一种认知网络资源智能管理方法
【专利摘要】本发明涉及一种认知网络资源智能管理方法。该方法针对认知网络中面向业务的端到端服务质量保障问题，首先获取业务预期使用的网元和链路的服务质量参数值，使用BP-深度信念网络进行资源可用性评估，根据评估结果使用案例推理确定决策方案，并根据决策方案进行网络资源重配置，从而保证认知网络中业务端到端服务质量。
【专利说明】一种认知网络资源智能管理方法
【技术领域】
[0001]本发明涉及网络资源智能管理领域，尤其涉及一种认知网络中基于BP-深度信念网络的资源智能管理方法。
【背景技术】
[0002]近年来，Internet网络技术的迅猛发展和多媒体应用的快速普及，使网络业务与用户数量呈爆炸性增长，网络成为人们获取信息、发布信息的重要途径。认知网络中网络资源智能管理能够为网络运行的稳定性和可靠性提供保障。
[0003]网络资源智能管理即利用人工智能算法实现网络资源自动化配置，满足网络多业务服务质量，即QoS需求的同时使网络中的资源得到更加有效的利用。起初管理资源网络管理主要根据网络反馈信息人工管理网络，网络资源管理效率低，并且缺乏实时性，是提高网络服务质量的瓶颈之一。随着自治管理概念的出现，智能网络资源管理越来越受到人们的重视。智能资源智能管理方法能够根据网络实时QoS参数实现网络资源自动配置和自动调整。认知网络资源智能管理能够依照用户业务的变化，考虑当前网络资源条件，并且动态重配置网络资源，提高了网络资源管理的实时性和效率的同时兼顾业务的QoS。
【发明内容】
[0004]本发明所解决的技术问题是:
[0005]改善网络资源管理效率低，并且缺乏实时性的问题，实现网络的认知性，提高网络资源管理的效率和服务质量。
[0006]为了解决上述技术问题，本发明所采用的技术方案是:
[0007]采用一种认知网络的资源智能管理方法，主要通过安全通信接口模块，资源评估模块，策略管理模块、数据库模块以及网络路由器实现:
[0008]其中，安全通信接口模块负责实现数据库、策略管理模块、资源评估模块和网络路由器的通信；
[0009]资源评估模块负责根据业务预期使用的网元和链路的QoS参数值评估当前网络的可用性，其中QoS参数可包括带宽、时延、抖动、丢包率。该模块是资源智能管理中心的核心之一，BP-深度信念网络可实现该模块功能的算法。
[0010]策略管理模块负责根据资源评估结果使用案例推理进行决策，并根据决策结果控制网络资源重配置，该模块亦是资源智能管理中心的核心之一。
[0011]数据库模块负责存储采集的网络资源参数和案例，为资源评估模块和决策管理模块服务。
[0012]BP-深度信念网络算法步骤如下:
[0013]1、采用四层BP-深度信念网络体系结构，底部三层构成一个深度信念网络，顶层为输出层。输入为网元和链路的QoS参数值，输出表示当前网络资源可用性；
[0014]2、忽略输出层，三层深度信念网络构成一个反向生成模型，通过基于限制波尔兹曼机RBM(Restricted Boltzmann Machine)的贪婪逐层无监督学习算法完成深度信念网络预训练。预训练过程简要分两步:(I)通过RBM训练算法获取深度信赖网络(DBN)顶层第一级RBM的初始参数集；⑵第一级RBM的输出作为第二级RBM的输入，同样初始化参数集；
[0015]3、通过预训练获取深度信念网络的参数集，然后将四层BP-深度信念网络作为四层普通神经网络进行精调。
[0016]本发明的有益效果是:
[0017]智能资源智能管理方法能够根据网络实时QoS参数实现网络资源自动配置和自动调整。认知网络资源智能管理能够依照用户业务的变化，考虑当前网络资源条件，并且动态重配置网络资源，提高了网络资源管理的实时性和效率的同时兼顾业务的QoS
[0018]图1是本发明实施例的基于深度信念网络的资源智能管理模型结构示意图。
[0019]图2是本发明基于一种认知网络的资源智能管理中心设计组成结构示意图。
[0020]图3是本发明基于一种认知网络的资源智能管理方法的流程图。
【具体实施方式】
[0021]下面将结合说明书附图，对本发明作进一步的说明。
[0022]如图1所示，认知域A用户向认知域B请求资源，域内业务认知中心A获取业务、请求对象等信息，向资源智能管理中心请求面向业务的资源可用性评估。若网络资源能够满足业务QoS需求，则向域内业务认知中心A返回可行指示，域内业务认知中心通知用户。若网络资源不能满足业务QoS需求，向域内认知中心A返回等待指示，同时根据策略指示进行网络资源重配置，例如重路由、自动队列管理等。重配置结束后向域内业务认知中心A返回可行指示，域内业务认知中心通知用户。其中资源智能管理中心如图2所示，采用基于BP-深度信念网络的资源智能管理方法实现。
[0023]如图2、图3所示，安全通信接口模块负责实现数据库、策略管理模块、资源评估模块和网络路由器的通信；其中资源评估模块负责根据业务预期使用的网元和链路的QoS参数值评估当前网络的可用性，其中QoS参数可包括带宽、时延、抖动、丢包率，实现该模块评估网络资源可用性的算法为BP-深度信念网络，即采用四层BP-深度信念网络体系结构，底部三层构成一个深度信念网络，顶层为输出层。输入为网元和链路的QoS参数值，输出表示当前网络资源可用性；忽略输出层，三层深度信念网络构成一个反向生成模型，通过基于RBM的贪婪逐层无监督学习算法完成深度信念网络预训练。预训练过程简要分两步:(I)通过RBM训练算法获取DBN顶层第一级RBM的初始参数集；(2)第一级RBM的输出作为第二级RBM的输入，同样初始化参数集，最后通过预训练获取深度信念网络的参数集，然后将四层BP-深度信念网络作为四层普通神经网络进行精调。策略管理模块根据资源评估模块的输出值使用案例推理进行决策，并根据决策结果控制网络资源重配置。
[0024]以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
【权利要求】
1.一种认知网络资源智能管理方法，其特征在于:包括安全通信接口模块、资源评估模块、策略管理模块、数据库模块和网路路由器，其中安全通信接口模块分别与资源评估模块、策略管理模块、数据库模块、网路路由器模块相连接，负责实现资源评估模块、策略管理模块、数据库以及网络路由器的通信，资源评估模块负责根据业务预期使用的网元和链路的服务质量参数值评估当前网络资源的可用性，策略管理模块负责根据资源评估结果使用案例推理进行决策，并根据决策结果进行网络资源重配置，数据库模块负责存储采集的网络资源参数和案例，为资源评估模块和决策管理模块服务。
2.根据权利要求1所述一种认知网络资源智能管理方法，其特征在于:所述资源评估模块在根据业务预期使用的网元和链路服务质量参数值评估当前网络资源可用性的过程中，采纳的业务预期使用的网元和链路服务质量参数值为带宽、时延、抖动以及丢包率。
3.根据权利要求1所述一种认知网络资源智能管理方法，其特征在于:所述资源评估模块在根据业务预期使用的网元和链路服务质量参数值评估当前网络资源可用性的过程中，采用BP-深度信念网络实现该模块功能的算法，该算法步骤为: 采用四层BP-深度信念网络体系结构，底部三层构成一个深度信念网络，顶层为输出层，输入为网元和链路的服务质量参数值，输出表示当前网络资源可用性； 忽略输出层，三层深度信念网络构成一个反向生成模型，通过基于限制波尔兹曼机的贪婪逐层无监督学习算法完成深度信念网络预训练。预训练过程简要分两步，首先通过限制波尔兹曼机训练算法获取深度信赖网络顶层第一级限制波尔兹曼机的初始参数集，接着，第一级限制波尔兹曼机的输出作为第二级限制波尔兹曼机的输入，同样初始化参数集; 通过预训练获取深度信念网络的参数集后，将四层BP-深度信念网络作为四层普通神经网络进行精调。
【文档编号】H04L12/24GK103888285SQ201310631099
【公开日】2014年6月25日 申请日期:2013年12月2日 优先权日:2013年12月2日
【发明者】洪智 申请人:江苏达科信息科技有限公司