[发明专利]基于时序图神经网络的网络信道瓶颈点检测及分配方法

权利要求书

1.一种基于时序图神经网络的网络信道瓶颈点检测方法，其特征在于，包括：

根据当前网络信道图G_i进行建立模型，所述当前网络信道图G_i包括点集V{v₁,v₂,...,v_m}和边集E{e₁,e₂,e₃,...,e_n}，其中，i为当前时间，v₁,v₂,……，v_m表示网络传输中的m个节点，且所述节点表示终端或基站，e₁,e₂,e₃,……，e_n表示网络传输中n个传输信道；

基于G_i中每个终端或基站的实时请求的资源数量以及该终端或基站的先前使用情况选择是否将与该终端或基站对应的节点作为候选点，从而得到k个候选点p_i，其中，i满足1i≤k；

按照以下方法处理每个候选点p_i以确定每个候选点成为瓶颈点的概率值：将G_i中与该候选点p_i相对应的节点v_j以及该节点v_j所连接的边去除，从而得到网络信道图G_i′，再计算所述G_i和所述G_i′的差异值Diff_j，并将所述Diff_j作为该候选点p_i成为瓶颈点的概率值；

比较所有的概率值，并选择最大概率值所对应的候选点作为网络传输中的瓶颈点。

2.根据权利要求1所述的网络信道瓶颈点检测方法，其特征在于，所述计算所述G_i和所述G_i′的差异值Diff_j包括：

基于时序图神经网络对所述G_i和所述G_i′分别进行特征提取，从而得到G_i和G_i′中的每个节点的特征向量，进而计算G_i和G_i′中除候选点p_i以外的所有节点的特征向量间的差异度S(F_y1i,F_y2i)，并对所述差异度进行累加以得到所述G_i和所述G_i′的差异值Diff_j。

3.根据权利要求2所述的网络信道瓶颈点检测方法，其特征在于，所述特征向量间的差异度通过下式计算得到：

式中，S(F_y1i,F_y2i)为F_y1i和F_y2i的差异度，F_y1i为G_i中的节点的特征向量且1≤yli≤m，F_y2i为G_i′中的节点的特征向量且1≤y2i≤m-1，m为网络传输中的节点个数。

4.根据权利要求1或3所述的网络信道瓶颈点检测方法，其特征在于，所述Diff_j通过下式计算得到：

式中，Diff_j为G_i和G_i′的差异值，S(F_y1i,F_y2i)为F_y1i和F_y2i的差异度，其中，F_y1i和F_y2i分别为G_i和G_i′中对应相同的第i个节点的特征向量，m为网络传输中的节点个数。

5.根据权利要求2所述的网络信道瓶颈点检测方法，其特征在于，所述特征提取的方法包括：

分别将G_i和G_i′的权重矩阵、邻接矩阵输入至所述模型中进行训练优化，从而提取出节点的编码特征，所述编码特征表示节点特征集合。