本申请涉及网络优化领域,尤其涉及一种网络拓扑更新方法、装置及通信设备。
背景技术:
1、随着互联网业务流量的指数级增长,对网络的承载能力提出了更高的要求,目前的通信网络规划越来越无法满足日渐增加的互联网业务需求,尤其是网络高峰期,网络承载能力较低,需要对网络拓扑结构进行优化。现有技术使用等代价多路由算法将数据流进行分割并用多个等代价路径进行传输,但仅考虑了网络拓扑的静态信息,网络拓扑的优化效果较差。
技术实现思路
1、本申请提供一种网络拓扑更新方法、装置及通信设备,以解决网络拓扑的优化效果较差的问题。
2、第一方面,本申请实施例提供了一种网络拓扑更新方法,包括:
3、获取第一网络拓扑的邻接矩阵,以及所述第一网络拓扑中每一节点的网络流量时间序列;
4、基于遗传算法对所述第一网络拓扑的邻接矩阵进行迭代更新,以获取多个第二网络拓扑的邻接矩阵;
5、将所述第一网络拓扑中每一节点的网络流量时间序列与所述多个第二网络拓扑的邻接矩阵作为预先训练的时空流量预测模型的输入进行网络流量时间序列预测,以获取每一所述第二网络拓扑中每一节点的预测网络流量时间序列;
6、基于每一所述第二网络拓扑中每一节点的预测网络流量时间序列,获取每一所述第二网络拓扑的负载均衡系数;
7、使用目标网络拓扑更新所述第一网络拓扑,所述目标网络拓扑为多个所述第二网络拓扑中负载均衡系数最小的网络拓扑。
8、第二方面,本申请实施例还提供一种网络拓扑更新装置,包括:
9、第一获取模块,用于获取第一网络拓扑的邻接矩阵,以及所述第一网络拓扑中每一节点的网络流量时间序列;
10、第一更新模块,用于基于遗传算法对所述第一网络拓扑的邻接矩阵进行迭代更新,以获取多个第二网络拓扑的邻接矩阵;
11、预测模块,用于将所述第一网络拓扑中每一节点的网络流量时间序列与所述多个第二网络拓扑的邻接矩阵作为预先训练的时空流量预测模型的输入进行网络流量时间序列预测,以获取每一所述第二网络拓扑中每一节点的预测网络流量时间序列;
12、第二获取模块,用于基于每一所述第二网络拓扑中每一节点的预测网络流量时间序列,获取每一所述第二网络拓扑的负载均衡系数;
13、第二更新模块,用于使用目标网络拓扑更新所述第一网络拓扑,所述目标网络拓扑为多个所述第二网络拓扑中负载均衡系数最小的网络拓扑。
14、第三方面,本申请实施例还提供一种通信设备,包括:收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;所述处理器,用于读取存储器中的程序实现如本申请实施例第一方面所述方法中的步骤。
15、第四方面,本申请实施例还提供一种可读存储介质,用于存储程序,所述程序被处理器执行时实现如本申请实施例第一方面所述方法中的步骤。
16、本申请实施例中,基于遗传算法对所述第一网络拓扑的邻接矩阵进行迭代更新,以获取多个第二网络拓扑的邻接矩阵,从所述多个第二网络拓扑可选取一网络拓扑对所述第一网络拓扑进行更新;将所述第一网络拓扑中每一节点的网络流量时间序列与所述多个第二网络拓扑的邻接矩阵作为预先训练的时空流量预测模型的输入进行网络流量时间序列预测,以获取每一所述第二网络拓扑中每一节点的预测网络流量时间序列;基于每一所述第二网络拓扑中每一节点的预测网络流量时间序列,获取每一所述第二网络拓扑的负载均衡系数;所述时空流量预测模型可以基于空间关系和时间关系进行预测,并获取所述多个第二网络拓扑中负载均衡系数最小的所述目标网络拓扑,通过使用所述目标网络拓扑更新所述第一网络拓扑,提高更新后的网络拓扑负载的均衡度,从而提高对所述第一网络拓扑的优化效果。
1.一种网络拓扑更新方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述时空流量预测模型包括图神经网络模型和门控循环单元模型;
3.如权利要求1所述的方法,其特征在于,所述基于遗传算法对所述第一网络拓扑的邻接矩阵进行迭代更新,以获取多个第二网络拓扑的邻接矩阵包括:
4.如权利要求1所述的方法,其特征在于,所述基于每一所述第二网络拓扑中每一节点的预测网络流量时间序列,获取每一所述第二网络拓扑的负载均衡系数包括:
5.如权利要求4所述的方法,其特征在于,所述基于深度优先搜索算法获取所述每一第二网络拓扑中的链路集合,包括:
6.如权利要求1至5中任一项所述的方法,其特征在于,所述使用目标网络拓扑更新所述第一网络拓扑,包括:
7.一种网络拓扑更新装置,其特征在于,包括:
8.如权利要求7所述的装置,其特征在于,所述时空流量预测模型包括图神经网络模型和门控循环单元模型;
9.一种通信设备,包括:收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法中的步骤。