【技术实现步骤摘要】
本专利技术涉及计算机技术应用领域，特别是涉及一种基于工业网络的流路径分配方法、电子设备及存储介质。
技术介绍
1、网络异构化、业务多样性、移动性接入、业务应用趋向于云端集中部署与边缘部署相结合是智能工厂网络和业务的特点。人员移动作业和移动设备的广泛应用导致业务流路径规划已经从静态规划到更多地需要动态分配，再加上服务质量要求的多样性使得网络运维管理难度增大。当前，为降低网络运维管理难度，开始探索将人工智能技术(artificialintelligence:ai))ai技术引入网络管理。基于ai技术的网络流路径动态分配是关键技术之一。
技术实现思路
1、针对上述技术问题，本专利技术采用的技术方案为：
2、本专利技术实施例提供一种基于工业网络的流路径分配模型构建方法，所述方法包括如下步骤：
3、s100，设置训练轮数计数器p＝1。
4、s200，基于预设工业网络获取第p训练数据集；其中，训练数据集中的第i条训练数据vsi至少包括对应的第i训练流请求业务对应的最大时延、请求带宽、源节点id、目的节点id、目标流路径、奖励值、预设工业网络的第一网络状态和第二网络状态；其中，预设工业网络的第一网络状态为预设工业网络没有为第i训练流请求业务分配对应的目标流路径时的状态，预设工业网络的第二网络状态为预设工业网络在为第i训练流请求业务分配了对应的目标流路径后的状态；i的取值为1到f(p)，f(p)为第p训练数据集中的数据数量；vsi对应的奖励值基于对应的最大时延、
5、s300，利用获取的第p训练数据集对当前智能体进行训练，得到训练后的第p智能体；如果p＜p0并且p/c为正整数，执行s400；c为预设间隔轮数阈值；p0为预设训练轮数阈值。
6、s400，设置测试轮数计数器q＝q+1，并基于预设工业网络获取第q测试数据集；q的初始值为0；其中，测试数据集中的第j条测试数据至少包括对应测试流请求业务vcj对应的最大时延、请求带宽、源节点id、目的节点id和当前的预设工业网络的状态；j的取值为1到h(q)，h(q)为第q测试数据集中的数据数量。
7、s500，利用第q测试数据集对当前智能体进行测试，得到对应的第q测试结果集cq＝{cq1，cq2，……，cqj，……，cqh(q)}并存入至当前测试结果表中；cqj为利用第j条测试数据对当前智能体进行测试得到的测试结果，所述测试结果为vcj对应的奖励值；测试结果表的初始值为空值；vcj对应的奖励值基于第j条测试流请求业务对应的最大时延、请求带宽、当前智能体为第j条测试流请求业务分配的目标流路径所经过的各节点的交换时延以及节点介数确定；
8、s600,如果当前测试结果表对应的测试结果波动系数小于设定波动系数阈值或者p≥p0，则将当前的智能体作为目标智能体，否则，执行s700。
9、s700，设置p＝p+1；执行s200。
10、本专利技术至少具有以下有益效果：
11、本专利技术实施例提供的基于工业网络的流路径分配模型构建方法，能够自动的对工业网络的流请求业务分配对应的流路径，能够提高工业网络的流路径的分配效率和准确性。
12、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种基于工业网络的流路径分配模型构建方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，S200具体包括：
3.根据权利要求1所述的方法，其特征在于，所述基于预设工业网络获取第q测试数据集具体包括：
4.根据权利要求2所述的方法，其特征在于，Ri＝α×bi+β/pi+γ×rdi；α为带宽奖励系数，β为路径节点介数系数，γ为时延惩罚系数；bi为第i条训练流请求业务的请求带宽，pi为第i条训练流请求业务对应的目标流路径经过的各节点的节点介数之和，rdi第i条训练流请求业务对应的时延奖励值，基于第i条训练流请求业务对应的目标流路径经过的节点的交换时延和第i条训练流请求业务对应的最大时延确定。
5.根据权利要求4所述的方法，其特征在于，rdi满足如下条件：
6.根据权利要求4所述的方法，其特征在于，α、β和γ基于如下步骤获取得到：
7.根据权利要求1所述的方法，其特征在于，训练数据集中的训练数据按照优先级由高到低的顺序排列。
8.根据权利要求1所述的方法，其特征在于，所
9.一种电子设备，其特征在于，包括处理器和存储器；
...【技术特征摘要】
1.一种基于工业网络的流路径分配模型构建方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，s200具体包括：
3.根据权利要求1所述的方法，其特征在于，所述基于预设工业网络获取第q测试数据集具体包括：
4.根据权利要求2所述的方法，其特征在于，ri＝α×bi+β/pi+γ×rdi；α为带宽奖励系数，β为路径节点介数系数，γ为时延惩罚系数；bi为第i条训练流请求业务的请求带宽，pi为第i条训练流请求业务对应的目标流路径经过的各节点的节点介数之和，rdi第i条训练流请求业务对应的时延奖励值，基于...
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。