电信科学 ›› 2021, Vol. 37 ›› Issue (2): 107-114.doi: 10.11959/j.issn.1000-0801.2021027

• 研究与开发 • 上一篇    

基于深度学习的流量工程算法研究与应用

胡道允1, 齐进1, 陆钱春1, 李锋1, 房红强2   

  1. 1 移动网络和移动多媒体技术国家重点实验室,广东 深圳 518057
    2 中国科学技术大学,安徽 合肥 230026
  • 修回日期:2021-02-01 出版日期:2021-02-01 发布日期:2021-02-01
  • 作者简介:胡道允(1990- ),男,移动网络和移动多媒体技术国家重点实验室工程师,主要研究方向为网络管控系统、智能网络算法、智能运维等。
    齐进(1971- ),男,博士,移动网络和移动多媒体技术国家重点实验室工程师,主要研究方向为网络控制与管理、大数据分析、智能运维等。
    陆钱春(1986- ),女,移动网络和移动多媒体技术国家重点实验室工程师,主要研究方向为智能网络优化。
    李锋(1978- ),男,移动网络和移动多媒体技术国家重点实验室工程师,主要研究方向为基于深度学习的控制器策略闭环、控制器自动化能力演进等。
    房红强(1995-),男,中国科学技术大学硕士生,主要研究方向为光通信网络和机器学习等。

Research and application of traffic engineering algorithm based on deep learning

Daoyun HU1, Jin QI1, Qianchun LU1, Feng LI1, Hongqiang FANG2   

  1. 1 State Key Laboratory of Mobile Network and Mobile Multimedia Technology, Shenzhen 518057, China
    2 University of Science and Technology of China, Hefei 230026, China
  • Revised:2021-02-01 Online:2021-02-01 Published:2021-02-01

摘要:

随着5G网络的发展和应用,网络中的业务数量呈现出爆发式增长,网络中的带宽资源日趋紧张。为了提高网络资源利用率,并满足用户日益提高的业务服务质量要求,基于软件定义网络(SDN)提出了一种基于深度学习的流量工程算法(DL-TEA)。通过仿真证明该算法不仅能够实时地为业务计算一条高效的路径,同时还能够提升业务的QoS、网络资源利用率,降低网络阻塞率。

关键词: 软件定义网络, 流量工程, 深度学习, 服务质量

Abstract:

With the development and application of 5G network, the amount of traffic in network increased rapidly, which caused the lack of bandwidth resource.In order to improve the utilization of network resource and satisfy the critical user requirement for QoS (quality of service), a novel traffic engineering algorithm based on deep learning in SDN was proposed.At last, simulation results show that the proposed algorithm not only can calculate an efficient path for service in real time, but also can improve the QoS and the utilization of network resource, as well as reduce network congestion.

Key words: SDN, traffic engineering, deep learning, QoS

中图分类号: 

No Suggested Reading articles found!