1.一种减少网络振动的智能路由选择方法,其特征在于,包括以下步骤:
S1:构建三维矩阵(T,L,U),并对所述三维矩阵(T,L,U)进行运算,得到训练集DataSettrain,其中,T为历史流量数据的时间片集合,L表示节点i到节点j间的链路上的流量,U表示节点m到节点n的完整路径上的流量,其中,所述S1进一步包括:对所述三维矩阵(T,L,U)中任意一行进行求和,得到所有通过该链路的传输路径的总流量;对于任意一列的非空项,获取该时间片内此OD对间的路径所包含的链路;将网络总体流量数据按照时间片分割为流量序列;将该流量序列输入到预设的网络拓扑中,按照OSPF协议进行该流量序列的路由转发,并以第一预设时间为时间间隔观察网络流量分布情况,对于任意链路的负载Loade>K的情况,剔除流量分布数据,将剩余的所有流量分布情况作为训练数据使用;将得到的所述训练数据转化为网络流量特征矩阵的形式,得到所述训练集DataSettrain;
S2:针对所述训练集DataSettrain中的每一个OD对,计算其可行路径方案的概率值,其中,所述S2进一步包括:针对每一个OD对,获取其可选的路径方案集合Path,并对Path集合进行预处理,包括:设每个OD对间的可行路径数量上限为m,每条可行路径中的链路数量上限为n,则对于给定的网络拓扑G
合中每一条路径的选择概率p,则卷积神经网络CNN的输出集为:
在所述CNN的输出集中,按照选择概率p降序排列,并计算每一个路径方案Path(i,j)所对应的链路抖动幅度,将抖动幅度最小的方案作为最终输出,以进行下一时间片的路由调整;
S3:根据所述概率值得到最佳路由方案,其中,所述S3进一步包括:以第二预设时间为时间间隔,在每个时间间隔结束的时候,把当前网络的流量情况整理为网络流量特征矩阵(T,L,U)输入CNN神经网络中,以便CNN神经网络提供可行路径方案的概率集合OutputCNN,将此集合OutputCNN作为网络振动抑制算法的输入参数,最终得到当前时刻的最佳路由方案。
2.根据权利要求1所述的减少网络振动的智能路由选择方法,其特征在于,所述第一预设时间为30秒。
3.根据权利要求1所述的减少网络振动的智能路由选择方法,其特征在于,所述第二预设时间为5分钟。
4.根据权利要求1所述的减少网络振动的智能路由选择方法,其特征在于,所述时间片的长度为1分钟。