[发明专利]基于流量预测的智能拓扑重构方法、电子设备、存储介质

权利要求书

1.基于流量预测的智能拓扑重构方法，其特征在于，包括以下步骤：基于深度强化学习的方法，通过状态空间、动作空间和奖励函数训练拓扑重构决策模型；根据当前的逻辑拓扑结构状态和预测到的未来时隙的流量矩阵信息，利用训练好的拓扑重构决策模型进行拓扑重构；

其中，具体通过以下方法训练拓扑重构决策模型：

根据状态空间中的t时隙逻辑拓扑邻接矩阵和t+1时隙的流量矩阵、t+2时隙的流量矩阵、……t+m时隙的流量矩阵，在动作空间中随机选择执行一个动作，即采用动作空间中的一个随机的逻辑拓扑进行数据传输；

对执行所述动作时所接受的瞬时奖赏进行统计；

重复执行上述操作，获得适应未来流量矩阵和当前网络拓扑状态的最优拓扑；

所述的动作空间，由所有满足以下约束条件的逻辑拓扑构成：

式中，LTM_ij表示逻辑拓扑邻接矩阵；i和j是逻辑拓扑邻接矩阵里的节点；i表示矩阵的行，表示对矩阵内所有行都满足，∑_jLTM_ij表示对LTM矩阵内的任意一行中所有列的元素相加，即得该节点的端口链路连接数；RS_i表示节点i原有的端口数；j表示矩阵的列，表示对矩阵内所有列都满足，∑_iLTM_ij表示对LTM矩阵内的任意一列中所有行的元素相加，即得该节点的端口链路连接数；RS_j表示节点j原有的端口数；intLTM_ij表示逻辑拓扑邻接矩阵内的元素都是整数；表示拓扑重构后节点i的连接数；表示物理拓扑中节点i的连接数。

2.根据权利要求1所述的基于流量预测的智能拓扑重构方法，其特征在于，所述的获得适应未来流量矩阵和当前网络拓扑状态的最优拓扑，即：获得长期奖励R最大化时对应的逻辑拓扑结构，其中：

式中，r_t表示瞬时奖赏，t表示第t个时隙，t＝1,2,……T。

3.根据权利要求1或2所述的基于流量预测的智能拓扑重构方法，其特征在于，所述的瞬时奖赏r_t通过以下公式计算：

式中，α、β、ρ_i-1为设计参数，且α+β＝1，为下一时隙的重构收益，为未来第i个时隙的重构收益,m表示未来第m个时隙。

4.根据权利要求3所述的基于流量预测的智能拓扑重构方法，其特征在于，所述的未来第i个时隙的重构收益通过以下方式计算：

其中，为维持t时隙拓扑不变，未来第i个时隙流量的传输时延，表示拓扑重构后，未来第i个时隙的传输时延，N_e为重构拓扑需要改变的逻辑链路数量。

5.根据权利要求1所述的基于流量预测的智能拓扑重构方法，其特征在于，通过持续显式循环神经网络模型EDRN计算获得未来时隙的流量矩阵。