[发明专利]一种基于卷积神经网络的负载均衡方法

说明书

本发明公开了一种基于卷积神经网络的负载均衡方法，该方法包括：获取多个运营商通信链路的时延、速率和丢包率，将其分别作为卷积神经网络的输入样本；将输入样本构建为训练集，利用构建的训练集训练构建卷积神经网络；根据训练好的卷积神经网络，对每个时段的每条通信链路质量分别进行判断，获得每条通信链路的通信质量优劣；对已知通信质量优劣的多条通信链路进行负载均衡，实现通信的稳定性。本发明将卷积神经网络与负载均衡相结合，有效地对多条通信链路的通信质量进行判断并实现负载均衡，提高了通信的稳定性。

技术领域

本发明属于通信技术领域，具体涉及一种基于卷积神经网络的负载均衡方法。

背景技术

随着互联网的快速发展，用户需求逐渐增大，网络超载与超负荷已经很常见。因此多链路传输数据成为必然。使用多链路传输数据需要研究多个链路的负载均衡方法。

负载均衡建立在现有的网络结构之上，提供了一种有效的方法来扩展网络设备和服务器的带宽，增加吞吐量，加强网络数据处理能力，提高网络的灵活性和可用性。

目前常用的负载均衡处理方法包括轮询法、散列法以及最小连接法等。传统的负载均衡方法效率不高。目前的研究都是基于时延或者吞吐量等其他单一变量，显得片面。而且不同的网络运营商之间的线路租借带宽瓶颈，导致了在跨运营商的网络互访过程中，存在如时延长、丢包率高而导致网络互访不畅通，用户体验不好。

发明内容

针对现有的技术存在的缺陷，本发明的目的是提供一种基于卷积神经网络的负载均衡方法，解决现有技术在跨运营商的网络互访过程中通信不稳定的问题。

一种基于卷积神经网络的负载均衡方法，包括以下步骤：

步骤一：多次获取一条正在进行通信数据传输的通信链路的三个质量参数的数据作为训练集；

步骤二：将得到的训练集对卷积神经网络进行训练，得到训练好的卷积神经网络；

步骤三：在多条正在进行通信数据传输的待均衡通信链路中，获取各条待均衡通信链路的三个质量参数的数据，在训练好的卷积神经网络进行训练，分别得到第n条待均衡通信链路的第i个质量参数的概率值p_ni；

步骤四：第n条待均衡的通信链路的质量概率ξ_n通过

得到，用各条待均衡的通信链路的通信质量概率之比对各条待均衡的通信链路正在进行传输的数据进行分配，实现负载均衡。

进一步地，所述的通信链路的三个质量参数包括时延、速率和丢包率。

进一步地，步骤二中卷积神经网络的池化层采用最大池化

进一步地，步骤二中卷积神经网络的输出层采用softmax分类器，输出为：

y＝softmax(g*z+b₀)

g为所需学习的权重，z为特征向量，b₀为偏置。

进一步地，步骤三所述的第n条待均衡通信链路第i个质量参数的概率值p_ni包括：

其中y_i表示在第n条待均衡通信链路中第i个质量参数的卷积神经网络的输出层的输出向量y，i＝1，2，3。

进一步地，所述的通信链路为4G无线通信链路。

进一步地，所述的卷积神经网络包括输入层、卷积层、池化层、全连接层、输出层。

与现有技术相比，本发明的有益效果是：