[发明专利]SDON架构模型优化方法、装置、系统及计算机可读存储介质

说明书

本发明公开了一种SDON架构模型优化方法、装置、系统及计算机可读存储介质，属于通信技术领域，该方法包括：接收应用服务请求，应用服务请求包括：被优化的资源对象和资源优化策略意向；根据应用服务请求获取全网可编程虚拟网络资源信息，并生成优化算法数学模型和算法执行策略；根据优化算法数学模型、算法执行策略和全网可编程虚拟网络资源信息计算得到优化计算结果；调用数据库中的案例信息，根据案例信息与优化计算结果对软件定义光网络SDON架构模型进行优化，在普通SDON控制器架构系统的基础上，增加人工智能化特征，通过认知和学习等人工智能化处理过程，实现对SDON控制器全局并发优化算法模型的动态优化和修正。

技术领域

本发明涉及通信技术领域，尤其涉及一种SDON架构模型优化方法、装置、系统及计算机可读存储介质。

背景技术

近年来，随着大数据、高清视频、移动互联等应用服务的不断涌现，推动了对网络带宽需要的迅猛增长，特别是5G时代的到来，相比于4G时代，业内普遍认为5G的带宽需求将提高100-1000倍，因此在各种组网应用中，起着承载作用的光传送网技术越来越得到业内的广泛重视，同时，随着光传送网技术自身的发展(如超100G技术等)，光传送网变得更加灵活、弹性，可编程定义的光网络资源种类更加丰富(如柔性化光电混合调度节点信息模型、光频谱效率、光子载波个数、中心频率、栅格宽度等)。在这种背景下，通过支撑光传送网技术的SDN管控架构体系-软件定义光网络SDON(Software Defined Optical Network) 架构，实现对可编程光网络资源的动态分配与灵活调度，也随之成为业界在光网络管控领域的关注热点。

基于软件定义光网络SDON架构系统的推出，赋予了对光网络资源更好的可编程性，SDON在光传送网的应用层，将网络资源编程能力开放给用户(用户可以是网络 运营商、网络服务提供商或者是应用领域的第三方厂商)。用户可以根据自身需要，选择一定的优化策略，按需支取所需要的资源，从而实现对光网络资源使用的灵活部署与调度。

目前，业界普遍采用在SDON应用层支持用户定义对应的算法优化策略和对应的数学模型、在SDON控制器层内部构建启发式算法(如混合整数线性规划 (Mixed IntegerLinear Programming)MILP算法等)引擎的方式，实现对用户所需光网络资源的动态分配与并发优化，因此，启发式算法被业界认为是当前最佳SDON光网络资源全局并发优化解决方案，包括混合整数线性规划MILP算法、贪婪算法、遗传算法等都属于启发式算法范畴，鉴于MILP算法的可操作性、实用性较好，业界尤其对MILP算法的应用研究较多，在MILP算法设计中，通常按照启发式算法的解决思路，根据对光网络的使用经验，构造满足一定全局资源优化策略的数学模型，主要包括目标函数和约束条件两部分的构建，并通过算法本身的迭代过程完成对资源优化计算结果的输出，目前国际上如IBM公司开发了基于线性规划LP算法原理的ILOG CPLEX算法软件，并取得了较为理想的应用效果。

然而结合光网络资源自身特点，启发式算法在光网络全局并发优化应用中，也暴露出自身的一些不足：

1)业界尚未形成较为完整的、标准化的针对光网络资源优化数学模型设计的理论体系，优化求解策略和数学模型设计仅根据经验获得。

2)由于LP面临的NP理论问题，所求解会出现满足局部最优、且无法满足全局最优的情况；并就出现局部最优时的判定依据，还需要算法模型设计者确定。

3)数学模型中的条件参数对算法效果起着至关重要的作用，如何有效设置参数是个重要问题。

4)启发式算法的收敛性问题还普遍，包括如何解决收敛速度的不确定性、如何实现算法收敛速度的最快，如何确定在非收敛情况下的迭代停止条件和处理措施等。

发明内容