CN102647760A - 一种基于多业务网络的业务资源高效管理方法 - Google Patents
一种基于多业务网络的业务资源高效管理方法 Download PDFInfo
- Publication number
- CN102647760A CN102647760A CN2012100515297A CN201210051529A CN102647760A CN 102647760 A CN102647760 A CN 102647760A CN 2012100515297 A CN2012100515297 A CN 2012100515297A CN 201210051529 A CN201210051529 A CN 201210051529A CN 102647760 A CN102647760 A CN 102647760A
- Authority
- CN
- China
- Prior art keywords
- business
- service
- controller
- individual
- fuzzy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种基于多服务网络的神经网络、模糊控制系统和业务接入控制机制相结合的业务管理方法,该方法通过运用神经网络对业务进行优先级分类,并采用模糊控制方法和设计相应的业务接入控制机制实现高效的业务管理。
Description
技术领域
本发明涉及无线通信技术领域,特别是涉及无线传输,神经网络理论。
背景技术
随着网络应用的日益普及和新型应用的不断涌现,传统网络从单纯的信息基础设施建设,逐渐发展成为社会的重要组成部分。在此过程中,对网络的业务资源的控制和分配显得尤为重要。
由于多服务业务的广泛应用,不同服务业务对网络QoS的要求不同,因此不同应用对数据传输性能的要求有所区别,如语音传输要求网络具有比较稳定的吞吐量,并且其对时延和抖动非常敏感,但可以容许少量的丢包;视频传输通常要求比较高的带宽,可以接受一定的时延和时延抖动,但是对丢包比较敏感。因此需从系统的应用需求出发,通过适当的信令协议和业务的管理控制机制,实现合理有序的业务资源分配,满足用户的服务质量要求是网络设计的重点研究内容,现有的QoS参考模型如图1所示。
网络QoS参数用于从数量上描述和刻画不同应用的QoS特性,大体上可以分为两大类:一类是用于描述数据流特征的参数,如最大分组长度、平均速率、峰值速率等,其中流量整形机制利用的就是这类参数;另一类是用于描述网络传输性能的参数,如吞吐量、丢包率、时延、时延抖动等,分组调度算法更多关注的是这类参数。而接纳控制策略,则要综合利用这两类QoS参数来做出是否接纳用户请求的决定。
由于传统的网络只提供“尽力而为”的传输服务,不能满足日渐普及的多服务应用在带宽、时延等方面的要求,IETF先后提出集成服务(Intserv)和区分服务(Diffserv),通过资源预留、接纳控制、流量整形、分组调度等多种QoS实现机制,为不同服务提供所需的QoS支持。
因此,针对支持多业务传输的网络,应建立相应的业务管理机制,保证多服务业务的QoS。。
发明内容
本发明所要解决的技术问题是:实现多业务网络中的业务高效管理。
本发明为解决上述技术问题提供一种基于多业务网络的业务资源高效管理方法,其特征在于:
A、针对多服务网络中不同QoS要求的业务,采用基于神经网络系统的业务分类器将不同QoS要求的业务进行分类;
B、所有业务被分类之后,按照业务QoS要求的高低进行业务传输的优先级区分,在同一时刻只能允许具有某种优先级的业务被传输;
C、使用呼叫接入控制单元、业务接入请求控制器、业务状态观测控制器和业务输出控制器控制业务的接入。
所述步骤A中,由于神经网络具有很强的分类能力,通过对输入样本的自组织学习,能够将分类结果在输出层中显示出来,因此可将其用于对不同QoS要求的业务进行分类,设输入的业务特征向量 并行连接到神经网络系统中个神经元中的每一个神经元,每个神经元对应一个连接权重矢量,有个分量,其表示为,,,其值可通过自组织学习确定,对业务的分类过程为:a.首先进行神经网络系统初始化,将神经网络系统的连接权重矢量赋予区间的随机值,并确定邻域的初始值、学习速率和总的学习次数;b.选取个学习特征向量中的一个特征向量提供给神经网络系统的输入层,并将此特征向量作归一化处理;c.对连接权重矢量进行归一化处理;d.采用欧拉公式进行尺度计算;e.在个神经元中找出最小的尺度,并确定获胜的神经元,使得成立;f.以为中心的周围以内的神经元,与输入层神经元之间的连接权重矢量进行更新;g.选取另一个学习特征向量提供给神经网络的输入层,返回至子步骤c,直至个学习特征向量全部提供给神经网络;采用规则 更新学习速率,其中为神经网络的初始学习速率,为学习次数;h.采用规则更新邻域,其中为取整符号,为竞争层神经元;i.令,返回至子步骤b,直至为止,业务分类流程如图2所示。
所述步骤B中,所有业务被分类之后,按照业务QoS要求的高低进行业务传输的优先级区分,业务的传输受优先级控制,对QoS要求高的业务被优先传输,然后传输对QoS要求低的业务,当所有被传输业务中对QoS要求最低的业务被发送后,优先级控制器调整至对QoS要求最高的业务对其进行传输,并重复上述过程。
,其中,,,,,,为第个优先等级上的业务的平均速率,为第个优先等级上的业务的平均速率,第个优先等级上的正实常数,为第个优先等级上的正实常数,为在第个优先等级上所包含的业务个数,为在第个优先等级上所包含的业务个数,为在第个优先等级上的链路容量。
所述步骤C中,控制业务接入模型如图3所示。使用基于模糊控制模块的呼叫接入控制单元控制业务的连接。当多业务网络收到一个新的业务连接请求时,其即时判断现有的网络可用带宽是否满足请求连接的业务所需带宽要求,若满足要求则接受业务连接请求,若不满足要求则拒绝请求。当业务接入请求控制器接受业务连接请求时,其启动业务输出控制器允许业务的输出。业务状态观测控制器的使用与否受呼叫接入控制单元的控制,业务经业务输出控制器输出后,业务状态观测控制器对业务的状态进行实时观测,并根据所获得的业务状态对业务速率进行调整。
所述步骤C中,呼叫接入控制单元由决策单元、模糊控制模块、模糊等价带宽模块、模糊逻辑规则库和知识库以及经验库组成,模糊控制单元根据模糊逻辑规则库和知识库以及经验库获取规则及经验信息,用于控制和判断模糊等价带宽与请求连接的业务所需带宽的大小,若模糊等价带宽大于请求连接的业务所需带宽,则启用决策单元发送接受业务连接请求信号,若模糊等价带宽小于请求连接的业务所需带宽,则启用决策单元发送拒绝业务连接请求信号。业务接入请求控制器的结构如图4所示。
所述步骤C中,业务状态观测控制器由输入业务状态监测器、业务速率控制器以及业务状态评估单元组成,如图5所示。输入业务状态监测器由业务负载过量测量单元和负载均衡单元组成,其中业务负载过量测量单元用于监测输入的业务是否超出多服务网络资源所能提供的范围,负载均衡单元用于调整输入业务的速率,当虚拟缓存没有空间存放输入的业务时,负载均衡单元通过调整虚拟缓存的服务时间来减小输入业务的速率。业务状态评估单元用于对经输入业务状态监测器和业务速率控制器调整前后的输入业务进行评估,检验输入业务是否满足人工设定的相应业务状态指标,并将此信息发送至呼叫接入控制单元中的知识库和经验库用于调整模糊控制器的决策。业务状态观测控制器使用与否由呼叫接入控制单元中的决策单元决定,当接受业务连接请求时启用业务状态观测控制器,当拒绝业务连接请求时不使用业务状态观测控制器。
本发明的有益效果为:提供一种基于神经网络、模糊控制系统和业务接入控制机制相结合的多服务网络的业务管理方法,该方法通过运用神经网络对业务进行优先级分类,并采用模糊控制方法和设计相应的业务接入控制机制实现高效的业务管理。
附图说明
图1为现有的QoS参考模型;
图2为业务分类流程示意图;
图3为控制业务接入模型示意图;
图4为业务接入请求控制器结构示意图;
图5为业务状态观测控制器结构示意图。
具体实施方式
本发明为解决上述技术问题所采用的技术方案为:提供一种基于多服务网络的神经网络、模糊控制系统和业务接入控制机制相结合的业务管理方法,该方法通过运用神经网络对业务进行优先级分类,并采用模糊控制方法和设计相应的业务接入控制机制实现高效的业务管理;其特征在于:通过发明一种满足多服务网络中业务QoS要求的业务管理方法,实现对业务的高效调度,包括以下步骤:
步骤1,由于神经网络具有很强的分类能力,通过对输入样本的自组织学习,能够将分类结果在输出层中显示出来,因此可采用其对不同QoS要求的业务进行分类。设输入的业务特征向量并行连接到神经网络系统中个神经元中的每一个神经元,每个神经元对应一个连接权重矢量,有个分量,其表示为,;,其值可通过自组织学习确定。对业务的分类过程为:a.首先进行神经网络系统初始化,将神经网络系统的连接权重矢量赋以区间的随机值,并确定邻域的初始值、学习速率和总的学习次数;b.选取个学习特征向量中的一个特征向量提供给神经网络系统的输入层,并将此特征向量作归一化处理;c.对连接权重矢量进行归一化处理;d.采用欧拉公式进行尺度计算;e.在个神经元中找出最小的尺度,并确定获胜的神经元,使得成立;f.以为中心的周围以内的神经元,与输入层神经元之间的连接权重矢量进行更新;g.选取另一个学习特征向量提供给神经网络的输入层,返回至子步骤c,直至个学习特征向量全部提供给神经网络;采用规则更新学习速率,其中为神经网络的初始学习速率,为学习次数;h.采用规则更新邻域,其中为取整符号,为竞争层神经元;i.令,返回至子步骤b,直至为止, 业务分类流程如图2所示。
步骤2,所有业务被分类之后,按照业务QoS要求的高低进行业务传输的优先级区分,在同一时刻,只能允许具有某种优先级的业务被传输。所有业务被分类之后,按照业务QoS要求的高低进行业务传输的优先级区分,业务的传输受优先级控制,对QoS要求高的业务被优先传输,然后传输对QoS要求低的业务,当所有被传输业务中对QoS要求最低的业务被发送后,优先级控制器调整至对QoS要求最高的业务对其进行传输,并重复上述过程。
,其中,,,,,,为第个优先等级上的业务的平均速率,为第个优先等级上的业务的平均速率,第个优先等级上的正实常数,为第个优先等级上的正实常数,为在第个优先等级上所包含的业务个数,为在第个优先等级上所包含的业务个数,为在第个优先等级上的链路容量。
步骤4,使用呼叫接入控制单元、业务接入请求控制器、业务状态观测控制器和业务输出控制器控制业务的接入。控制业务接入模型如图3所示,使用基于模糊控制模块的呼叫接入控制单元控制业务的连接。当网络收到一个新的业务连接请求时,及时判断现有的网络带宽是否满足请求连接的业务所需带宽要求,若满足则接受业务连接请求,若不满足则拒绝请求。当业务接入请求控制器接受业务连接请求时,其启动业务输出控制器允许业务的输出。业务状态观测控制器的使用与否受呼叫接入控制单元的控制,业务经业务输出控制器输出后,业务状态观测控制器对业务的状态进行实时观测,并根据所获得的业务状态对业务速率进行调整。
步骤5,呼叫接入控制单元由决策单元、模糊控制模块、模糊等价带宽模块、模糊逻辑规则库和知识库以及经验库组成,模糊控制单元根据模糊逻辑规则库和知识库以及经验库获取规则及经验信息控制判断模糊等价带宽与请求连接的业务所需带宽的大小,若模糊等价带宽大于请求连接的业务所需带宽,则启用决策单元发送接受业务连接请求信号,若模糊等价带宽小于请求连接的业务所需带宽,则启用决策单元发送拒绝业务连接请求信号。业务接入请求控制器的结构如图4所示。
步骤6,业务状态观测控制器由输入业务状态监测器、业务速率控制器以及业务状态评估单元组成,如图5所示。输入业务状态监测器由业务负载过量测量单元和负载均衡单元组成,其中业务负载过量测量单元用于监测输入的业务是否超出多服务网络资源所能提供的范围,负载均衡单元用于调整输入业务的速率,当虚拟缓存没有空间存放输入的业务时,负载均衡单元通过调整虚拟缓存的服务时间来减小输入业务的速率。业务状态评估单元用于对经输入业务状态监测器和业务速率控制器调整前后的输入业务进行评估,检验输入业务是否满足人工设定的相应业务状态指标,并将此信息发送至呼叫接入控制单元中的知识库和经验库用于调整模糊控制器的决策。业务状态观测控制器使用与否由呼叫接入控制单元中的决策单元决定,当接受业务连接请求时启用业务状态观测控制器,当拒绝业务连接请求时不使用业务状态观测控制器。
Claims (7)
1.一种基于多业务网络的业务资源高效管理方法,实现多业务网络中的业务高效管理,包括如下步骤:
A、针对多服务网络中不同QoS要求的业务,采用基于神经网络系统的业务分类器将不同QoS要求的业务进行分类;
B、所有业务被分类之后,按照业务QoS要求的高低进行业务传输的优先级区分,在同一时刻只能允许具有某种优先级的业务被传输;
C、使用呼叫接入控制单元、业务接入请求控制器、业务状态观测控制器和业务输出控制器控制业务的接入。
2.根据权利要求1的方法,对于所述步骤A其特征在于:由于神经网络具有很强的分类能力,通过对输入样本的自组织学习,能够将分类结果在输出层中显示出来,因此可采用其对不同QoS要求的业务进行分类,设输入的业务特征向量 并行连接到神经网络系统中个神经元中的每一个神经元,每个神经元对应一个连接权重矢量,有个分量,其表示为,,,其值可通过自组织学习确定,对业务的分类过程为:a.首先进行神经网络系统初始化,将神经网络系统的连接权重矢量赋以区间的随机值,并确定邻域的初始值、学习速率和总的学习次数;b.选取个学习特征向量中的一个特征向量提供给神经网络系统的输入层,并将此特征向量作归一化处理;c.对连接权重矢量进行归一化处理;d.采用欧拉公式进行尺度计算;e.在个神经元中找出最小的尺度,并确定获胜的神经元,使得成立;f.以为中心的周围以内的神经元,与输入层神经元之间的连接权重矢量进行更新;g.选取另一个学习特征向量提供给神经网络的输入层,返回至子步骤c,直至个学习特征向量全部提供给神经网络;采用规则 更新学习速率,其中为神经网络的初始学习速率,为学习次数;h.采用规则更新邻域,其中为取整符号,为竞争层神经元;i.令,返回至子步骤b,直至为止。
3.根据权利要求1的方法,对于所述步骤B其特征在于:所有业务被分类之后,按照业务QoS要求的高低进行业务传输的优先级区分,业务的传输受优先级控制,对QoS要求高的业务被优先传输,然后传输对QoS要求低的业务,当所有被传输业务中对QoS要求最低的业务被发送后,优先级控制器调整至对QoS要求最高的业务对其进行传输,并重复上述过程。
5.根据权利要求1的方法,对于所述步骤C其特征在于:使用基于模糊控制模块的呼叫接入控制单元控制业务的连接,当多业务网络收到一个新的业务连接请求时,其即时判断现有的网络可用带宽是否满足请求连接的业务所需带宽要求,若满足要求则接受业务连接请求,若不满足要求则拒绝请求,当业务接入请求控制器接受业务连接请求时,其启动业务输出控制器允许业务的输出,业务状态观测控制器的使用与否受呼叫接入控制单元的控制,业务经业务输出控制器输出后,业务状态观测控制器对业务的状态进行实时观测,并根据所获得的业务状态对业务速率进行调整。
6.根据权利要求1的方法,对于所述步骤C其特征在于:呼叫接入控制单元由决策单元、模糊控制模块、模糊等价带宽模块、模糊逻辑规则库和知识库以及经验库组成,模糊控制单元根据模糊逻辑规则库和知识库以及经验库获取规则及经验信息,用于控制和判断模糊等价带宽与请求连接的业务所需带宽的大小,若模糊等价带宽大于请求连接的业务所需带宽,则启用决策单元发送接受业务连接请求信号,若模糊等价带宽小于请求连接的业务所需带宽,则启用决策单元发送拒绝业务连接请求信号。
7.根据权利要求1的方法,对于所述步骤C其特征在于:业务状态观测控制器由输入业务状态监测器、业务速率控制器以及业务状态评估单元组成,输入业务状态监测器由业务负载过量测量单元和负载均衡单元组成,其中业务负载过量测量单元用于监测输入的业务是否超出多服务网络资源所能提供的范围,负载均衡单元用于调整输入业务的速率,当虚拟缓存没有空间存放输入的业务时,负载均衡单元通过调整虚拟缓存的服务时间来减小输入业务的速率,业务状态评估单元用于对经输入业务状态监测器和业务速率控制器调整前后的输入业务进行评估,检验输入业务是否满足人工设定的相应业务状态指标,并将此信息发送至呼叫接入控制单元中的知识库和经验库用于调整模糊控制器的决策,业务状态观测控制器使用与否由呼叫接入控制单元中的决策单元决定,当接受业务连接请求时启用业务状态观测控制器,当拒绝业务连接请求时不使用业务状态观测控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210051529.7A CN102647760B (zh) | 2012-03-02 | 2012-03-02 | 一种基于多业务网络的业务资源高效管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210051529.7A CN102647760B (zh) | 2012-03-02 | 2012-03-02 | 一种基于多业务网络的业务资源高效管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102647760A true CN102647760A (zh) | 2012-08-22 |
CN102647760B CN102647760B (zh) | 2014-10-15 |
Family
ID=46660292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210051529.7A Active CN102647760B (zh) | 2012-03-02 | 2012-03-02 | 一种基于多业务网络的业务资源高效管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102647760B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102970241A (zh) * | 2012-11-07 | 2013-03-13 | 浪潮(北京)电子信息产业有限公司 | 多路径负载均衡方法和装置 |
CN103986745A (zh) * | 2014-04-08 | 2014-08-13 | 黄东 | 一种物联网的业务分类接入和物件标签位置预测方法 |
CN104080112A (zh) * | 2014-07-17 | 2014-10-01 | 重庆邮电大学 | 一种提高无线自组织网络业务可靠性的方法 |
CN104602142A (zh) * | 2015-01-29 | 2015-05-06 | 太仓市同维电子有限公司 | 基于神经网络学习的业务分类方法 |
CN111711961A (zh) * | 2020-04-30 | 2020-09-25 | 南京邮电大学 | 一种引入随机概率参数的业务端到端性能分析方法 |
CN113473628A (zh) * | 2021-08-05 | 2021-10-01 | 深圳市虎瑞科技有限公司 | 智能平台的通信方法以及系统 |
CN114268985A (zh) * | 2021-11-26 | 2022-04-01 | 中国联合网络通信集团有限公司 | 5g专网的质量评估方法、装置、电子设备及存储介质 |
CN115102871A (zh) * | 2022-05-20 | 2022-09-23 | 浙江大学 | 基于业务特征向量的能源互联网控制终端业务处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080279139A1 (en) * | 2004-01-28 | 2008-11-13 | Nathalie Beziot | Method for Managing Radio Resources in an Utran Radio Access Network |
CN101938403A (zh) * | 2009-06-30 | 2011-01-05 | 中国电信股份有限公司 | 多用户多业务的服务质量的保证方法和业务接入控制点 |
-
2012
- 2012-03-02 CN CN201210051529.7A patent/CN102647760B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080279139A1 (en) * | 2004-01-28 | 2008-11-13 | Nathalie Beziot | Method for Managing Radio Resources in an Utran Radio Access Network |
CN101938403A (zh) * | 2009-06-30 | 2011-01-05 | 中国电信股份有限公司 | 多用户多业务的服务质量的保证方法和业务接入控制点 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102970241A (zh) * | 2012-11-07 | 2013-03-13 | 浪潮(北京)电子信息产业有限公司 | 多路径负载均衡方法和装置 |
CN103986745A (zh) * | 2014-04-08 | 2014-08-13 | 黄东 | 一种物联网的业务分类接入和物件标签位置预测方法 |
CN103986745B (zh) * | 2014-04-08 | 2017-05-17 | 黄东 | 一种物联网的业务分类接入和物件标签位置预测方法 |
CN104080112B (zh) * | 2014-07-17 | 2017-11-07 | 重庆邮电大学 | 一种提高无线自组织网络业务可靠性的方法 |
CN104080112A (zh) * | 2014-07-17 | 2014-10-01 | 重庆邮电大学 | 一种提高无线自组织网络业务可靠性的方法 |
CN104602142B (zh) * | 2015-01-29 | 2018-10-26 | 太仓市同维电子有限公司 | 基于神经网络学习的业务分类方法 |
CN104602142A (zh) * | 2015-01-29 | 2015-05-06 | 太仓市同维电子有限公司 | 基于神经网络学习的业务分类方法 |
CN111711961A (zh) * | 2020-04-30 | 2020-09-25 | 南京邮电大学 | 一种引入随机概率参数的业务端到端性能分析方法 |
CN113473628A (zh) * | 2021-08-05 | 2021-10-01 | 深圳市虎瑞科技有限公司 | 智能平台的通信方法以及系统 |
CN113473628B (zh) * | 2021-08-05 | 2022-08-09 | 深圳市虎瑞科技有限公司 | 智能平台的通信方法以及系统 |
CN114268985A (zh) * | 2021-11-26 | 2022-04-01 | 中国联合网络通信集团有限公司 | 5g专网的质量评估方法、装置、电子设备及存储介质 |
CN114268985B (zh) * | 2021-11-26 | 2024-02-13 | 中国联合网络通信集团有限公司 | 5g专网的质量评估方法、装置、电子设备及存储介质 |
CN115102871A (zh) * | 2022-05-20 | 2022-09-23 | 浙江大学 | 基于业务特征向量的能源互联网控制终端业务处理方法 |
CN115102871B (zh) * | 2022-05-20 | 2023-10-03 | 浙江大学 | 基于业务特征向量的能源互联网控制终端业务处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102647760B (zh) | 2014-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102647760A (zh) | 一种基于多业务网络的业务资源高效管理方法 | |
CN101828361B (zh) | 用于在通信网络系统中调度数据分组的方法和设备 | |
CN108092791B (zh) | 网络控制方法、装置及系统 | |
CN107404733A (zh) | 一种基于mec和分层sdn的5g移动通信方法及系统 | |
CN107733689A (zh) | 基于优先级的动态加权轮询调度策略方法 | |
CN109314710A (zh) | 用于通信网络中的服务质量监测、策略执行和计费的系统和方法 | |
CN106789660A (zh) | 软件定义网络中QoS可感知的流量管理方法 | |
CN101848167B (zh) | 基于类的加权公平队列调度方法及装置 | |
CN106341346A (zh) | 基于SDN的数据中心网络中一种保障QoS的路由算法 | |
CN105515880B (zh) | 一种适合融合网络的令牌桶流量整形方法 | |
CN1750517B (zh) | 一种实现业务带宽保证的方法 | |
CN101692648B (zh) | 一种队列调度方法及系统 | |
CN106453143B (zh) | 带宽设置方法、装置和系统 | |
CN102739507A (zh) | 一种承载状态感知的路由器及其业务流带宽分配方法 | |
US20120027024A1 (en) | Zero-Setting Network Quality Service System | |
CN101217495A (zh) | 用于t-mpls网络环境下的流量监控方法和装置 | |
CN105897612B (zh) | 一种基于sdn多业务动态带宽分配的方法和系统 | |
MX2015006471A (es) | Metodo y aparato para controlar la utilizacion en una aplicacion de software horizontalmente escalado. | |
CN107948067B (zh) | 一种软件定义网络中多业务流QoS保障的链路负载均衡方法 | |
CN104348751B (zh) | 虚拟输出队列授权管理方法及装置 | |
CN106533939B (zh) | 一种软件定义光接入汇聚网带宽动态调整方法及装置 | |
CN101120612A (zh) | 无线基站、控制装置以及无线通信方法 | |
CN105871755A (zh) | 一种基于sdn的网络资源分配方法和系统 | |
WO2019128764A1 (zh) | 一种调度方法及装置 | |
CN103036802A (zh) | 一种流量卸载的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180926 Address after: 400026 Chongqing City Jiangbei District 53 West Road 1 Building 2 unit 4-1 Patentee after: Chongqing an Yin Technology Co., Ltd. Address before: 400042 2-3, nine Keng Zi Road, Yuzhong District, Yuzhong District, Chongqing, 2-3 Patentee before: Huang Dong |
|
TR01 | Transfer of patent right |