[发明专利]一种基于多约束条件的网络动态路由方法及系统

权利要求书

1.一种基于多约束条件的网络动态路由方法，其特征在于，该方法包括：

S1：制作路由选择训练数据集；

S2：构建基于多约束条件的动态路由网络，并选择LSTM作为动态路由网络的基础网络；

S3：根据路由选择训练数据集训练基于多约束条件的动态路由网络，训练完成得到动态路由网络模型；

S4：将当前网络中的路由信息输入至动态路由网络模型，并由动态路由网络模型输出路由决策。

2.根据权利要求1所述的基于多约束条件的网络动态路由方法，其特征在于，在步骤S1中，对于路由选择训练数据集的制作方法为：

S101：模拟现实应用场景制作多条路由选择数据；

S102：对每一条路由选择数据的信息按照相同的数据结构进行编排；

S103：对编排后的每一条路由选择数据进行归一化处理生成字符串格式的数据X，并表示为：X＝(x₁,x₂,....,x_t)。

3.根据权利要求2所述的基于多约束条件的网络动态路由方法，其特征在于，所述数据X的标签是下一个将要选择的节点的IP地址。

4.根据权利要求2所述的基于多约束条件的网络动态路由方法，其特征在于，在步骤S2中，所述动态路由网络包括M层LSTM网络，每一层LSTM网络包括t列LSTM子网络，其中，t的取值对应数据X中第t个时刻的序列；M为大于0的自然数。

5.根据权利要求4所述的基于多约束条件的网络动态路由方法，其特征在于，在步骤S2中，对于动态路由网络的计算逻辑为：

S201：在动态路由网络的输入层输入数据X＝(x₁,x₂,....,x_t)；

S202：位于同一层的当前LSTM子网络与上一时刻LSTM子网络之间传递隐藏状态为位于同一时刻的当前层LSTM子网络与上一层LSTM子网络之间传递隐藏状态其中，t代表该LSTM子网络对应的数据X中第t个时刻的序列，m代表该层LSTM子网络所在的层数且m＝1,2,3...M；

位于同一层的LSTM子网络之间传递记忆状态该传递记忆状态的记忆状态候选值为且：

其中，表示从上一个时刻在同一层中LSTM子网络得到的隐藏状态，表示由同一时刻在上一层中LSTM子网络得到的隐藏状态，表示第m层LSTM网络的权重参数，表示第m层LSTM网络的偏移值；

S203：计算第m层在t时刻时LSTM网络的记忆状态如下：

其中，为第m层LSTM网络的更新门，u是更新门的权重参数；为第m层LSTM网络的忘记门，f是忘记门的权重参数；

为上一时刻的记忆状态；

S204：计算第m层在t时刻时LSTM网络的隐藏状态如下：

其中，为第m层LSTM网络的输出门，o是输出门的权重参数；

S204：计算第t时刻的输出序列y^t，如下：

其中，M为动态路由网络中LSTM网络的总层数，为第M层在t时刻时LSTM网络的隐藏状态。

6.根据权利要求1所述的基于多约束条件的网络动态路由方法，其特征在于，在步骤S3中，对于动态路由网络的训练方式为端到端的训练方式。

7.根据权利要求1所述的基于多约束条件的网络动态路由方法，其特征在于，在步骤S3中，使用交叉熵损失作为损失函数来训练动态路由网络，且损失函数L为：

其中，是模型预测样本是正例的概率；y是数据X的标签，且若输入的样本属于正例，则y取值为1，否则取值为0；

当损失函数L收敛时，则表示动态路由网络训练完成。

8.一种基于多约束条件的网络动态路由系统，其特征在于，该系统应用如权利要求1-7任意一项所述的基于多约束条件的网络动态路由方法，该系统包括：

数据制作模块，通过数据制作模块生成路由选择训练数据集；

动态路由网络模块，所述动态路由网络模块基于多约束条件的动态路由网络构建；

其中，动态路由网络模块的输入为当前网络中的路由信息，其输出为路由决策并由路由决策动态获取下一路由选择。