利用機器學習實現(xiàn)快速網(wǎng)絡資源分配的研究.pdf

1、軟件定義網(wǎng)絡是一種新型的網(wǎng)絡架構，其將網(wǎng)絡設備控制面與數(shù)據(jù)面分離開來。一個邏輯上集中的控制器負責所有的決策控制，而數(shù)據(jù)面的交換設備只負責網(wǎng)絡中數(shù)據(jù)封包的轉發(fā)。這個架構使得網(wǎng)絡數(shù)據(jù)流更加的靈活可控。而面對日益增長的網(wǎng)絡流量壓力和不斷升級的應用需求，如何在此集中控制的架構下，為用戶提供高質量服務的同時，實現(xiàn)網(wǎng)絡資源的合理分配，從而全面提升網(wǎng)絡性能便成為了一個重要的研究議題。
　　而通過對這個復雜的流量工程問題進行數(shù)學建模可以證實，其為

2、一個NP完全問題。雖然目前，研究人員已經(jīng)在網(wǎng)絡資源分配，特別是動態(tài)路由決策方面提出了很多較為先進的啟發(fā)式算法。但是在解決這個NP完全問題時，這些算法均會帶來較高的計算時間花銷，無法在真實網(wǎng)絡所要求的時間內完成動態(tài)路由的選擇。
　　本論文提出了一種的解決方案，力求實現(xiàn)實時的動態(tài)路由決策。在一個可靠的網(wǎng)絡環(huán)境中，我們用多個監(jiān)督式機器學習模型在控制器端構建了一個路由決策元層。為了能夠使經(jīng)過訓練的機器學習模型，具備啟發(fā)式算法根據(jù)當前網(wǎng)絡狀

3、態(tài)計算優(yōu)化路由的能力，本文將啟發(fā)式算法的輸入和輸出分別作為訓練樣本的特征和標簽對模型進行訓練。在所有模型訓練完成之后，該路由決策元層便可以完全取代耗時的啟發(fā)式算法。即當控制器收到有新的連接請求，其便可以根據(jù)采集到的實時網(wǎng)絡狀態(tài)數(shù)據(jù)，獨立計算得出與啟發(fā)式算法近似的優(yōu)化路徑，而這一個預測過程則是非常迅速，完全滿足真實網(wǎng)絡部署的需要。
　　同時，為了能夠更加有效地抽取有用的網(wǎng)絡特征，并使機器學習模型充分考慮該約束滿足問題中約束條件和優(yōu)化