中，所述利用训练后的图神经网络模型处理所述特征矩阵和所述原始邻接矩阵，得到第一特征向量和第二特征向量包括：利用训练后的图神经网络模型处理所述特征矩阵和所述原始邻接矩阵，得到第一特征向量；根据所述待预测网络路由图和所述原始邻接矩阵，确定更新邻接矩阵；以及利用所述训练后的图神经网络模型处理所述特征矩阵和所述更新邻接矩阵，得到第二特征向量。3.根据权利要求2所述的方法，其中，所述根据所述待预测网络路由图和所述原始邻接矩阵，确定更新邻接矩阵包括：针对所述待预测网络路由图中每个通信节点，根据所述待预测网络路由图，确定与所述每个通信节点直接相连的至少一个第一通信节点和与所述每个通信节点间接相连的至少一个第二通信节点；以及根据所述至少一个第一通信节点和所述至少一个第二通信节点，对所述原始邻接矩阵进行更新，得到更新邻接矩阵。4.根据权利要求1所述的方法，其中，所述根据所述第一特征向量和所述第二特征向量，确定所述待预测网络路由图中每两个通信节点之间的预测时延包括：将所述第一特征向量和所述第二特征向量进行特征融合，得到目标特征矩阵；以及根据所述目标特征矩阵，得到所述待预测网络路由图中每两个通信节点之间的预测时延。5.根据权利要求1所述的方法，其中，所述根据当前通信节点、目的通信节点、所述待预测网络路由图和所述预测时延，确定所述当前通信节点的下一跳通信节点包括：根据所述待预测网络路由图，确定与当前通信节点直接相连的至少一个目标通信节点；以及根据每个目标通信节点与目的通信节点之间的所述...

【专利技术属性】
技术研发人员：卢汉成，刘梦杰，吴枫，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：