利用机器学习实现快速网络资源分配的研究

发布时间：2017-09-29 06:16

  本文关键词：利用机器学习实现快速网络资源分配的研究

  更多相关文章： 软件定义网络 网络资源快速分配 动态路由决策 深度学习 受限玻尔兹曼机

【摘要】：软件定义网络是一种新型的网络架构,其将网络设备控制面与数据面分离开来。一个逻辑上集中的控制器负责所有的决策控制,而数据面的交换设备只负责网络中数据封包的转发。这个架构使得网络数据流更加的灵活可控。而面对日益增长的网络流量压力和不断升级的应用需求,如何在此集中控制的架构下,为用户提供高质量服务的同时,实现网络资源的合理分配,从而全面提升网络性能便成为了一个重要的研究议题。而通过对这个复杂的流量工程问题进行数学建模可以证实,其为一个NP完全问题。虽然目前,研究人员已经在网络资源分配,特别是动态路由决策方面提出了很多较为先进的启发式算法。但是在解决这个NP完全问题时,这些算法均会带来较高的计算时间花销,无法在真实网络所要求的时间内完成动态路由的选择。本论文提出了一种的解决方案,力求实现实时的动态路由决策。在一个可靠的网络环境中,我们用多个监督式机器学习模型在控制器端构建了一个路由决策元层。为了能够使经过训练的机器学习模型,具备启发式算法根据当前网络状态计算优化路由的能力,本文将启发式算法的输入和输出分别作为训练样本的特征和标签对模型进行训练。在所有模型训练完成之后,该路由决策元层便可以完全取代耗时的启发式算法。即当控制器收到有新的连接请求,其便可以根据采集到的实时网络状态数据,独立计算得出与启发式算法近似的优化路径,而这一个预测过程则是非常迅速,完全满足真实网络部署的需要。同时,为了能够更加有效地抽取有用的网络特征,并使机器学习模型充分考虑该约束满足问题中约束条件和优化目标的影响,我们利用了深度学习的思想,并且基于分类受限玻尔兹曼机,提出了高斯-二进制条件分类受限玻尔兹曼机模型作为路由决策单元,并给出了该模型的具体训练算法。之后通过详尽的数学论证与仿真实验,本文分别从理论和实践的角度证实了条件分类受限玻尔兹曼机可以成功地应用于该动态路由决策框架中。而通过该深度学习模型的准确预测,本架构最终实现了网络资源的快速分配。
【关键词】：软件定义网络 网络资源快速分配 动态路由决策 深度学习 受限玻尔兹曼机
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP181;TP393.07
【目录】：

• 摘要5-6
• ABSTRACT6-12
• 缩略词表12-13
• 第一章 绪论13-22
• 1.1 引言13-14
• 1.2 课题研究的动机与意义14-16
• 1.3 国内外研究历史与现状16-19
• 1.4 本文的主要贡献与创新19-20
• 1.5 本论文的结构安排20-22
• 第二章 基于机器学习的路由决策架构设计22-39
• 2.1 软件定义网络22-25
• 2.1.1 架构描述22-24
• 2.1.2 OpenFlow流的转发24-25
• 2.2 动态路由决策25-28
• 2.3 机器学习概述28-30
• 2.4 网络环境描述30-32
• 2.5 基于机器学习的路由决策架构设计32-38
• 2.5.1 架构概览32-33
• 2.5.2 路由决策元层的组成33-34
• 2.5.3 训练数据采集和路径数据库构建过程34-35
• 2.5.4 模型训练过程35-36
• 2.5.5 动态路由决策过程36-38
• 2.6 本章小结38-39
• 第三章 改进的深度学习模型39-60
• 3.1 深度学习概述39-42
• 3.2 受限玻尔兹曼机42-47
• 3.3 分类受限玻尔兹曼机47-49
• 3.4 提出的条件分类玻尔兹曼机49-58
• 3.4.1 binary-binary条件分类玻尔兹曼机51-53
• 3.4.2 Gaussian-binary条件分类玻尔兹曼机53-58
• 3.5 本章小结58-60
• 第四章 仿真实验60-70
• 4.1 训练数据采集及路径数据库构建61-64
• 4.1.1 OMNeT++网络仿真器简介61-62
• 4.1.2 数据采集过程62-64
• 4.1.3 路径数据库构建64
• 4.2 模型训练64-65
• 4.3 动态路由决策65-69
• 4.4 本章小结69-70
• 第五章 总结与展望70-72
• 5.1 总结70-71
• 5.2 展望71-72
• 致谢72-73
• 参考文献73-76
• 攻读硕士期间取得的研究成果76-77

【相似文献】

中国期刊全文数据库 前10条

1 薛文玲;王振朝;;改进动态蚁群算法在低压电力线载波通信动态路由中的应用研究[J];河北科技大学学报;2011年03期

2 陈晓娟;耿雪莹;;低压电力线载波通信的动态路由算法[J];黑龙江电力;2013年01期

3 赵国锋,唐红,田力;一种适于业务量工程的动态路由算法[J];计算机工程与应用;2003年12期

4 魏战争;张羡林;;如何利用动态路由实现区域网的连通[J];中国科技信息;2012年18期

5 王兴伟;魏永涛;黄敏;王军伟;;容迟容断网络中基于模型的动态路由算法[J];计算机科学;2013年09期

6 吕勇,赵光宙,苏凡军;基于蚁群算法的自适应动态路由算法[J];浙江大学学报(工学版);2005年10期

7 杨明欣;;动态路由算法的性能研究[J];商场现代化;2009年01期

8 冯雪;庞尚珍;;IP via MPLS over DWDM网络的动态路由算法研究[J];科技资讯;2010年23期

9 李仕锋,顾冠群;IP over WDM网络集成动态路由算法研究[J];现代有线传输;2002年02期

10 李磊,罗懿,李观华;应用单纯形算法解决动态路由问题[J];通信学报;2004年02期

中国重要会议论文全文数据库 前3条

1 郝志宇;云晓春;张宏莉;姜春祥;;动态路由模拟策略研究[A];全国网络与信息安全技术研讨会论文集（下册）[C];2007年

2 张焕国;兰凯民;张家波;张治中;;城域RPR多环网的动态路由[A];第九届全国青年通信学术会议论文集[C];2004年

3 陈勇;王晟;李金瑜;;多粒度交换光网络的一种动态路由和波长分配算法[A];2006中国西部青年通信学术会议论文集[C];2006年

中国重要报纸全文数据库 前2条

1 张新灵;领先技术成就光网络经典产品[N];人民邮电;2004年

2 特约撰稿人 徐建锋;IP-RAN:无连接网络的绝对优势[N];通信产业报;2010年

中国硕士学位论文全文数据库 前5条

1 李彦君;利用机器学习实现快速网络资源分配的研究[D];电子科技大学;2015年

2 张亮;多业务IP网络流量控制和动态路由算法研究[D];南京邮电大学;2011年

3 张辛欣;基于主动探测的覆盖网动态路由技术研究[D];上海交通大学;2010年

4 张子青;WSN中QoS保障下的动态路由配置算法设计与实现[D];东北大学;2011年

5 金琦峰;波分复用光网络中的动态路由算法的研究[D];浙江工业大学;2007年

，

本文编号：940441