一种基于深度强化学习的自适应服务功能链映射方法

    公开(公告)号:CN115037628B

    公开(公告)日:2023-08-22

    申请号:CN202210562305.6

    申请日:2022-05-23

    Abstract: 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法,步骤为:建立SFC映射模型,将SFC映射过程分为三层结构并进行抽象参数表示;搭建SFCR映射学习神经网络,并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值;构建经验回放池并对网络参数更新;基于经验回放池中数据,统计不同VNF的请求率、使用率及现有部署数量和未激活个数;设计VNF再部署策略,根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势,能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题;具有良好的自适应性,能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。

    一种基于深度强化学习的自适应服务功能链映射方法

    公开(公告)号:CN115037628A

    公开(公告)日:2022-09-09

    申请号:CN202210562305.6

    申请日:2022-05-23

    Abstract: 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法,步骤为:建立SFC映射模型,将SFC映射过程分为三层结构并进行抽象参数表示;搭建SFCR映射学习神经网络,并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值;构建经验回放池并对网络参数更新;基于经验回放池中数据,统计不同VNF的请求率、使用率及现有部署数量和未激活个数;设计VNF再部署策略,根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势,能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题;具有良好的自适应性,能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。

    一种基于图神经网络的电力数据流传输时间推理方法

    公开(公告)号:CN112801261A

    公开(公告)日:2021-05-14

    申请号:CN202110002217.6

    申请日:2021-01-04

    Abstract: 本发明提出了一种基于图神经网络的电力数据流传输时间推理方法,用以解决现有传输时间推理无法准确推理每个数据流的传输时间,运行时间长的问题。本发明步骤为:建立GNN模型:根据电力数据中心的网络结构和路由信息建立GNN模型的拓扑结构,将电力数据中心的数据流信息映射为GNN模型中属性图的特征值;GNN模型训练:利用采集的数据集,通过监督学习对GNN模型进行训练,得到GNN推理模型;传输时间的推理:将在电力数据中心采集的测试数据映射为GNN模型的特征值,将特征值输入到GNN推理模型,推理得到数据流的传输时间。本发明可以快速、准确地推理出数据流的传输时间,利于数据流传输与调度的决策,从而提高电力数据中心中网络的运行效率。

    一种基于深度强化学习的智能流量调度方法

    公开(公告)号:CN114884895B

    公开(公告)日:2023-08-22

    申请号:CN202210483572.4

    申请日:2022-05-05

    Abstract: 本发明提出了一种基于深度强化学习的智能流量调度方法,其步骤为:实时采集数据中心网络拓扑中的流,根据不同类型的流特征将流分成大象流或老鼠流;分别建立大象流和老鼠流的节能和性能为联合优化目标的流量调度模型;建立基于CNN改进的DDPG智能路由流量调度框架并进行环境交互;状态映射:将三种状态信息共同作为状态集合CNN进行训练;动作映射:动作设置为流在时间和空间上均匀传输情况下每条路径节能和性能综合的权重,根据权重分别选取大象流或老鼠流的传输路径;奖励值映射:分别设计大象流和老鼠流的奖励值函数。本发明具有较好的收敛效率,有效提高了节能百分比和时延、吞吐量、丢包率等网络性能。

    一种基于深度强化学习的智能流量调度方法

    公开(公告)号:CN114884895A

    公开(公告)日:2022-08-09

    申请号:CN202210483572.4

    申请日:2022-05-05

    Abstract: 本发明提出了一种基于深度强化学习的智能流量调度方法,其步骤为:实时采集数据中心网络拓扑中的流,根据不同类型的流特征将流分成大象流或老鼠流;分别建立大象流和老鼠流的节能和性能为联合优化目标的流量调度模型;建立基于CNN改进的DDPG智能路由流量调度框架并进行环境交互;状态映射:将三种状态信息共同作为状态集合CNN进行训练;动作映射:动作设置为流在时间和空间上均匀传输情况下每条路径节能和性能综合的权重,根据权重分别选取大象流或老鼠流的传输路径;奖励值映射:分别设计大象流和老鼠流的奖励值函数。本发明具有较好的收敛效率,有效提高了节能百分比和时延、吞吐量、丢包率等网络性能。

    一种基于图神经网络的智能QoS推理方法

    公开(公告)号:CN112529148B

    公开(公告)日:2022-02-22

    申请号:CN202011311810.0

    申请日:2020-11-20

    Abstract: 本发明提出了一种基于图神经网络的智能QoS推理方法,用以解决现有神经网络无法适应网络结构的动态调整的问题。本发明的步骤如下:根据网络拓扑结构构建GNN的图结构,将网络中的状态信息映射为图结构中节点和边的特征值;采集网络拓扑结构中设备的状态信息组成数据集,将采集的数据集输入到步骤一建立的GNN模型进行训练,保存最优的节点和边的神经网络参数获得GNN推理模型;将采集的现实网络实时的设备中的状态数据输入GNN推理模型,实现当前状态下QoS的推理。本发明的建模简单、计算量小、且准确度较高,具有较好的泛化推理能力,解决了已有智能QoS推理方法在面对新网络拓扑时必需重新训练的难题,在现实网络中具有极好的实用性。

    一种基于图神经网络的智能QoS推理方法

    公开(公告)号:CN112529148A

    公开(公告)日:2021-03-19

    申请号:CN202011311810.0

    申请日:2020-11-20

    Abstract: 本发明提出了一种基于图神经网络的智能QoS推理方法,用以解决现有神经网络无法适应网络结构的动态调整的问题。本发明的步骤如下:根据网络拓扑结构构建GNN的图结构,将网络中的状态信息映射为图结构中节点和边的特征值;采集网络拓扑结构中设备的状态信息组成数据集,将采集的数据集输入到步骤一建立的GNN模型进行训练,保存最优的节点和边的神经网络参数获得GNN推理模型;将采集的现实网络实时的设备中的状态数据输入GNN推理模型,实现当前状态下QoS的推理。本发明的建模简单、计算量小、且准确度较高,具有较好的泛化推理能力,解决了已有智能QoS推理方法在面对新网络拓扑时必需重新训练的难题,在现实网络中具有极好的实用性。

    一种绿色节能安全路由器

    公开(公告)号:CN213229925U

    公开(公告)日:2021-05-18

    申请号:CN202021895770.4

    申请日:2020-09-03

    Abstract: 本实用新型公开了一种绿色节能安全路由器,包括收纳盒,所述收纳盒内壁的底部固定连接有路由器本体,所述收纳盒的顶部通过合页铰接有盖板,所述路由器本体的顶部固定连接有蓄电池,所述蓄电池与路由器本体电性连接,所述盖板的顶部设置有光伏板,所述光伏板与蓄电池电性连接,所述光伏板的顶部设置有挡板,所述挡板为透明树脂制成。本实用新型通过收纳盒与盖板对路由器本体进行防护,从而达到提高路由器本体安全性的效果,通过光伏板将太阳能吸收并转化为电能,然后储存至蓄电池的内部等待使用,能够达到节能的效果。本实用新型解决了现有的移动路由器节能效果较差,而且在携带过程中无法保证路由器的安全性,降低了路由器使用寿命的问题。

    一种抗摔型红外成像仪
    9.
    实用新型

    公开(公告)号:CN211954445U

    公开(公告)日:2020-11-17

    申请号:CN202020867995.2

    申请日:2020-05-22

    Abstract: 本实用新型公开了一种抗摔型红外成像仪,属于红外成像仪设备技术领域。本实用新型包括红外成像仪本体,红外成像仪本体的两侧均固定连接有固定框,红外成像仪本体的正面设置有防护板,防护板正面两侧的底部均贯穿设置有定位杆,定位杆的背面贯穿至固定框的内部,固定框的顶部贯穿设置有螺杆,螺杆的表面螺纹连接有螺块,螺块的正面固定连接有卡杆。本实用新型达到固定防护板,致使达到可以抗摔保护的效果,增强了红外成像仪的使用寿命,便于使用者使用,该抗摔型红外成像仪,解决了现有的红外成像仪大都是手持式的,在进行外出使用时,不小心滑落容易落地发生磕碰,红外热像仪的屏幕以及镜头为易碎品,容易损坏,无法进行很好的保护的问题。

    一种针对圈养牛群的放养系统

    公开(公告)号:CN213214795U

    公开(公告)日:2021-05-18

    申请号:CN202021033605.8

    申请日:2020-06-08

    Abstract: 本实用新型牛的养殖厂设计的技术领域,尤其涉及一种针对圈养牛群的放养系统,包括固定在养殖场上方的吊轨装置、滑动设置在吊轨装置内的多个牵引装置、设置吊轨装置下方的放养区、设置在放养区外侧的多个固定养殖区、以及视频监控装置和后台服务器。本实用新型利用牵引装置控制圈养牛进入放养区,在放养区,牵引装置牵引圈养牛按照定时、定径、定速和定量的科学规划进行活动,既避免了圈养牛散养时发生危险(即争斗)的概率,同时通过活动量提升牛的免疫力,节约了养殖场地,减少了放养时的人力劳动;通过调控牛的放养活动时间,保证牛的健康生长,提高了圈养牛的整体竞争力。

Patent Agency Ranking