CN114422424B - 一种传输网络的路由计算方法及装置 - Google Patents
一种传输网络的路由计算方法及装置 Download PDFInfo
- Publication number
- CN114422424B CN114422424B CN202111662984.6A CN202111662984A CN114422424B CN 114422424 B CN114422424 B CN 114422424B CN 202111662984 A CN202111662984 A CN 202111662984A CN 114422424 B CN114422424 B CN 114422424B
- Authority
- CN
- China
- Prior art keywords
- pheromone
- weight
- node
- routing
- coefficient
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/50—Routing or path finding of packets in data switching networks using label swapping, e.g. multi-protocol label switch [MPLS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种传输网络的路由计算方法及装置,该方法包括:确定每个路由节点中各路由对象的标签;获取各所述标签对应的权值;根据各所述路由对象及所述路由对象对应的权值,确定所述路由节点加权后的信息素因子;根据各所述信息素因子,通过蚁群算法获取传输网络的路由。本发明实施例降低了信息素数据模型过于复杂给路由计算和选择带来的效率低下、成功率低等影响。
Description
技术领域
本发明涉及传输网络技术领域,特别是涉及一种传输网络的路由计算方法及装置。
背景技术
在现有的网络运营中,一般采用全局式算法及分布式选择算法进行路由计算。
其中,全局式选择算法需要通过掌握完整的网络拓扑和链路信息进行计算,存在工作量大、仅适用于最短路径、无法满足实际业务的多种动态要求的缺点;而分布式选择算法则是通过物理相连的节点以及链路信息,于相邻的节点之间互相交互并进行矢量的叠加,完成整个网络拓扑的还原,计算出最少跳数的路径信息,其存在慢收敛、无穷计算、扩展性差等问题。
因此,现有技术还有待改进。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种传输网络的路由计算方法及装置。
根据本发明的第一方面,提供了一种传输网络的路由计算方法,所述方法包括:
确定每个路由节点中各路由对象的标签;
获取各所述标签对应的权值;
根据各所述路由对象及所述路由对象对应的权值,确定所述路由节点加权后的信息素因子;
根据各所述信息素因子,通过蚁群算法获取传输网络的路由。
根据本发明的第二方面,提供了一种视频图像处理装置,所述装置包括:
第一确定模块,用于确定每个路由节点中各路由对象的标签;
获取模块,用于获取各所述标签对应的权值;
第二确定模块,用于根据各所述路由对象及所述路由对象对应的权值,确定所述路由节点加权后的信息素因子;
计算模块,用于根据各所述信息素因子,通过蚁群算法获取传输网络的路由。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
本发明实施例包括以下优点:
通过设定传输网络路由计算涉及到的路由对象的标签,定义路由对象所属标签,并根据不同场景加权设定各标签权值,然后确定信息素因子,从而优化信息素数据模型,然后基于信息素因子结合蚁群算法获取传输网络的路由,降低了信息素数据模型过于复杂给路由计算和选择带来的效率低下、成功率低等影响。
附图说明
图1是本发明实施例提供的一种传输网络的路由计算方法的流程图;
图2是本发明实施例提供的路由对象权值调整示意图;
图3是本发明实施例中由a节点前往f节点的路径示意图;
图4是本发明实施例提供的传输网络的路由计算方法的执行原理图;
图5是基本蚁群算法与本发明实施例所提供的方法的路由计算结果图;
图6是本发明实施例提供的一种传输网络的路由计算装置的框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了一种传输网络的路由计算方法的流程图,该方法具体可以包括步骤101~步骤104:
步骤101、确定路由节点中各路由对象的标签。
该步骤101中,路由对象为传输网络覆盖范围内的影响信息素浓度的对象,如网元、端口、拓扑连接、交叉连接、光缆、时延、资源利用率等,该路由对象可以由用户根据需要选择;通过为路由节点中各路由对象设定不同维度的标签,以便于获取该路由对象对应的系数权值,进而便于后续计算信息素浓度。
步骤102、获取各所述标签对应的权值。
该步骤102中,通过对该标签进行分类,也即判断标签对应的路由对象类型,可以快速确定对应的路由对象的重要程度,从而获取各标签对应的权值。
其中,可以根据不同场景为标签设置不同权值,从而提高信息素对搜索方向的指导性,从而加快收敛速度,减少数据模型过于复杂给路由计算和选择带来的效率低下、成功率低等影响因素
步骤103、根据各所述标签及所述标签对应的权值,确定所述路由节点加权后的信息素因子。
该步骤103中,信息素因子为影响信息素浓度的各种元素、因素、成分的集合;因为标签对应的权值确定了对应的路由对象的重要程度,因而利用各标签结合标签对应的权值进行加权计算,即可以获得相应路由节点的信息素因子。
其中,蚁群算法是本发明算法的基础算路模型,传统的蚁群算法作用是找寻所有的路由,但是并无法算出哪个才是最优的,同时也要计算全网数据,导致效率低下;而本发明实施例通过标签数据加权,将所有理论上最近的节点优于更远的节点进行计算,所以提高了效率,也提高了用以蚁群算法的数据准确性。
可选地,在一种实施方式中,上述标签包括机房、网元、管道、板卡、端口、链路、交叉、光缆段长度、时延、波道可用率、通道可用率及时隙可用率;
上述步骤103具体通过以下公式确定信息素因子:
信息素因子=机房*机房系数权值*机房预设加权+网元*网元系数权值*网元预设加权+管道*管道系数权值*管道预设加权+板卡*板卡系数权值*板卡预设加权+端口*端口系数权值*端口预设加权+链路*链路系数权值*链路预设加权+交叉*交叉系数权值*交叉预设加权+光缆段长度*长度系数权值+时延*时延系数权值+波道可用率*波道系数权值+通道可用率*通道系数权值+时隙可用率*时隙系数权值;
其中,各所述预设加权用于干预调整权值;
其中,信息加权得分=【(机房*机房系数权值*机房预设加权+网元*网元系数权值*网元预设加权+管道*管道系数权值*管道预设加权+板卡*板卡系数权值*板卡预设加权+端口*端口系数权值*端口预设加权)+(链路*链路系数权值*链路预设加权+交叉*交叉系数权值*交叉预设加权)】,编排加权得分=【(光缆段长度*长度系数权值)+(时延*时延系数权值)+(波道可用率*波道系数权值+通道可用率*通道系数权值+时隙可用率*时隙系数权值)】,也即上述信息素因子由信息加权得分与编排加权得分共同确定。
该实施方式中,机房、网元、管道、板卡、端口、链路、交叉、光缆段长度、时延、波道可用率、通道可用率及时隙可用率等标签,分别对应机房、网元、管道、板卡、端口、链路、交叉、光缆段长度、时延、波道可用率、通道可用率及时隙可用率等路由对象。
其中,信息加权得分类各标签对应的系数权值,由标签对应的路由对象的周边链路数、物理距离等经系统计算确定。
其中,信息加权得分类各标签对应的预设加权,则用于在基于程序分析可能存在的加权不准的情况下进行人工干预调整权值,如设置必让节点和/或必经节点等。例如,必让机房A,则设置机房A的预设加权很低,从而降低机房A的信息素,进而实现必让机房A的效果。
其中,编排加权得分类标签对应的系数权值,由用户根据路径需求、时延需求及资源占用需求进行调整确定。例如,若寻求最短路径,则调高光缆段长度对应的系数权值;若需求最短时延路径,则调高时延对应的系数权值;若需求最优资源路径,则提高波道可用率、通道可用率及时隙可用率等路由对象的系数权值。
示例地,各路由对象的权值调整如图2所示。
其中,在计算的路由需带保护N-1的情况下,控制同机房、同管道、同网元等物理信息的系数权值降低,而控制同链路、同交叉关联信息的系数权值降低;在计算的路由不需带保护N-1的情况下,控制同机房、同管道、同网元等物理信息的系数权值增加,而控制同链路、同交叉关联信息的系数权值增加。
预设加权的设置规则为:
若为必让节点,则设置相应节点权值最高;
若为必让节点,则设置相应节点权值最低;
若未选择,则保证自动计算相应节点权值。
编排加权的设置规则为:
若寻求最短路径,则设置光缆段长度对应的系数权值最高;若需求最短时延路径,则设置时延对应的系数权值最高;若需求最优资源路径,则增加波道可用率的系数权值,并在所需带宽较大时增加通道可用率的系数权值,以及在所需带宽较小时增加时隙可用率的系数权值。
本实施方式中,通过对大量样本的数据分析确定结合预设加权的方式设定各标签对象的权值,可以满足不同场景需求综合计算并分配加权信息。
步骤104、根据各所述信息素因子,通过蚁群算法获取传输网络的路由。
该步骤104中,基于步骤103所确定的各个路由节点的信息素因子,通过蚁群算法确定最优路径,从而获取传输网络的路由。
具体地,通过上述信息素因子确定蚂蚁在经过某路径时释放的信息素浓度,然后根据信息素挥发机制,对各路径上的信息素进行迭代搜索,直至目标节点,从而确定各完整路径的信息素浓度,进而筛选出概率最高的完整路径,作为传输网络的路由。
本发明实施例包括以下优点:
通过设定传输网络路由计算涉及到的路由对象的标签,定义路由对象所属标签,并根据不同场景加权设定各标签权值,然后确定信息素因子,从而优化信息素数据模型,然后基于信息素因子结合蚁群算法获取传输网络的路由,降低了信息素数据模型过于复杂给路由计算和选择带来的效率低下、成功率低等影响。
可选地,在一种实施方式中,上述步骤104包括步骤401~步骤403。
步骤401、根据各路由节点的信息素因子,计算每个路由节点间的信息素浓度。
该步骤401中,因为信息素因子为影响信息素浓度的各种元素、因素、成分的集合,因而对于任何一个路由节点,均可以对应的信息素因子,确定节点间的信息素浓度。
具体地,根据各路由节点的信息素因子,按以下公式计算每个路由节点间的信息素浓度:
其中,τ(a,z)为节点a到节点z的信息素浓度,Cab为当前迭代最优路径,p(a,z)是节点a到节点z加权后的信息素因子,n为迭代次数。
本实施方式中,利用上述公式实现信息素的更新,其信息素的更新规则与基本蚁群算法不同,其中,该算法修改了蚁群系统(Ant System,AS)的信息素更新方式,只允许迭代最优蚂蚁或者至今最优蚂蚁释放信息素;利用上述公式可以实现只有最优路径上的蚂蚁才能更新信息素浓度,因而随着迭代的进行,分布在最优路径上的信息素浓度越来越高,而此路径被后续来的蚂蚁选择的机会也就更高,在这个运行过程概率的分布与信息素共同引导蚂蚁向最优路径集中,这样反复运行下去最终找到最优路径,避免算法过早收敛而陷入局部最优。
其中,n为迭代次数,也即是寻找最终全程路径的迭代路径数;Cab为当前迭代最优路径,基于所记录的当前路由节点与下一跳节点之间最优路径的集合库确定,也即是最优路径集合里的最优路径,不同迭代的时候,这个最优路径是变化的。
其中,路径上的信息素浓度被限制在[MAX,MIN]范围内;信息素的初始值被设为其取值上限值,有助于增加算法初始阶段的搜索能力;第一次计算时初始值为100;MIN可以根据所需进行调整,默认为50,也即低于50的浓度的信息素的条件就不再进行搜寻;另外,为了避免搜索停滞,问题空间内所有边上的信息素都会被重新初始化。
请参阅图3,示出了由a节点前往b节点的路径示意图。可以看出,具有abef、abcdef、abcef、acdef、acbef共5条路径;假设be段最优,则纳入记录集,每次记录的信息素会进行更新,以后再次设计a~f的路径的时候;优先去找寻经过be的路,不经过be的次优考虑;再次计算路由限定的阈值次数为3的时候,会优先计算出abef、acbef,在收敛算法的时候就不需要将所有的路径算出来,从而省去大量无效或者低效的路径,降低路径搜索量,加快算法收敛。
步骤402、根据所述信息素浓度及新路径启发函数,确定各相邻路由节点作为下一跳节点的概率。
该步骤402中,因为路由计算问题本质也是旅行商问题(Traveling SalesmanProblem,TSP),而在使用蚁群算法解决TSP问题时,路径上的信息素及启发式信息决定着蚂蚁的前进方向,所以可以根据与当前路由节点相应的路由节点的信息素浓度及新路径启发函数,确定各相邻路由节点作为下一跳节点的概率。
具体地,根据信息素浓度及新路径启发函数,按以下公式计算各相邻路由节点作为下一跳节点的概率:
根据所述信息素浓度及新路径启发函数,按以下公式确定各相邻路由节点作为下一跳节点的概率:
其中,paz表示节点a到节点z的路径,paz(d)表示d时刻节点选择下个节点的概率,i表示编号,K是网络中与节点a相邻的节点集合;τaz(d)表示d时刻节点节点a与z之间的信息素浓度,α是信息素影响路径的因子,表示信息素的重要程度;μaz(d)表示新路径启发函数,β是影响新路径的启发函数对路径选择的因子。
其中,α及β是两个预设值的参数;如果α的值为0,算法将会变成贪婪算法;而如果β的值为0,算法能够快速收敛,但容易陷入局部最优。
步骤403、根据各所述概率,确定传输网络的路由。
该步骤403中,基于步骤402所确定的与当前路由节点相邻的各路由节点作为下一跳节点的概率,循环迭代,计算出全路径的概率,并将概率最高的全路径确定为传输网络的路由。
本实施方式中,利用优化后的信息素因子计算信息素浓度,然后根据计算出的信息素浓度结合新路径启发函数,确定各相邻路由节点作为下一跳节点的概率,进而确定概率最高的最优全路径,从而获得传输网络的路由。
请参阅图4,示出了本发明实施例所提供的传输网络的路由计算方法的执行原理图。
如图4所示,在步骤411中,在确定传输网络的路由业务申请开始后,对业务场景设置初始化数据;
在步骤412中,对迭代次数进行加1处理,然后开始本次全程路径的寻找;
在步骤413中,初始化路径数L=1;
在步骤414中,对路径数进行加1处理;
在步骤415中,通过蚁群算法,根据信息素找寻下一跳的路径;
在步骤416中,基于步骤415寻找出非路径库记录的全程路径;
在步骤417中,确定所寻找的全程路径所包含的路径数是否大于等于预设的搜寻次数,是则确定为路径库中的最佳全程路径并进入步骤418,否则重新进入步骤414中,继续根据信息素寻找下一跳的路径;
在步骤418中,判断所选择的最佳全程路径是否达到最大迭代次数;未达到最大迭代次数的话则进入步骤419中更新路径库,然后重新进入步骤412中;若达到了最大迭代次数则从路径库中选择最佳全程路径。
用MATLB作为环境模拟工具,加载某运营商地市(OTN+DWDM)一个以646个网元、14245块板卡、76906个端口组成的MESH网络,对以下场景分别使用基本蚁群算法(记为无加权)及本发明所提供的方法(记为带加权)进行路由计算对比测试:
场景1:计算不带保护的20m带宽的电路路由,设定1个必经节点;
场景2:计算带保护的20m带宽的电路,2个路由;
场景3:计算带保护的20m带宽的电路,2个路由,设定2个必让节点,选择最低时延要求;
场景4:计算不带保护的10G带宽的电路路由,设定1个必让节点,选择最短路径要求;
场景5:计算带保护的10G带宽的电路,2个路由,设定1个必经节点;
场景6:计算带保护的10G带宽的电路,2个路由,设定1个必经节点,2个必让节点,选择最低时延要求。
结果如下表1及图5所示。
通过表1及图5的数据可看出,相较于未对路由对象进行加权优化的传统蚁群算法,使用本发明所提供的加权算法的路径搜寻方式,通过将数据加权精细化后,在多个场景里输出路由的时间提升了50%以上,且通过多次计算丰富路径库后能够进一步地提升效率。
表1
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
实施例二
参照图6,示出了一种传输网络的路由计算装置600的框图,该装置具体可以包括:
第一确定模块601,用于确定每个路由节点中各路由对象的标签;
获取模块602,用于获取各所述标签对应的权值;
第二确定模块603,用于根据各所述标签及所述标签对应的系数权值,确定所述路由节点加权后的信息素因子;
计算模块604,用于根据各所述信息素因子,通过蚁群算法获取传输网络的路由。
可选地,所述的装置中,所述计算模块604包括:
第一计算单元,用于根据各路由节点的信息素因子,计算每个路由节点间的信息素浓度;
第二计算单元,用于根据所述信息素浓度及新路径启发函数,确定各相邻路由节点作为下一跳节点的概率;
确定单元,用于根据各所述概率,确定传输网络的路由。
可选地,所述的装置中,所述标签包括机房、网元、管道、板卡、端口、链路、交叉、光缆段长度、时延、波道可用率、通道可用率及时隙可用率;
所述第二确定模块603,具体用于按以下公式计算所述路由节点加权后的信息素因子:
信息素因子=机房*机房系数权值*机房预设加权+网元*网元系数权值*网元预设加权+管道*管道系数权值*管道预设加权+板卡*板卡系数权值*板卡预设加权+端口*端口系数权值*端口预设加权+链路*链路系数权值*链路预设加权+交叉*交叉系数权值*交叉预设加权+光缆段长度*长度系数权值+时延*时延系数权值+波道可用率*波道系数权值+通道可用率*通道系数权值+时隙可用率*时隙系数权值;
其中,各所述预设加权用于干预调整权值。
本发明实施例包括以下优点:
通过设定传输网络路由计算涉及到的路由对象的标签,定义路由对象所属标签,并根据不同场景加权设定各标签权值,然后确定信息素因子,从而优化信息素数据模型,然后基于信息素因子结合蚁群算法获取传输网络的路由,降低了信息素数据模型过于复杂给路由计算和选择带来的效率低下、成功率低等影响。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
可选地,本申请实施例还提供一种电子设备,包括处理器,存储器,存储在存储器上并可在所述处理器上运行的程序或指令,该程序或指令被处理器执行时实现上述传输网络的路由计算方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要注意的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述传输网络的路由计算方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述传输网络的路由计算方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以基于此示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的文件下载设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上对本发明所提供的一种传输网络的路由计算方法、装置、电子设备及可读存储介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种传输网络的路由计算方法,其特征在于,所述方法包括:
确定每个路由节点中各路由对象的标签;
获取各所述标签对应的权值;
根据各所述标签及所述标签对应的权值,确定所述路由节点加权后的信息素因子;
根据各所述信息素因子,通过蚁群算法获取传输网络的路由;
根据各所述信息素因子,通过蚁群算法获取传输网络的路由,包括:
根据各路由节点的信息素因子,计算每个路由节点间的信息素浓度;
根据所述信息素浓度及新路径启发函数,确定各相邻路由节点作为下一跳节点的概率;
根据各所述概率,确定传输网络的路由。
2.根据权利要求1所述的方法,其特征在于,根据各路由节点的信息素因子,计算每个路由节点间的信息素浓度,包括:
根据各路由节点的信息素因子,按以下公式计算每个路由节点间的信息素浓度:
其中,τ(a,z)为节点a到节点z的信息素浓度,ab为当前迭代最优路径集,p(a,z)是节点a到节点z加权后的信息素因子,n为迭代次数。
3.根据权利要求1所述的方法,其特征在于,根据所信息素浓度及新路径启发函数,确定各相邻路由节点作为下一跳节点的概率,包括:
根据所述信息素浓度及新路径启发函数,按以下公式确定各相邻路由节点作为下一跳节点的概率:
其中,paz表示节点a到节点z的路径,paz(d)表示d时刻节点选择下个节点的概率,i表示编号,K是网络中与节点a相邻的节点集合;τaz(d)表示d时刻节点a与节点z之间的信息素浓度,α是信息素影响路径的因子,表示信息素的重要程度;μaz(d)表示新路径的启发函数,β是影响新路径的启发函数对路径选择的因子。
4.根据权利要求1所述的方法,其特征在于,所述标签包括机房、网元、管道、板卡、端口、链路、交叉、光缆段长度、时延、波道可用率、通道可用率及时隙可用率;
根据各所述标签及所述标签对应的权值,确定所述路由节点加权后的信息素因子,包括:
按以下公式计算所述路由节点加权后的信息素因子:
信息素因子=机房*机房系数权值*机房预设加权+网元*网元系数权值*网元预设加权+管道*管道系数权值*管道预设加权+板卡*板卡系数权值*板卡预设加权+端口*端口系数权值*端口预设加权+链路*链路系数权值*链路预设加权+交叉*交叉系数权值*交叉预设加权+光缆段长度*长度系数权值+时延*时延系数权值+波道可用率*波道系数权值+通道可用率*通道系数权值+时隙可用率*时隙系数权值;
其中,各所述预设加权用于干预调整权值。
5.一种传输网络的路由计算装置,其特征在于,所述装置包括:
第一确定模块,用于确定每个路由节点中各路由对象的标签;
获取模块,用于获取各所述标签对应的权值;
第二确定模块,用于根据各所述标签及所述标签对应的权值,确定所述路由节点加权后的信息素因子;
计算模块,用于根据各所述信息素因子,通过蚁群算法获取传输网络的路由;
所述计算模块包括:
第一计算单元,用于根据各路由节点的信息素因子,计算每个路由节点间的信息素浓度;
第二计算单元,用于根据所述信息素浓度及新路径启发函数,确定各相邻路由节点作为下一跳节点的概率;
确定单元,用于根据各所述概率,确定传输网络的路由。
6.根据权利要求5所述的装置,其特征在于,所述标签包括机房、网元、管道、板卡、端口、链路、交叉、光缆段长度、时延、波道可用率、通道可用率及时隙可用率;
所述第二确定模块,具体用于按以下公式计算所述路由节点加权后的信息素因子:
信息素因子=机房*机房系数权值*机房预设加权+网元*网元系数权值*网元预设加权+管道*管道系数权值*管道预设加权+板卡*板卡系数权值*板卡预设加权+端口*端口系数权值*端口预设加权+链路*链路系数权值*链路预设加权+交叉*交叉系数权值*交叉预设加权+光缆段长度*长度系数权值+时延*时延系数权值+波道可用率*波道系数权值+通道可用率*通道系数权值+时隙可用率*时隙系数权值;
其中,各所述预设加权用于干预调整权值。
7.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1~4所述的传输网络的路由计算方法的步骤。
8.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1~4所述的传输网络的路由计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111662984.6A CN114422424B (zh) | 2021-12-30 | 2021-12-30 | 一种传输网络的路由计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111662984.6A CN114422424B (zh) | 2021-12-30 | 2021-12-30 | 一种传输网络的路由计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114422424A CN114422424A (zh) | 2022-04-29 |
CN114422424B true CN114422424B (zh) | 2023-08-11 |
Family
ID=81271471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111662984.6A Active CN114422424B (zh) | 2021-12-30 | 2021-12-30 | 一种传输网络的路由计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114422424B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2328308A1 (en) * | 2009-11-27 | 2011-06-01 | Alcatel Lucent | Method for building a path according to adaptation functions using an ant colony |
CN108989133A (zh) * | 2018-08-27 | 2018-12-11 | 山东大学 | 基于蚁群算法的网络探测优化方法 |
CN111385853A (zh) * | 2020-03-06 | 2020-07-07 | 重庆邮电大学 | 无线传感器网络中基于改进蚁群算法的定向扩散路由方法 |
WO2021004213A1 (zh) * | 2019-07-09 | 2021-01-14 | 中兴通讯股份有限公司 | 融合网络的路径标签确定方法及装置、存储介质及电子装置 |
CN112486668A (zh) * | 2020-11-03 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 一种分布式人工智能计算方法、物联网节点和存储介质 |
CN113014484A (zh) * | 2021-02-09 | 2021-06-22 | 浙江工商大学 | 一种基于bp神经网络蚁群算法的网络路由规划方法及系统 |
CN113068224A (zh) * | 2021-03-29 | 2021-07-02 | 烽火通信科技股份有限公司 | 一种用于网状传输系统构建的蚁群算法实现方法和装置 |
-
2021
- 2021-12-30 CN CN202111662984.6A patent/CN114422424B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2328308A1 (en) * | 2009-11-27 | 2011-06-01 | Alcatel Lucent | Method for building a path according to adaptation functions using an ant colony |
CN108989133A (zh) * | 2018-08-27 | 2018-12-11 | 山东大学 | 基于蚁群算法的网络探测优化方法 |
WO2021004213A1 (zh) * | 2019-07-09 | 2021-01-14 | 中兴通讯股份有限公司 | 融合网络的路径标签确定方法及装置、存储介质及电子装置 |
CN111385853A (zh) * | 2020-03-06 | 2020-07-07 | 重庆邮电大学 | 无线传感器网络中基于改进蚁群算法的定向扩散路由方法 |
CN112486668A (zh) * | 2020-11-03 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 一种分布式人工智能计算方法、物联网节点和存储介质 |
CN113014484A (zh) * | 2021-02-09 | 2021-06-22 | 浙江工商大学 | 一种基于bp神经网络蚁群算法的网络路由规划方法及系统 |
CN113068224A (zh) * | 2021-03-29 | 2021-07-02 | 烽火通信科技股份有限公司 | 一种用于网状传输系统构建的蚁群算法实现方法和装置 |
Non-Patent Citations (1)
Title |
---|
一种基于改进蚁群算法的选播路由算法;李领治;郑洪源;丁秋林;;电子与信息学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114422424A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20140160980A1 (en) | Assigning Telecommunications Nodes to Community of Interest Clusters | |
US8693340B2 (en) | Method and apparatus for least cost routing using multiple path accumulated constraints | |
CN113220457A (zh) | 模型部署方法、模型部署装置、终端设备及可读存储介质 | |
CN112784362A (zh) | 一种用于无人机辅助边缘计算的混合优化方法及系统 | |
CN114363984B (zh) | 一种云边协同光载网络频谱资源分配方法及系统 | |
CN108833271A (zh) | 一种电网广域控制业务通信路径选择方法及服务器 | |
CN114707575A (zh) | 一种基于ap聚类的sdn多控制器部署方法 | |
CN105634974A (zh) | 软件定义网络中的路由确定方法和装置 | |
CN114724021B (zh) | 一种数据的识别方法、装置、存储介质及电子装置 | |
CN113300861B (zh) | 网络切片配置方法、装置以及存储介质 | |
CN112560204A (zh) | 一种基于lstm深度学习的光网络路由优化方法及其相关装置 | |
CN115473841A (zh) | 网络路径的确定方法、装置及存储介质 | |
CN114422424B (zh) | 一种传输网络的路由计算方法及装置 | |
CN111800352A (zh) | 基于负载均衡的服务功能链部署方法和存储介质 | |
CN114020455B (zh) | 一种服务功能的编排方法、装置及计算机可读存储介质 | |
CN117499297A (zh) | 数据包传输路径的筛选方法及装置 | |
CN113259440B (zh) | 一种基于负载均衡的虚拟网络功能动态部署方法及系统 | |
KR20130075455A (ko) | 상황 인식 네트워크에서 서비스 경로를 구성하는 방법 및 장치 | |
CN113259263B (zh) | 一种深度报文检测集群中的数据包调度方法 | |
CN115185660A (zh) | Mar任务在多接入边缘计算中的卸载和缓存放置方法及系统 | |
CN115426310A (zh) | 最优路径确定方法及装置、可读存储介质、电子设备 | |
CN115361332A (zh) | 容错路由的处理方法及装置、处理器和电子设备 | |
CN115695280A (zh) | 基于边缘节点的路由方法及装置、电子设备、存储介质 | |
CN113393009B (zh) | 传输管线的路径规划方法、装置及计算设备 | |
CN112783673A (zh) | 一种调用链的确定方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |