CN115834387A - 一种网络柔性适配方案选择系统和方法 - Google Patents

一种网络柔性适配方案选择系统和方法 Download PDF

Info

Publication number
CN115834387A
CN115834387A CN202310110402.6A CN202310110402A CN115834387A CN 115834387 A CN115834387 A CN 115834387A CN 202310110402 A CN202310110402 A CN 202310110402A CN 115834387 A CN115834387 A CN 115834387A
Authority
CN
China
Prior art keywords
attribute
scheme
network
flexible adaptation
attributes
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.)
Pending
Application number
CN202310110402.6A
Other languages
English (en)
Inventor
朱俊
邹涛
张汝云
高万鑫
张慧峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202310110402.6A priority Critical patent/CN115834387A/zh
Publication of CN115834387A publication Critical patent/CN115834387A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种网络柔性适配方案选择系统和方法，该系统包括用于接收由网络用户的方案属性集合的方案属性集合配置模块、用于接收由网络用户输入的体现属性偏好的权重值的属性权重配置模块、用于从多个网络柔性方案的属性列表中提取网络用户所关注的属性并组合成方案属性矩阵的属性提取模块和用于依据柔性适配方案选择方法输出网络柔性适配方案的选择结果给执行/控制机构的柔性适配方案决策模块。本发明实现了接收网络用户对于网络柔性适配方案所具备的属性需求的偏好；从多个网络柔性适配方案中，根据用户需求偏好，综合性地分析判断出各个柔性适配方案偏好优先次序，从而决策出更加适合网络用户需求的方案。

Description

一种网络柔性适配方案选择系统和方法
技术领域
本发明涉及计算机网络领域，具体涉及一种网络柔性适配方案选择系统和方法。
背景技术
新智造的基本特征是网络化，即生产现场智能装备的互联、工业控制网络与生产管理的网络高度集成以及工厂网络与互联网的广泛融合。新一代信息网络技术将通过信息横纵向集成实现研究、设计、生产和销售各种资源的动态配置以及产品全程跟踪监测，实现个性化定制与柔性生产，对信息网络提出了架构柔性化的能力和需求。
因此，以新智造为代表的新一代工业改革对当前网络技术和网络架构的柔性化提出了巨大的挑战，现有通过“尽力而为”服务模型承载所有业务的网络架构无法从根本上保证泛在互连、异构融合和柔性可扩展等更高级更多元的需求，亟需新型柔性网络架构及网络能力的支撑。
作为新型柔性网络架构的重要组成部分，网络柔性适配方案选择机制主要完成以下功能：接收网络用户对于网络柔性适配方案所具备的属性需求的偏好；从多个柔性适配方案中，根据用户需求偏好，综合性地分析判断出各个柔性适配方案偏好优先次序，从而决策出更加适合网络用户需求的方案。然而，当前尚未有现成的方法，可用于解决网络柔性适配方案选择问题。
网络柔性适配方案选择方法拟解决以下三个关键问题：如何从多种网络柔性适配方案中选择出一种方案作为最终的网络方案，使得该网络方案从整体上看更加贴合网络用户的需求；如何去建立一个全面的网络柔性适配方案属性集合，属性的选择将对适配方案的选择起到比较关键的作用，若选得不好，容易出现偏颇，或者导致最终的方案不符合用户的实际要求；如何根据确定后的网络柔性适配方案属性集合为网络用户建立一个符合其需求和偏好的属性偏好权重向量。
网络柔性适配的过程中，可能同时有多种适配方案或路径以实现对新业务适配的需要。此时，就需要依据柔性网络的若干重要特性，如性能、可靠性、代价等基本属性，作为柔性适配方案决策的分析依据。然而当诸多属性结合作为方案选择依据的时候，不同属性间必然存在相互冲突的情况（如性能属性高的方案，其可靠性方面的指标就可能会偏低；可靠性属性高的方案，其代价方面的耗费也可能会偏高），导致在多个方面属性满足网络用户需求的前提下，无法高效地确定柔性网络调整方案。为此，就需要在柔性网络模型和架构的基础上，运用数学理论方法对柔性适配方案的决策问题进行指导。
发明内容
本发明的目的在于针对现有技术的不足，提供一种网络柔性适配方案选择系统和方法。本发明能够从多种网络柔性适配方案中，快速高效地决策出能够满足新业务网络传输需求的方案，从而为后续执行/控制机构的操作提供支撑。
本发明的目的是通过以下技术方案来实现的：本发明实施例第一方面提供了一种网络柔性适配方案选择系统，包括：
方案属性集合配置模块，用于接收由网络用户输入的且体现网络用户所关注的方案属性集合；
属性权重配置模块，用于接收由网络用户输入的且体现网络用户对于上述方案属性偏好的权重值，每项方案属性对应一个权重值，并将属性对应的权重值组合成属性权重向量；
属性提取模块，用于根据来自方案属性集合配置模块的方案属性集合信息，从多个网络柔性方案的属性列表中提取网络用户所关注的属性，并将多个方案对应的属性向量组合成方案属性矩阵；和
柔性适配方案决策模块，用于接收属性提取模块的方案属性矩阵和属性权重配置模块的属性权重向量信息，并将其作为输入的数据，依据柔性适配方案选择方法，输出网络柔性适配方案的选择结果给执行/控制机构。
本发明实施例第二方面提供了一种网络柔性适配方案选择方法，基于上述的网络柔性适配方案选择系统实现，包括以下步骤：
（1）属性集合确定流程：确定柔性网络适配特性属性的全集范围，根据使用需求从属性全集的元素中选出部分或全部形成属性子集，并将属性子集输入到属性集合配置模块；
（2）属性权重确定流程：根据从所述步骤（1）获取的属性子集建立属性权重向量；
（3）属性提取流程：根据属性子集的方案属性集合信息，获取网络柔性适配方案的方案属性向量，以构建决策矩阵；
（4）方案决策/选择流程：根据决策矩阵获取加权标准化决策矩阵，以确定网络柔性适配方案的理想方案和负理想方案，计算网络柔性适配方案与理想方案的相对接近程度，以获取最终的网络柔性适配方案。
可选地，所述步骤（1）包括以下子步骤：
（1.1）确定柔性网络适配特性属性的全集范围，以获取属性全集P；
（1.2）网络用户根据使用需求，从属性全集P的元素中选出部分或全部形成属性子集
Figure SMS_1
；
（1.3）将属性子集
Figure SMS_2
输入到方案属性集合配置模块，以完成属性集合确定流程。
可选地，所述属性的类型包括成本型属性和效益型属性。
可选地，所述属性全集P={时延，时延抖动，带宽，接入容量，传输可靠性，移动性，资源编排能力，功能重构能力，安全性，协议定制能力}。
可选地，所述步骤（2）包括以下子步骤：
（2.1）从方案属性集合配置模块获取属性子集
Figure SMS_3
的配置信息；
（2.2）网络用户根据使用需求为属性子集
Figure SMS_4
的每一项属性
Figure SMS_5
输入一个对应的权重值
Figure SMS_6
；
（2.3）按照属性
Figure SMS_7
与权重值
Figure SMS_8
一一对应的关系，建立属性子集
Figure SMS_9
对应的属性权重向量
Figure SMS_10
。
可选地，所述属性权重向量中所有的权重值的总和为1。
可选地，所述步骤（3）包括以下子步骤：
（3.1）从方案属性集合配置模块获取属性子集
Figure SMS_11
的方案属性集合信息；
（3.2）从多个网络柔性适配方案的所有属性信息中，根据属性子集
Figure SMS_12
的方案属性集合信息提取多个网络柔性适配方案中对应的属性信息，以获取多个方案属性向量；
（3.3）根据多个方案属性向量构建决策矩阵。
可选地，所述网络柔性适配方案的数量和方案属性向量的数量相等。
可选地，所述步骤（4）包括以下子步骤：
（4.1）对决策矩阵进行属性权重归一化处理，以获取归一化决策矩阵；
（4.2）根据属性权重向量
Figure SMS_13
对归一化决策矩阵进行加权处理，以获取加权标准化决策矩阵；
（4.3）根据属性的类型和加权标准化决策矩阵确定网络柔性适配方案的理想方案和负理想方案；
（4.4）分别计算备选的网络柔性适配方案与理想方案和负理想方案的欧几里得距离；
（4.5）计算每个网络柔性适配方案与理想方案的相对接近程度；
（4.6）按照相对接近程度对所有的网络柔性适配方案进行降序排序；
（4.7）依据降序排序的结果，输出相对接近程度最大的网络柔性适配方案所对应的属性向量，以确定最终的网络柔性适配方案。
本发明的有益效果是，本发明的网络柔性适配方案选择系统提供了一种在多个方案属性同时满足网络用户需求且不同属性间存在某些相互冲突的情况下快速高效地确定柔性网络调整方案的整体解决方案和系统架构思路；可以根据网络用户的实际需求，对多个网络柔性适配方案进行权衡比较，并快速高效地从中选择出一种方案作为最优的网络方案，令选中的网络适配方案从整体维度上更加符合网络用户的需求；同时可以帮助网络用户建立一个全面的网络柔性适配方案属性集合；还可以根据网络柔性适配方案属性集合为网络用户建立一个符合其需求和偏好的属性偏好权重向量。
附图说明
图1为网络柔性适配方案选择系统示意图；
图2为属性集合确定流程示意图；
图3为属性权重确定流程示意图；
图4为属性提取流程示意图；
图5为方案选择流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例中的网络柔性适配方案选择系统包括方案属性集合配置模块、属性权重配置模块、属性提取模块和柔性适配方案决策模块。
其中，方案属性集合配置模块用于接收由网络用户输入的且体现网络用户所关注的方案属性集合，例如
Figure SMS_14
={时延，时延抖动，带宽，接入容量，传输可靠性}；属性权重配置模块用于接收由网络用户输入的且体现网络用户对于上述方案属性偏好的权重值，每项方案属性对应一个权重值，并将属性对应的权重值组合成属性权重向量，例如权重向量
Figure SMS_15
；属性提取模块用于根据来自方案属性集合配置模块的方案属性集合信息，从多个网络柔性方案的属性列表中提取网络用户所关注的属性，并将多个方案对应的属性向量组合成方案属性矩阵D；柔性适配方案决策模块用于接收属性提取模块的方案属性矩阵和属性权重配置模块的属性权重向量信息，将上述两类信息作为输入的数据，依据柔性适配方案选择方法原理，通过运算后输出网络柔性适配方案的选择结果给执行/控制机构。
值得一提的是，本发明实施例还提供了一种网络柔性适配方案选择方法。
该方法基于前述网络柔性适配方案选择系统来实现，具体包括以下步骤：
（1）属性集合确定流程：确定柔性网络适配特性属性的全集范围，根据使用需求从属性全集的元素中选出部分或全部形成属性子集，并将属性子集输入到属性集合配置模块。
通过对柔性网络数学模型的评估，能够得到如下这些与柔性网络适配特性相关的属性：柔性网络需求匹配度、柔性网络性能特性、变化后柔性网络鲁棒性等。同时，再将以上属性进一步与柔性网络变化所付出时间代价和成本代价等代价类属性一起，共同作为柔性网络匹配方案决策的基本依据。
在该柔性网络适配方案决策算法中，将属性分为两类：一类是效益型属性，属性值越大则效用结果越好，例如性能、可靠性等属性；另一类是成本型属性，属性值越小则效用结果越好，例如匹配变化时间代价、成本代价等。
参见图2，具体包括如下子步骤：
（1.1）确定柔性网络适配特性属性的全集范围，以获取属性全集P。
针对某一个柔性网络，网络用户一般需要关注的特性属性的全集为P={时延，时延抖动，带宽，接入容量，传输可靠性，移动性，资源编排能力，功能重构能力，安全性，协议定制能力}。其中，成本型属性包括时延和时延抖动，效益型属性包括带宽、接入容量、传输可靠性、移动性、资源编排能力、功能重构能力、安全性和协议定制能力。
（1.2）网络用户根据使用需求，从属性全集
Figure SMS_16
的元素中选出部分或全部形成属性子集
Figure SMS_17
，其中，
Figure SMS_18
，且1≤j≤n，
Figure SMS_19
，
Figure SMS_20
。
网络用户对于该柔性网络的某些属性比较关注，例如网络用户对于时延、时延抖动、带宽、接入容量、传输可靠性这些属性比较关注，所以从属性全集P的元素中选出上述属性构成属性子集
Figure SMS_21
={时延，时延抖动，带宽，接入容量，传输可靠性}。
（1.3）将属性子集
Figure SMS_22
输入到方案属性集合配置模块，以完成属性集合确定流程。
将网络用户特别关注的属性子集
Figure SMS_23
输入到方案属性集合配置模块，完成属性集合确定流程。
（2）属性权重确定流程：根据从步骤（1）获取的属性子集
Figure SMS_24
建立属性权重向量。
参见图3，具体包括如下子步骤：
（2.1）从方案属性集合配置模块获取属性子集
Figure SMS_25
的配置信息。
属性权重确定流程将通过预先定义的接口从方案属性集合配置模块获取网络用户所关心的属性子集
Figure SMS_26
的配置信息，即
Figure SMS_27
={时延，时延抖动，带宽，接入容量，传输可靠性}。
（2.2）网络用户根据使用需求为属性子集
Figure SMS_28
的每一项属性
Figure SMS_29
输入一个对应的权重值
Figure SMS_30
。
网络用户对于其所关注的属性子集
Figure SMS_31
中的元素，也会具有一定的偏向性，故网络用户可以按照这种偏向性为属性子集
Figure SMS_37
依次输入每一种属性所对应的权重值，例如时延属性
Figure SMS_40
的权值
Figure SMS_32
，时延抖动属性
Figure SMS_36
的权值
Figure SMS_39
，带宽属性
Figure SMS_42
的权值
Figure SMS_34
，容量属性
Figure SMS_35
的权值
Figure SMS_38
，传输可靠性属性
Figure SMS_41
的权值
Figure SMS_33
。
（2.3）按照属性
Figure SMS_43
与权重值
Figure SMS_44
一一对应的关系，建立属性子集
Figure SMS_45
对应的属性权重向量
Figure SMS_46
。
需要说明的是，属性权重向量中所有的权重值的总和为1，即
Figure SMS_47
。
根据步骤（2.2）中各个属性所对应的权重值，权重值与属性一一对应，建立对应的属性权重向量
Figure SMS_48
。
（3）属性提取流程：根据属性子集的方案属性集合信息，获取网络柔性适配方案的方案属性向量，以构建决策矩阵。
具体地，根据来自方案属性集合配置模块的属性集合配置信息，从多个网络柔性适配方案的属性列表中，提取出网络用户所关注的属性，即属性子集所对应的方案属性集合信息，获取网络柔性适配方案的方案属性向量，并将多个网络柔性适配方案对应的方案属性向量组合构建决策矩阵D。
参见图4，具体包括如下子步骤：
（3.1）从方案属性集合配置模块获取属性子集
Figure SMS_49
的方案属性集合信息。
属性子集
Figure SMS_50
={时延，时延抖动，带宽，接入容量，传输可靠性}，则它的方案属性集合信息包括时延、时延抖动、带宽、接入容量和传输可靠性。
（3.2）从多个网络柔性适配方案的所有属性信息中，根据属性子集
Figure SMS_51
的方案属性集合信息提取多个网络柔性适配方案中对应的属性信息，以获取多个方案属性向量。
具体地，网络柔性适配方案的方案属性向量可表示为：
Figure SMS_52
，其中，
Figure SMS_53
为第i个网络柔性适配方案的n个不同属性值。
应当理解的是，网络柔性适配方案的数量和方案属性向量的数量相等，即：若有m个网络柔性适配方案，则有m个方案属性向量。
示例性地，假设当前有三个网络柔性适配方案（方案1、2、3），则依据（1）得到的属性集合配置信息，分别提取得到方案1的属性向量
Figure SMS_54
，方案2的属性向量
Figure SMS_55
，方案3的属性向量
Figure SMS_56
。
（3.3）根据多个方案属性向量构建决策矩阵D。
具体地，根据m个网络柔性适配方案的方案属性向量
Figure SMS_57
，构建决策矩阵D。
建立有关m个备选网络柔性适配方案n个属性的决策矩阵D，表示为：
Figure SMS_58
示例性地，例如可以建立3个备选网络柔性适配方案5个属性的决策矩阵D，表示为：
Figure SMS_59
（4）方案决策/选择流程：根据决策矩阵获取加权标准化决策矩阵，以确定网络柔性适配方案的理想方案和负理想方案，计算网络柔性适配方案与理想方案的相对接近程度，以获取最终的网络柔性适配方案。
具体地，方案决策/选择流程的基本原理为：网络柔性适配方案选择决策方法采用的是建立在所选择的变化方案应该与最优的适配方案
Figure SMS_60
（理想方案）的差距最小并且与最差的适配方案
Figure SMS_61
（负理想方案）差距最大的理论之上。之前提到的各类柔性网络属性值的效用都是单调的，即若有属性
Figure SMS_62
，则有该属性的效用函数
Figure SMS_63
。那么，最优的决策方案就由所有可能的最优属性值所构成，而最差的决策方案则由可能的最差属性值所构成。该方法的本质是将多个网络柔性适配方案n个属性的方案选择问题看作在多维空间中的多个点构成的几何系统，计算并选择与理想方案在几何空间上具有最小欧几里得距离的方案，作为柔性网络匹配方案。
参见图5，具体包括如下子步骤：
（4.1）对决策矩阵D进行属性权重归一化处理，以获取归一化决策矩阵R。
具体地，把各个原始的柔性网络属性值转换为无量纲的属性值，从而为属性之间的比较分析奠定基础，再将每个属性值按总的属性向量的规范划分，计算新的归一化决策矩阵R，表示如下：
Figure SMS_64
其中，有
Figure SMS_65
，每一个属性具有同样的向量长度。
示例性地，对决策矩阵D进行权重归一化处理后，得到：
Figure SMS_66
（4.2）根据属性权重向量
Figure SMS_67
对归一化决策矩阵R进行加权处理，以获取加权标准化决策矩阵V。
具体地，考虑到权重向量
Figure SMS_68
，
Figure SMS_69
，将归一化决策矩阵R的每列与相应的权重值
Figure SMS_70
进行相乘可以得到加权标准化决策矩阵V，表示为：
Figure SMS_71
示例性地，属性权重向量
Figure SMS_72
，对归一化决策矩阵R进行加权处理，得到加权标准化决策矩阵V，表示为：
Figure SMS_73
（4.3）根据属性的类型和加权标准化决策矩阵确定网络柔性适配方案的理想方案和负理想方案。
具体地，假设J为效益型属性集合，
Figure SMS_74
为成本型属性，则定义理想方案
Figure SMS_75
和负理想方案
Figure SMS_76
为：
Figure SMS_77
Figure SMS_78
其中，
Figure SMS_79
为加权标准化决策矩阵V中的元素。
应当理解的是，理想方案
Figure SMS_80
和负理想方案
Figure SMS_81
分别代表最偏好和最不偏好的柔性网络适配匹配方案。
示例性地，根据定义可知，在属性子集
Figure SMS_82
={时延，时延抖动，带宽，接入容量，传输可靠性}中，带宽、容量和传输可靠性属于效益型属性，而时延和时延抖动属于成本型属性。理想方案
Figure SMS_83
选自加权标准化决策矩阵V中成本型属性的最小值和效益型属性的最大值，负理想方案
Figure SMS_84
选自加权标准化决策矩阵V中成本型属性的最大值和效益型属性的最小值。
于是，可以进一步得到实施例的理想方案
Figure SMS_85
和负理想方案
Figure SMS_86
为：
Figure SMS_87
Figure SMS_88
（4.4）分别计算备选的网络柔性适配方案与理想方案和负理想方案的欧几里得距离。
具体地，分别计算每个网络柔性适配方案与理想方案和负理想方案之间的欧几里得距离，欧几里得距离表示在多维空间中两个点之间的真实距离。每个匹配方案的距离都通过多维欧几里得距离来测量。网络柔性适配方案与理想方案和负理想方案的欧几里得距离分别为：
Figure SMS_89
Figure SMS_90
其中，
Figure SMS_92
表示网络柔性适配方案与理想方案
Figure SMS_94
的欧几里得距离，
Figure SMS_97
表示网络柔性适配方案与负理想方案
Figure SMS_93
的欧几里得距离，
Figure SMS_96
表示加权标准化决策矩阵V中的第i个网络柔性适配方案的第j个属性值，
Figure SMS_98
表示理想方案
Figure SMS_99
的第j个属性值，
Figure SMS_91
表示负理想方案
Figure SMS_95
的第j个属性值，n代表n个属性值。
示例性地，由上述的欧几里得距离计算公式可以计算出实施例中每个网络柔性适配方案与理想方案和与负理想方案的欧几里得距离，分别为：
方案1：
Figure SMS_100
和
Figure SMS_101
方案2：
Figure SMS_102
和
Figure SMS_103
方案3：
Figure SMS_104
和
Figure SMS_105
（4.5）计算每个网络柔性适配方案与理想方案
Figure SMS_106
的相对接近程度。
具体地，根据下列表达式计算网络柔性适配方案与理想方案
Figure SMS_107
的相对接近程度：
Figure SMS_108
其中，
Figure SMS_109
表示第i个网络柔性适配方案与理想方案
Figure SMS_110
的相对接近程度。
应当理解的是，如果网络柔性适配方案与理想方案
Figure SMS_111
相等，则
Figure SMS_112
；如果网络柔性适配方案与负理想方案
Figure SMS_113
相等，那么
Figure SMS_114
。而当
Figure SMS_115
趋近于1时，此时的网络柔性适配方案接近理想方案
Figure SMS_116
。
示例性地，经过计算后，得到每个网络柔性适配方案的
Figure SMS_117
分别为：
方案1：
Figure SMS_118
；
方案2：
Figure SMS_119
；
方案3：
Figure SMS_120
。
（4.6）按照相对接近程度对所有的网络柔性适配方案进行降序排序。
将所有的网络柔性适配方案按照相对接近程度
Figure SMS_121
的降序顺序进行排列，从而就得到了网络柔性适配方案选择的偏好次序。借助该排列次序，就能够用于决策在前述步骤所设置的偏好下将选择哪个网络柔性适配方案更为合适。
示例性地，根据各个方案的相对接近程度
Figure SMS_122
值，可以得到如下排序：
Figure SMS_123
。
（4.7）依据降序排序的结果，输出相对接近程度最大的网络柔性适配方案所对应的属性向量，以确定最终的网络柔性适配方案。
示例性地，根据步骤（4.6）的排序结果，可以输出最终确定的网络柔性适配方案为方案3，即输出方案3对应的属性向量
Figure SMS_124
。
至此，我们就可以基本确定网络柔性适配方案，后续可以通过柔性重构控制进行匹配方案的执行，通过联合调度数据面、控制面、接入设备以及网络应用层等资源使得柔性网络适应新的业务需求。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种网络柔性适配方案选择系统，其特征在于，包括：
方案属性集合配置模块，用于接收由网络用户输入的且体现网络用户所关注的方案属性集合；
属性权重配置模块，用于接收由网络用户输入的且体现网络用户对于上述方案属性偏好的权重值，每项方案属性对应一个权重值，并将属性对应的权重值组合成属性权重向量；
属性提取模块，用于根据来自方案属性集合配置模块的方案属性集合信息，从多个网络柔性方案的属性列表中提取网络用户所关注的属性，并将多个方案对应的属性向量组合成方案属性矩阵；和
柔性适配方案决策模块，用于接收属性提取模块的方案属性矩阵和属性权重配置模块的属性权重向量信息，并将其作为输入的数据，依据柔性适配方案选择方法，输出网络柔性适配方案的选择结果给执行/控制机构。
2.一种网络柔性适配方案选择方法，基于权利要求1所述的网络柔性适配方案选择系统实现，其特征在于，包括以下步骤：
（1）属性集合确定流程：确定柔性网络适配特性属性的全集范围，根据使用需求从属性全集的元素中选出部分或全部形成属性子集，并将属性子集输入到属性集合配置模块；
（2）属性权重确定流程：根据从所述步骤（1）获取的属性子集建立属性权重向量；
（3）属性提取流程：根据属性子集的方案属性集合信息，获取网络柔性适配方案的方案属性向量，以构建决策矩阵；
（4）方案决策/选择流程：根据决策矩阵获取加权标准化决策矩阵，以确定网络柔性适配方案的理想方案和负理想方案，计算网络柔性适配方案与理想方案的相对接近程度，以获取最终的网络柔性适配方案。
3.根据权利要求2所述的网络柔性适配方案选择方法，其特征在于，所述步骤（1）包括以下子步骤：
（1.1）确定柔性网络适配特性属性的全集范围，以获取属性全集P；
（1.2）网络用户根据使用需求，从属性全集P的元素中选出部分或全部形成属性子集
Figure QLYQS_1
；
（1.3）将属性子集
Figure QLYQS_2
输入到方案属性集合配置模块，以完成属性集合确定流程。
4.根据权利要求3所述的网络柔性适配方案选择方法，其特征在于，所述属性的类型包括成本型属性和效益型属性。
5.根据权利要求3所述的网络柔性适配方案选择方法，其特征在于，所述属性全集P={时延，时延抖动，带宽，接入容量，传输可靠性，移动性，资源编排能力，功能重构能力，安全性，协议定制能力}。
6.根据权利要求2所述的网络柔性适配方案选择方法，其特征在于，所述步骤（2）包括以下子步骤：
（2.1）从方案属性集合配置模块获取属性子集
Figure QLYQS_3
的配置信息；
（2.2）网络用户根据使用需求为属性子集
Figure QLYQS_4
的每一项属性
Figure QLYQS_5
输入一个对应的权重值
Figure QLYQS_6
；
（2.3）按照属性
Figure QLYQS_7
与权重值
Figure QLYQS_8
一一对应的关系，建立属性子集
Figure QLYQS_9
对应的属性权重向量
Figure QLYQS_10
。
7.根据权利要求6所述的网络柔性适配方案选择方法，其特征在于，所述属性权重向量中所有的权重值的总和为1。
8.根据权利要求2所述的网络柔性适配方案选择方法，其特征在于，所述步骤（3）包括以下子步骤：
（3.1）从方案属性集合配置模块获取属性子集
Figure QLYQS_11
的方案属性集合信息；
（3.2）从多个网络柔性适配方案的所有属性信息中，根据属性子集
Figure QLYQS_12
的方案属性集合信息提取多个网络柔性适配方案中对应的属性信息，以获取多个方案属性向量；
（3.3）根据多个方案属性向量构建决策矩阵。
9.根据权利要求8所述的网络柔性适配方案选择方法，其特征在于，所述网络柔性适配方案的数量和方案属性向量的数量相等。
10.根据权利要求2所述的网络柔性适配方案选择方法，其特征在于，所述步骤（4）包括以下子步骤：
（4.1）对决策矩阵进行属性权重归一化处理，以获取归一化决策矩阵；
（4.2）根据属性权重向量
Figure QLYQS_13
对归一化决策矩阵进行加权处理，以获取加权标准化决策矩阵；
（4.3）根据属性的类型和加权标准化决策矩阵确定网络柔性适配方案的理想方案和负理想方案；
（4.4）分别计算备选的网络柔性适配方案与理想方案和负理想方案的欧几里得距离；
（4.5）计算每个网络柔性适配方案与理想方案的相对接近程度；
（4.6）按照相对接近程度对所有的网络柔性适配方案进行降序排序；
（4.7）依据降序排序的结果，输出相对接近程度最大的网络柔性适配方案所对应的属性向量，以确定最终的网络柔性适配方案。
CN202310110402.6A 2023-02-14 2023-02-14 一种网络柔性适配方案选择系统和方法 Pending CN115834387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310110402.6A CN115834387A (zh) 2023-02-14 2023-02-14 一种网络柔性适配方案选择系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310110402.6A CN115834387A (zh) 2023-02-14 2023-02-14 一种网络柔性适配方案选择系统和方法

Publications (1)

Publication Number Publication Date
CN115834387A true CN115834387A (zh) 2023-03-21

Family

ID=85521203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310110402.6A Pending CN115834387A (zh) 2023-02-14 2023-02-14 一种网络柔性适配方案选择系统和方法

Country Status (1)

Country Link
CN (1) CN115834387A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103781157A (zh) * 2014-01-14 2014-05-07 南京邮电大学 一种基于多网络并行传输的异构网络接入决策方法
CN110234155A (zh) * 2019-05-22 2019-09-13 吉林大学 一种基于改进topsis的超密集网络接入选择方法
CN113360218A (zh) * 2021-06-16 2021-09-07 北京字节跳动网络技术有限公司 一种业务方案选择方法、装置、设备以及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103781157A (zh) * 2014-01-14 2014-05-07 南京邮电大学 一种基于多网络并行传输的异构网络接入决策方法
CN110234155A (zh) * 2019-05-22 2019-09-13 吉林大学 一种基于改进topsis的超密集网络接入选择方法
CN113360218A (zh) * 2021-06-16 2021-09-07 北京字节跳动网络技术有限公司 一种业务方案选择方法、装置、设备以及存储介质

Similar Documents

Publication Publication Date Title
Goyal et al. The utility based non-linear fuzzy AHP optimization model for network selection in heterogeneous wireless networks
Xiaojun An improved clustering-based collaborative filtering recommendation algorithm
Xu et al. A heuristic offloading method for deep learning edge services in 5G networks
Cui et al. A novel multi-objective evolutionary algorithm for recommendation systems
CN106130899B (zh) 一种生成业务路径的方法和装置
CN107734512B (zh) 一种基于灰度关联层次分析的网络选择方法
CN104995870A (zh) 多目标服务器布局确定
Thar et al. A deep learning model generation framework for virtualized multi-access edge cache management
CN106027317B (zh) 信任感知的Web服务质量预测系统及方法
CN105119751B (zh) 一种基于环境实时感知的服务评估及选取方法
Fan et al. DNN deployment, task offloading, and resource allocation for joint task inference in IIoT
CN112819054A (zh) 一种切片模板配置方法及装置
CN108901058A (zh) 一种物联网节点接入通道优化选择方法
Zhang et al. Mobility and dependence-aware QoS monitoring in mobile edge computing
CN110234155A (zh) 一种基于改进topsis的超密集网络接入选择方法
Wang et al. A fog-based recommender system
CN111324429B (zh) 一种基于多代血统参考距离的微服务组合调度方法
CN112508408A (zh) 一种边缘计算下无线资源管理指标的映射模型构建方法
Wang et al. QoS prediction of web services based on reputation-aware network embedding
Trappey et al. Patent landscape and key technology interaction roadmap using graph convolutional network–Case of mobile communication technologies beyond 5G
Liu et al. Joint task offloading and dispatching for MEC with rational mobile devices and edge nodes
Supriya Cloud service provider selection using non-dominated sorting genetic algorithm
Choudhary et al. Evolutionary learning approach to multi-agent negotiation for group recommender systems
CN117749636A (zh) 电力业务和通信网络适配方法及装置
Li et al. Recommending mobile services with trustworthy QoS and dynamic user preferences via FAHP and ordinal utility function

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230321