基于深度学习的流量工程算法研究与应用

胡道允; 齐进; 陆钱春; 李锋; 房红强

doi:10.11959/j.issn.1000-0801.2021027

您当前的位置：

首页 >

文章列表页 >

基于深度学习的流量工程算法研究与应用

研究与开发 | 更新时间：2024-06-05

- 基于深度学习的流量工程算法研究与应用
- Research and application of traffic engineering algorithm based on deep learning
- 电信科学 2021年37卷第2期页码：107-114
- 作者机构：
  
  1. 移动网络和移动多媒体技术国家重点实验室，广东深圳 518057
  2. 中国科学技术大学，安徽合肥 230026
- 作者简介：
  
  [ "胡道允（1990- ），男，移动网络和移动多媒体技术国家重点实验室工程师，主要研究方向为网络管控系统、智能网络算法、智能运维等。 " ]
  [ "齐进（1971- ），男，博士，移动网络和移动多媒体技术国家重点实验室工程师，主要研究方向为网络控制与管理、大数据分析、智能运维等。 " ]
  [ "陆钱春（1986- ），女，移动网络和移动多媒体技术国家重点实验室工程师，主要研究方向为智能网络优化。 " ]
  [ "李锋（1978- ），男，移动网络和移动多媒体技术国家重点实验室工程师，主要研究方向为基于深度学习的控制器策略闭环、控制器自动化能力演进等。 " ]
  [ "房红强（1995-），男，中国科学技术大学硕士生，主要研究方向为光通信网络和机器学习等。" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2021027
  中图分类号： TP393
- 网络出版日期：2021-02，
  
  纸质出版日期：2021-02-20
- 稿件说明：
移动端阅览
胡道允, 齐进, 陆钱春, 等. 基于深度学习的流量工程算法研究与应用[J]. 电信科学, 2021,37(2):107-114.

Daoyun HU, Jin QI, Qianchun LU, et al. Research and application of traffic engineering algorithm based on deep learning[J]. Telecommunications science, 2021, 37(2): 107-114.
胡道允, 齐进, 陆钱春, 等. 基于深度学习的流量工程算法研究与应用[J]. 电信科学, 2021,37(2):107-114. DOI： 10.11959/j.issn.1000-0801.2021027.

Daoyun HU, Jin QI, Qianchun LU, et al. Research and application of traffic engineering algorithm based on deep learning[J]. Telecommunications science, 2021, 37(2): 107-114. DOI： 10.11959/j.issn.1000-0801.2021027.

摘要

随着5G网络的发展和应用，网络中的业务数量呈现出爆发式增长，网络中的带宽资源日趋紧张。为了提高网络资源利用率，并满足用户日益提高的业务服务质量要求，基于软件定义网络（SDN）提出了一种基于深度学习的流量工程算法（DL-TEA）。通过仿真证明该算法不仅能够实时地为业务计算一条高效的路径，同时还能够提升业务的QoS、网络资源利用率，降低网络阻塞率。

Abstract

With the development and application of 5G network

the amount of traffic in network increased rapidly

which caused the lack of bandwidth resource.In order to improve the utilization of network resource and satisfy the critical user requirement for QoS (quality of service)

a novel traffic engineering algorithm based on deep learning in SDN was proposed.At last

simulation results show that the proposed algorithm not only can calculate an efficient path for service in real time

but also can improve the QoS and the utilization of network resource

as well as reduce network congestion.

关键词

Keywords

references

MCKEOWN N , ANDERSON T . OpenFlow:enabling innovation in campus networks [C ] // Proceedings of ACM SIGCOMM 2008 . New York:ACM Press , 2008 .

王素彬 , 朱永庆 . SDN与流量精细化运营 [J ] . 电信科学 , 2014 , 30 ( 11 ): 145 - 153 .

WANG S B , ZHU Y Q . SDN and Traffic Fine Operation [J ] . Telecommunications Science , 2014 , 30 ( 11 ): 145 - 153 .

张奇 . SDN 在传送网中的关键技术及流量工程应用场景 [J ] . 电信科学 , 2015 , 31 ( Z1 ): 158 - 162 .

ZHANG Q . Key technologies of SDN in transport network and application scenarios of traffic engineering [J ] . Telecommunications Science , 2015 , 31 ( Z1 ): 158 - 162 .

樊自甫 , 伍春玲 , 王金红 . 基于 SDN 架构的数据中心网络路由算法需求分析 [J ] . 电信科学 , 2015 , 31 ( 2 ): 36 - 45 .

FAN Z F , WU C L , WANG J H . Requirements analysis of data center network routing algorithm based on SDN architecture [J ] . Telecommunications Science , 2015 , 31 ( 2 ): 36 - 45 .

YU M , REXFORD J , FREEDMAN M J , et al . Scalable flow based networking with DIFANE [C ] // Proceedings of SIGCOMM 2010 .[S.l.:s.n. ] , 2010 : 351 - 362

CURTIS A R , KIM W , YALAGANDULA P . Mahout:low-overhead datacenter traffic management using end-host-based elephant detection [C ] // Proceedings of IEEE INFOCOM2011 . Piscataway:IEEE Press , 2011 : 1629 - 1637 .

黄婧洁 . SDN网络的流量工程模型及算法研究 [D ] . 北京:北京邮电大学 , 2015 .

HUANG J J . Research on traffic engineering model and algorithms of SDN [D ] . Beijing:Beijing University of Posts and Telecommunication , 2015 .

张嗣宏 , 左罗 . 基于人工智能的网络智能化发展探讨 [J ] . 中兴通讯技术 , 2019 , 25 ( 2 ): 57 - 62 .

ZHANG S H , ZUO L . Network intelligence based on artificial intelligence [J ] . ZTE Technology Journal , 2019 , 25 ( 2 ): 57 - 62 .

VALADARSKY A , SCHAPIRA M , SHAHAF D , et al . Learning to route [C ] // Proceedings of the 16th ACM Workshop . New York:ACM Press , 2017 : 185 - 191

李彦君 . 利用机器学习实现快速网络资源分配的研究 [D ] . 成都:电子科技大学 , 2016 .

LI Y J . Research on fast network resource allocation with machine learning [D ] . Chendu:University of Electronic Science and Technology of China , 2016 .

XU Z , . Experience-driven networking:a deep reinforcement learning based approach [C ] // Proceedings of IEEE INFOCOM . Piscataway:IEEE Press , 2018 : 1871 - 1879 .

李芃 . SDN网络中基于机器学习的网络资源分配研究 [D ] . 南京:东南大学 , 2018 .

LI P . Research on network resource allocation based on machine learning in software defined network [D ] . Nanjing:Southeast University , 2018 .

SUN P H , LI J F , et al . SINET:enabling scalable network routing with deep reinforcement learning on partial nodes [C ] // Proceedings of SIGCOMM 2019 .[S.l.:s.n. ] , 2019 : 88 - 89 .

浏览量

296

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度学习的软件定义网络应用策略冲突检测方法

GMTBLC：基于深度学习的双模态网络流量分类

基于改进YOLOv5的天线下倾角识别方法研究

基于时序深度残差收缩网络的混叠信号调制识别方法

日志信息驱动的计算机网络节点故障预测研究