CN109560968A - 一种动态策略驱动的网络资源智能规划与配置方法 - Google Patents

Abstract

本发明公开了一种动态策略驱动的网络资源智能规划与配置方法，包括：(1)策略管理模块；(2)网络规划模块；(3)仿真评估模块；(4)重配置管理模块，用于基于规划方案和网络运行态势信息，完成各网络元素的自动配置；(5)基于认知计算的自主管理模块。本发明提供了一种基于认知计算和动态策略生成的网络资源规划和配置实现方法，提高规划开通成功率和自动配置水平。本方法提出从需求接收和分解、自动规划和仿真评估、业务动态部署、底层资源动态规划调配、运行过程动态优化等全生命周期进行自动化、智能化规划过程管控，将实际运行情况反馈到规划模块，较传统网络资源规划和配置进行了扩展和优化，做到了局部调整和总体优化的有效兼顾。

Description

一种动态策略驱动的网络资源智能规划与配置方法

技术领域

本发明涉及一种动态策略驱动的网络资源智能规划与配置方法。

背景技术

网络资源规划与配置作为网络管理的重要组成部分，是为用户和业务提供按需保障的基础，需要从全局角度考虑网络需求和掌握网络态势，以保证通信网络能够充分发挥其效能，具有重要的研究价值。其中，网络资源智能规划与配置是技术发展趋势。因此，网络资源规划与配置方法是否智能，是否动态适应周围环境，是网络资源规划与配置设计或选型的重中之重。

目前，常见的网络资源规划方法有基于经验的规划法、基于仿真的规划法两种，常见的网络资源配置方法有基于人工方式的配置法和基于静态策略的配置法两种。

(1)规划方法一：基于经验的规划方法

该理论方法是以专家知识和人工经验为核心，规划人员根据掌握的信息和历史经验完成面向业务的需求解析和规划，生成规划方案。该方法虽然实现简单，但缺点也较为明显，网络规划的水平完全取决于规划人员的业务水平，对规划人员的要求非常高，不仅需要了解当前已有的资源及状态信息，同时需要了解历史规划中存在的问题、优化建议等知识信息。此外，由于网络的规划过程是一个多目标的组合优化问题，需要进行多次的迭代完善，因此，随着网络规模的扩大、网络复杂度和动态性提高，通过人工在复杂的参数空间寻找合适的参数配置是不现实甚至是不可能的。

(2)规划方法二：基于仿真的规划方法

该理论方法是应用仿真工具技术，基于典型网络与规划模型，通过灵活建立网络仿真环境，对规划方案进行仿真评估，可以提前验证规划是否合理、是否需要优化，并对出现的问题进行及时调整。与基于经验的规划方法相比，该方法基于工具对规划方案进行了仿真验证和优化，提高了规划的效率和成功率。但同时仍然存在较为明显的缺点，仿真环境与实际环境仍然存在差别，特别是动态环境的模拟更加困难，因此，无法根据实际环境的反馈进行规划方案的优化调整。

(3)配置方法一：基于人工的配置方法

该理论方法是基于规划方案，通过人工进行各被管资源和设备的配置。该方法虽然简单，但缺点也较为明显，一是，完全基于人工，难免出错，二是，对于复杂的网络配置，通过人工方式，难以保证各被管资源和设备配置的一致性，导致后期维护成本庞大。

(4)配置方法二：基于静态策略的配置方法

该理论方法是以预先生成的静态策略为核心，基于策略框架自动完成规划方案到配置参数的映射和配置。与基于人工的配置方法相比，该方法通过策略实现被管设备的自动化配置，但是策略相对固定，态势自动感知能力仍较弱，动态策略生成能力不足，因此无法智能适应环境的变化，导致资源不能合理有效使用和提供有力保障。

发明内容

本发明的目的是解决至少一个上述问题，并提供后面将说明的优点。

本发明还有一个目的是提供一种动态策略驱动的网络资源智能规划与配置方法。

本发明的目的是通过以下技术方案来实现的：

一种动态策略驱动的网络资源智能规划与配置方法，包括：

(1)策略管理模块，主要是对各种策略进行管理和一致性验证，为基于策略的自动智能管理提供策略支持；

(2)网络规划模块，主要是基于用户的业务需求、QoS指标等，根据被管资源的占用情况、需求情况，基于策略模板生成规划预案；

(3)仿真评估模块，主要是利用仿真手段对网络规划预案进行仿真评估，根据仿真结果对网络规划形成反馈；

(4)重配置管理模块，用于基于规划方案和网络运行态势信息，动态生成各网络元素的具体配置信息，完成对各网络元素的自动配置；

(5)基于认知计算的自主管理模块，在知识库的支撑下，基于感知的各类上下文、环境、资源运行等信息，进行各类决策，当业务性能无法满足需求时，动态生成并调整各种策略。

作为优选方式，基于认知计算的自主管理：基于认知计算的自主管理实现管理信息集成共享、动态策略生成两个部分。

作为优选方式，管理信息集成共享首先通过将网络规划与配置相关的业务及需求、被管资源、资源配置信息、网络运行信息、态势数据、外部环境、管理者定义的策略等海量历史和实时数据建立以业务、资源、设备为核心的统一的管理信息模型，其中业务主要描述用户和业务需求的相关数据，直接对用户可用，资源主要用于组网要素的描述，方便网络管理人员在屏蔽具体设备细节的情况下从全局上对网络组织方式和组网质量进行清晰描述，设备主要用于基于设备特性的参数描述。然后，以服务的形式提供运维数据存储、挖掘分析和认知决策等服务，实现运维数据的集中整合共享、深度挖掘和系统的全面信息认知，为业务规划开通、全局策略监管提供决策支持和数据服务，实现“从数据到决策”。

作为优选方式，基于认知计算的动态策略生成框架。在策略的描述上，采用基于本体的方式，将传统的ECA(Event-Condition-Action)进行扩展，在Condition中引入上下文，在Action中增加执行的概率，以提高策略的动态适应性描述问题；

在策略的动态生成上，以管理需求和管理功能为目标，基于系统各类信息的实时全面认知，采用机器学习、模式识别等算法完成网络行为认知、用户行为认知、服务质量预测、业务趋势分析等相关的融合分析和学习，从而动态生成故障处置、资源调度、网络规划等各级各类策略。在策略的选择上，采用遗传算法和神经网络相结合的方式，在策略空间寻找并确定最优解，在保证全局搜索能力的基础上缩短策略的收敛时间。

作为优选方式，重配置管理：

重配置管理以资源的最优化使用和用户业务的最优化体验为目标，当业务需求或周围环境发生变化时，依据基于认知计算的自主管理模块动态生成的策略，根据不同场景按需完成业务需求到网络资源再到设备参数的自动逐级映射和自动配置，根据调整范围的不同，可分为业务重配置、网络重配置和设备重配置。

作为优选方式，

设备重配置仅通过动态配置单个设备或部分设备的参数即可完成优化调整，网络重配置是在虚拟资源需求不变的情况，需要对物理资源进行重新调度和配置才可满足需求，而业务重配置则是面向业务需求，需要根据上下文和环境感知重新优化调整整个规划方案，业务重配置需要网络规划模块的配合。通过不同层次的重配置，可有效处理由于业务变更、资源变化引起的网络规划适应性变更问题，达到“局部调整、总体优化、业务持续”的良好管控效能。

本发明的有益效果是：

(1)本方法提供了一种基于认知计算和动态策略生成的网络资源规划和配置实现方法，易于提升系统的智能化感知决策和策略动态生成能力，可智能地适应环境变化，提高规划开通成功率和自动配置水平。

(2)本方法提出从需求接收和分解、自动规划和仿真评估、业务动态部署、底层资源动态规划调配、运行过程动态优化等全生命周期进行自动化、智能化规划过程管控，将实际运行情况反馈到规划模块，较传统网络资源规划和配置进行了扩展和优化，做到了局部调整和总体优化的有效兼顾。

附图说明

图1为本发明方法原理图；

图2为管理信息模型；

图3为动态策略生成模型。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

本发明以业务需求为驱动，通过对业务的分析，获得端到端的通信保障需求，然后根据通信保障需求，基于资源综合态势和辅助决策数据，完成各种资源的网络拓扑规划、通信资源分配和管理策略制定等；

之后通过“感知、分析、决策、执行,到再感知、再分析、再决策、再执行”的闭环迭代自主控制过程，完成网络规划任务的最优，最终实现根据不同业务需求，通过策略的动态调整适配，实现差异化保障。

如图1所示，一种动态策略驱动的网络资源智能规划与配置方法，包括：

(1)策略管理模块，主要是对各种策略进行管理和一致性验证，为基于策略的自动智能管理提供策略支持；

(2)网络规划模块，主要是基于用户的业务需求、QoS指标等，根据被管资源的占用情况、需求情况，基于策略模板生成规划预案；

(3)仿真评估模块，主要是利用仿真手段对网络规划预案进行仿真评估，根据仿真结果对网络规划形成反馈；

(4)重配置管理模块，用于基于规划方案和网络运行态势信息，动态生成各网络元素的具体配置信息，完成对各网络元素的自动配置；

(5)基于认知计算的自主管理模块，在知识库的支撑下，基于感知的各类上下文、环境、资源运行等信息，进行各类决策，当业务性能无法满足需求时，动态生成并调整各种策略。其整个工作原理如图1所示。

在一个优选实施例中，基于认知计算的自主管理：基于认知计算的自主管理实现管理信息集成共享、动态策略生成两个部分。

在一个优选实施例中，管理信息集成共享首先通过将网络规划与配置相关的业务及需求、被管资源、资源配置信息、网络运行信息、态势数据、外部环境、管理者定义的策略等海量历史和实时数据建立以业务、资源、设备为核心的统一的管理信息模型，如图2所示，其中业务主要描述用户和业务需求的相关数据，直接对用户可用，资源主要用于组网要素的描述，方便网络管理人员在屏蔽具体设备细节的情况下从全局上对网络组织方式和组网质量进行清晰描述，设备主要用于基于设备特性的参数描述。然后，以服务的形式提供运维数据存储、挖掘分析和认知决策等服务，实现运维数据的集中整合共享、深度挖掘和系统的全面信息认知，为业务规划开通、全局策略监管提供决策支持和数据服务，实现“从数据到决策”。

在一个优选实施例中，基于认知计算的动态策略生成框架如图3所示。在策略的描述上，采用基于本体的方式，将传统的ECA(Event-Condition-Action)进行扩展，在Condition中引入上下文，在Action中增加执行的概率，以提高策略的动态适应性描述问题；

在策略的动态生成上，以管理需求和管理功能为目标，基于系统各类信息的实时全面认知，采用机器学习、模式识别等算法完成网络行为认知、用户行为认知、服务质量预测、业务趋势分析等相关的融合分析和学习，从而动态生成故障处置、资源调度、网络规划等各级各类策略。在策略的选择上，采用遗传算法和神经网络相结合的方式，在策略空间寻找并确定最优解，在保证全局搜索能力的基础上缩短策略的收敛时间。

在一个优选实施例中，重配置管理：重配置管理以资源的最优化使用和用户业务的最优化体验为目标，当业务需求或周围环境发生变化时，依据基于认知计算的自主管理模块动态生成的策略，根据不同场景按需完成业务需求到网络资源再到设备参数的自动逐级映射和自动配置，根据调整范围的不同，可分为业务重配置、网络重配置和设备重配置。

在一个优选实施例中，设备重配置仅通过动态配置单个设备或部分设备的参数即可完成优化调整，网络重配置是在虚拟资源需求不变的情况，需要对物理资源进行重新调度和配置才可满足需求，而业务重配置则是面向业务需求，需要根据上下文和环境感知重新优化调整整个规划方案，业务重配置需要网络规划模块的配合。通过不同层次的重配置，可有效处理由于业务变更、资源变化引起的网络规划适应性变更问题，达到“局部调整、总体优化、业务持续”的良好管控效能。

本发明主要解决以下几个方面的技术问题：

(1)解决了传统网络资源规划和配置割裂，数据无法共享、协作效率不高、智能决策能力不足的问题。

(2)解决了传统的网络资源规划和配置费时、耗力，规划成功率不高、配置易出错的问题。

(3)解决了由于业务变更、资源变化引起的网络资源规划与配置适应性变更问题。

综上所述，本发明能够为网络资源规划与配置提供一种网络自主学习决策、策略动态生成、资源优化调配、易于实现的方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，应当指出的是，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种动态策略驱动的网络资源智能规划与配置方法，其特征在于，包括：

(1)策略管理模块，主要是对各种策略进行管理和一致性验证，为基于策略的自动智能管理提供策略支持；

(2)网络规划模块，主要是基于用户的业务需求、QoS指标等，根据被管资源的占用情况、需求情况，基于策略模板生成规划预案；

(3)仿真评估模块，主要是利用仿真手段对网络规划预案进行仿真评估，根据仿真结果对网络规划形成反馈；

(4)重配置管理模块，用于基于规划方案和网络运行态势信息，动态生成各网络元素的具体配置信息，完成对各网络元素的自动配置；

(5)基于认知计算的自主管理模块，在知识库的支撑下，基于感知的各类上下文、环境、资源运行等信息，进行各类决策，当业务性能无法满足需求时，动态生成并调整各种策略。

2.根据权利要求1所述的一种动态策略驱动的网络资源智能规划与配置方法，其特征在于，基于认知计算的自主管理：基于认知计算的自主管理实现管理信息集成共享、动态策略生成两个部分。

3.根据权利要求2所述的一种动态策略驱动的网络资源智能规划与配置方法，其特征在于

管理信息集成共享首先通过将网络规划与配置相关的业务及需求、被管资源、资源配置信息、网络运行信息、态势数据、外部环境、管理者定义的策略等海量历史和实时数据建立以业务、资源、设备为核心的统一的管理信息模型，业务主要描述用户和业务需求的相关数据，直接对用户可用，资源主要用于组网要素的描述，方便网络管理人员在屏蔽具体设备细节的情况下从全局上对网络组织方式和组网质量进行清晰描述，设备主要用于基于设备特性的参数描述。然后，以服务的形式提供运维数据存储、挖掘分析和认知决策等服务，实现运维数据的集中整合共享、深度挖掘和系统的全面信息认知，为业务规划开通、全局策略监管提供决策支持和数据服务，实现“从数据到决策”。

4.根据权利要求2所述的一种动态策略驱动的网络资源智能规划与配置方法，其特征在于

基于认知计算的动态策略生成框架；在策略的描述上，采用基于本体的方式，将传统的ECA进行扩展，在Condition中引入上下文，在Action中增加执行的概率，以提高策略的动态适应性描述问题；

在策略的动态生成上，以管理需求和管理功能为目标，基于系统各类信息的实时全面认知，采用机器学习、模式识别等算法完成网络行为认知、用户行为认知、服务质量预测、业务趋势分析等相关的融合分析和学习，从而动态生成故障处置、资源调度、网络规划等各级各类策略。在策略的选择上，采用遗传算法和神经网络相结合的方式，在策略空间寻找并确定最优解，在保证全局搜索能力的基础上缩短策略的收敛时间。

5.根据权利要求1所述的一种动态策略驱动的网络资源智能规划与配置方法，其特征在于，重配置管理：

重配置管理以资源的最优化使用和用户业务的最优化体验为目标，当业务需求或周围环境发生变化时，依据基于认知计算的自主管理模块动态生成的策略，根据不同场景按需完成业务需求到网络资源再到设备参数的自动逐级映射和自动配置，根据调整范围的不同，可分为业务重配置、网络重配置和设备重配置。

6.根据权利要求5所述的一种动态策略驱动的网络资源智能规划与配置方法，其特征在于：

设备重配置仅通过动态配置单个设备或部分设备的参数即可完成优化调整，网络重配置是在虚拟资源需求不变的情况，需要对物理资源进行重新调度和配置才可满足需求，而业务重配置则是面向业务需求，需要根据上下文和环境感知重新优化调整整个规划方案，业务重配置需要网络规划模块的配合。通过不同层次的重配置，可有效处理由于业务变更、资源变化引起的网络规划适应性变更问题，达到“局部调整、总体优化、业务持续”的良好管控效能。