【技术实现步骤摘要】
本申请涉及计算机，尤其涉及基于卷积神经网络算法的自适应网络拓扑生成方法及系统。
技术介绍
1、拓扑结构作为网络管理要素信息的重要组成单元，为ip网络管理提供主要的基础数据信息，基于此，拓扑的展现技术为直观地展现ip网络关系提供了重要支撑。现有的拓扑展现技术主要有基于力导向模型的布局算法、环型布局算法、树型布局算法等，现有的方法进行拓扑布局计算时，拓扑算法以静态的方式加载到系统中，这种方式只能满足一定时期的使用需求，随着业务的不断发展增加，当已有算法无法有效提供呈现能力时，只能重新对系统进行编码开发，导致效率低下，运维成本大。
技术实现思路
1、本申请实施例的主要目的在于提出一种运维成本低、效率高的基于卷积神经网络算法的自适应网络拓扑生成方法及系统，旨在解决上述问题至少之一。
2、为实现上述目的，本申请实施例的一方面提出了一种基于卷积神经网络算法的自适应网络拓扑生成方法，所述方法包括：
3、导入若干种预置布局算法模型；
4、根据网络的初始拓扑信息，确定重要环路节点和其他节点；
5、采用若干种所述预置布局算法模型对所述重要环路节点进行遍历调整，得到关键环路布局图像；
6、根据所述重要环路节点，采用若干种所述预置布局算法模型对所述其他节点进行遍历调整，得到其他布局图像；
7、根据所述关键环路布局图像和所述其他布局图像对第一卷积神经网络进行训练，得到目标图形布局优化模型；其中，所述目标图形布局优化模型用于确定目标关键环
8、根据所述关键环路布局模型和所述其他布局模型，构建网络拓扑生成模型；
9、通过所述网络拓扑生成模型，根据所述初始拓扑信息生成网络拓扑展示图。
10、在一些实施例中，所述根据网络的初始拓扑信息，确定重要环路节点和其他节点；根据所述重要环路节点确定重要环路，包括：
11、将网络的初始拓扑信息转换初始拓扑图的形式；
12、根据所述初始拓扑图的结构，确定所有组成环的节点，得到第一节点集合；
13、将起点和终点均属于所述第一节点集合的任意基本链所包括的节点确定为重要环路节点；其中，所述初始拓扑图中不属于重要环路节点的节点则作为其他节点。
14、在一些实施例中，所述采用若干种所述预置布局算法模型对所述重要环路节点进行遍历调整，得到关键环路布局图像的步骤中，采用其中一种所述预置布局算法模型进行处理的步骤包括：
15、确定一个重要环路节点作为当前处理节点；
16、根据所述重要环路节点之间的距离，计算所述当前处理节点的吸引力和斥力；
17、根据所述吸引力和斥力计算所述当前处理节点所受到的合力；
18、根据所述合力，确定所述当前处理节点的所需位移量；
19、根据所述所需位移量调整所述当前处理节点的坐标；
20、重复执行所述确定一个重要环路节点作为当前处理节点的步骤，直至所述重要环路节点的列表为空，得到关键环路布局图像。
21、在一些实施例中，所述根据所述重要环路节点，采用若干种所述预置布局算法模型对所述其他节点进行遍历调整，得到其他布局图像的步骤中，采用其中一种所述预置布局算法模型进行处理的步骤包括：
22、根据所述重要环路节点确定根节点；
23、根据所述根节点和所述其他节点确定子树；
24、计算所述子树的子树宽度；
25、根据所述子树宽度确定所述子树的布局，得到其他布局图像。
26、在一些实施例中，所述图形布局优化模型的工作步骤包括：
27、获取各个所述预置布局算法模型的所生成的布局图片；
28、通过卷积操作提取所述布局图片中的基本特征；
29、将所述基本特征经过池化层进行池化处理，得到重要特征；
30、对所述重要特征进行全连接处理，得到关键图形布局特征；
31、根据所述关键图形布局特征，确定布局模型决策。
32、在一些实施例中，所述方法还包括：
33、根据所述网络拓扑展示图，对网络状态进行实时监控和异常检测，得到监控结果；
34、根据所述监控结果，自适应调整所述网络拓扑，重新确定网络拓扑展示图。
35、在一些实施例中，所述方法还包括：
36、对网络拓扑进行可靠性评估，得到评估结果；
37、根据所述评估结果优化所述图形布局优化模型。
38、为实现上目的，本申请实施例的另一方面提出了基于卷积神经网络算法的自适应网络拓扑生成系统，所述系统包括：
39、第一模块，用于导入若干种预置布局算法模型；
40、第二模块，用于根据网络的初始拓扑信息，确定重要环路节点和其他节点；根据所述重要环路节点确定重要环路；
41、第三模块，用于采用若干种所述预置布局算法模型对所述重要环路节点进行遍历调整，得到关键环路布局图像；
42、第四模块，用于根据所述重要环路节点，采用若干种所述预置布局算法模型对所述其他节点进行遍历调整，得到其他布局图像；
43、第五模块，用于根据所述关键环路布局图像和所述其他布局图像对第一卷积神经网络进行训练，得到目标图形布局优化模型；其中，所述目标图形布局优化模型用于确定目标关键环路布局模型和目标其他布局模型；
44、第六模块，用于根据所述关键环路布局模型和所述其他布局模型，构建网络拓扑生成模型；
45、第七模块，用于通过所述网络拓扑生成模型，根据所述初始拓扑信息生成网络拓扑展示图。
46、需要说明的是，在一些实施例中，本申请实施例还可以包括以下模块至少之一：
47、第八模块，用于根据所述网络拓扑展示图，对网络状态进行实时监控和异常检测，得到监控结果；根据所述监控结果，自适应调整所述网络拓扑，重新确定网络拓扑展示图。
48、第九模块，用于对网络拓扑进行可靠性评估，得到评估结果；根据所述评估结果优化所述图形布局优化模型。
49、为实现上述目的，本申请实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前面所述的方法。
50、为实现上述目的，本申请实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。
51、本申请实施例至少包括以下有益效果：本申请提供基于卷积神经网络算法的自适应网络拓扑生成方法及系统，该方案通过获取整个网络的初始拓扑信息，网络节点进行分类，依照网络特性将节点大致分为重要环路节点与其他节点两类；然后根据预置的拓扑算法对节点进行遍历，获取遍历后的数据；使用cnn神经网络算法对遍历后的数据进行训练得到图形布局优化模型；通过图形布局优化模型本文档来自技高网...
【技术保护点】
1.一种基于卷积神经网络算法的自适应网络拓扑生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据网络的初始拓扑信息，确定重要环路节点和其他节点；根据所述重要环路节点确定重要环路，包括：
3.根据权利要求1所述的方法，其特征在于，所述采用若干种所述预置布局算法模型对所述重要环路节点进行遍历调整，得到关键环路布局图像的步骤中，采用其中一种所述预置布局算法模型进行处理的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述重要环路节点，采用若干种所述预置布局算法模型对所述其他节点进行遍历调整，得到其他布局图像的步骤中，采用其中一种所述预置布局算法模型进行处理的步骤包括：
5.根据权利要求1所述的方法，其特征在于，所述图形布局优化模型的工作步骤包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种基于卷积神经网络算法的自适应网络拓扑生成系统，其特征在于，包括：
9.一种电子
10.一种计算机存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种基于卷积神经网络算法的自适应网络拓扑生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据网络的初始拓扑信息，确定重要环路节点和其他节点；根据所述重要环路节点确定重要环路，包括：
3.根据权利要求1所述的方法，其特征在于，所述采用若干种所述预置布局算法模型对所述重要环路节点进行遍历调整，得到关键环路布局图像的步骤中，采用其中一种所述预置布局算法模型进行处理的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述重要环路节点，采用若干种所述预置布局算法模型对所述其他节点进行遍历调整，得到其他布局图像的步骤中，采用其...
【专利技术属性】
技术研发人员：公怀予，白宇洁，刘昆仑，郭翔霄，李洋，曹世明，杨明，
申请(专利权)人：中国电信股份有限公司，
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。