阅读说明：本技术 一种多路径路由优化方法 (Multipath routing optimization method ) 是由 陈寿瑜 邹钟璐 李为 黄志才 黄贺平 全源 朱辉青 瞿振 袁志坚 翟柱新 陈皓宁 于 2019-09-29 设计创作，主要内容包括：本发明公开了一种多路径路由优化方法,包括构建类脑的知识库,获取包括用户状态和网络状态的状态信息,并发送至所述知识库中进行处理,其整体思路是通过类脑机制,在传统的底层路由算法的基础上,建立类脑的知识库。在通信过程中,通过类脑的知识库映射的方式,快速规划光前传网路由最优路径,而无需使用底层的长时间路由选择算法。且在路由选择策略上,同时规划当前服务路由选择策略和服务下一状态路由选择策略。从而有效地减少平均延迟,降低通信中断概率,在高移动性场景中提高用户的通信质量。(The invention discloses a multi-path routing optimization method, which comprises the steps of constructing a brain-like knowledge base, acquiring state information comprising a user state and a network state, and sending the state information to the knowledge base for processing. In the communication process, the optimal route of the optical fronthaul network is rapidly planned in a brain-like knowledge base mapping mode without using a bottom-layer long-time routing algorithm. And simultaneously planning a current service routing strategy and a service next state routing strategy on the routing strategy. Therefore, the average delay is effectively reduced, the communication interruption probability is reduced, and the communication quality of the user is improved in a high-mobility scene.)

一种多路径路由优化方法

技术领域

本发明涉及光通信技术领域，具体涉及一种多路径路由优化方法。

背景技术

随着巡检机器人、无人机、智能可穿戴终端、车联网等技术的快速发展，出现了主要特点为高移动性新兴业务。这些新兴业务需要更快速的接入，以及更低的传输时延，这是实现高移动性用户高质量通信的重要保证。保障其通信对传输时延的高要求，向现有的通信网络提出了新的挑战。

光通信与无线通信融合的接入网络作为移动通信网络发展的重要支撑，越来越受到关注。光与无线融合接入网可以具有更强的灵活性，动态性，同时可以提供更大的带宽，从而满足高质量网络服务与用户体验的实际需求。而光前传网络是光与无线融合接入网承载业务的重要部分。

现有技术中，一种车联网低时延通信方法(专利号：CN109347975A)中，采取宏节点与接入点相结合的方式对车联网终端的请求业务进行资源调度，结合雾计算、开环通信、路径分集及网络切片等技术，通过数据传输方式的优化、数据网络侧的高效处理及稳定的边缘用户接入共同降低网络传输时延，并保证数据传输的可靠性。

上述现有技术仅从资源分配和消息转发等方面降低通信时延，而没有注意到这种高移动性场景中具有支撑性的光学前传网络的重要路由问题，这将导致通信中断概率过高，通信服务质量过差的问题并未得到很好地解决。

发明内容

为此，本发明提供一种多路径路由优化方法，以解决现有技术中由于高移动性场景中具有支撑性的光学前传网络的重要路由问题未得到解决，而导致通信中断概率过高和通信服务质量过差的问题。

为了实现上述目的，本发明的实施方式公布了如下技术方案：

一种多路径路由优化方法，包括方法：

构建类脑的知识库，获取包括用户状态和网络状态的状态信息，并发送至所述知识库中进行处理：

当所述知识库存储有与所述状态信息相对应的路由策略时，所述知识库输出与所述状态信息相对应的路由策略，所述路由策略包括当前服务路由选择策略，以及服务下一状态路由选择策略；

当所述知识库没有与所述状态信息相对应的路由策略时，将所述状态信息经底层路由算法计算后输出路由策略，并建立新知识，所述新知识包括状态信息、路由策略，以及状态信息和路由策略的映射关系；

获取与输出的所述路由策略相对应的通信质量反馈：

当所述通信质量反馈未达标时，重新进行上述运算，直至所述通信质量反馈达标；

当所述通信质量反馈达标时，将所述新知识更新至所述知识库中。

进一步地，所述知识库包括存储有所述状态信息的状态知识库、存储有所述路由策略的路由策略知识库，以及存储有所述映射关系的映射关系知识库。

进一步地，所述状态知识库将获取的所述状态信息与已存储的所述状态信息进行匹配，当匹配成功时，将获取的所述状态信息发送至所述策略映射关系知识库；否则，将获取的所述状态信息经过底层路由算法计算后输出所述路由策略，并将生成所述新知识。

进一步地，当所述映射关系知识库存储有与获取的所述状态信息相对应的映射关系时，控制所述路由策略知识库输出相应的路由策略；当所述映射关系知识库没有与获取的所述状态信息相对应的映射关系时，将所述状态信息经过底层路由算法计算后输出所述路由策略，并生成所述新知识。

进一步地，所述状态知识库中，当前用户状态和网络状态K_i用如下公式标识：

K_i＝(s₁，s₂，s₃，s₄，s₅)；

UB＝{K₁，K₂，…，K_i}。

其中，s1至s5分别代表用户相对方向、相对位置、相对速度、网络带宽利用率、链路延迟；根据用户及网络状态第q个属性的确定属性值x₀找到对应模糊集的隶属度函数A_qp(x₀)，采用最大隶属度原则对确定值x₀进行模糊集的确定，将隶属度函数换分为N个模糊集：

则x₀∈A_qp，且(1≤p≤N)。

进一步地，所述映射关系知识库中，构建两个需求状态第q个属性贴近度函数σ_q，判断用户状态K_m和用户状态K_n是否属于相同模式，所述贴近度函数σ_q：

式中A_qm表示用户及网络状态K_m第q个属性的最大隶属度模糊集，A_qn表示用户及网络状态K_n第i个属性的最大隶属度模糊集。

进一步地，所述映射关系知识库中，采用相似度概念来表示所述用户状态K_m和用户状态K_n的相似程度，选择最大相似性的状态作为最佳相似匹配状态：

其中ω_q是第q个状态属性的权重，用于从用户和网络状态知识库中选择与状态K_m最相似的状态K₀。

进一步地，将新学习的新知识用相似的已存储的新知识表示，新学习的新知识与已存储的新知识的相似度表达式为：

其中，c_sim是相似度阈值。

进一步地，所述路由策略表达式为r＝{b₁，b₂，…，b_i}，其中，b_i＝1表示将数据转发到路由器b_i，b_i＝0则表示不向路由器P_i转发数据；

所述路由策略知识库为所得到的路由策略集合：

CR＝{R₁，R₂，…，R_i}；

R_i＝(r₁+r₂+…+r_x+a_x)；

其中r_x是当前服务路由路径，a_x是下一服务预测路由路径。

本发明具有如下优点：

(1)在传统的底层路由算法的基础上，建立状态知识库，以及用户状态、网络状态与路由策略映射的映射知识库。在通信过程中，通过状态信息-策略映射关系快速规划光前传网路由最优路径，而无需使用底层的长时间路由选择算法；

(2)在路由选择策略上，同时规划当前服务路由选择策略和服务下一状态路由选择策略。从而有效地减少平均延迟，降低通信中断概率，在高移动性场景中提高用户的通信质量。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明实施方式中路由优化策略流程图；

图2为本发明实施方式中类脑的知识库建立结构图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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，本领域普通技术人员在没有做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。

本发明的整体思路是通过类脑机制，在传统的底层路由算法的基础上，建立状态知识库，以及用户状态、网络状态与路由策略映射的映射知识库。在通信过程中，通过状态信息-策略映射关系快速规划光前传网路由最优路径，而无需使用底层的长时间路由选择算法。且在路由选择策略上，同时规划当前服务路由选择策略和服务下一状态路由选择策略。从而有效地减少平均延迟，降低通信中断概率，在高移动性场景中提高用户的通信质量。

如图1和图2所示，本发明公布了一种多路径路由优化方法，其包括：

构建类脑的知识库，获取包括用户状态和网络状态的状态信息，并发送至所述知识库中进行处理：

当所述知识库存储有与所述状态信息相对应的路由策略时，所述知识库输出与所述状态信息相对应的路由策略，所述路由策略包括当前服务路由选择策略，以及服务下一状态路由选择策略；

当所述知识库没有与所述状态信息相对应的路由策略时，将所述状态信息经底层路由算法计算后输出路由策略，并建立新知识，所述新知识包括状态信息、路由策略，以及状态信息和路由策略的映射关系；

获取与输出的所述路由策略相对应的通信质量反馈，以选择最优的路由策略，具体的：

当所述通信质量反馈未达标时，重新进行上述运算，直至所述通信质量反馈达标；

当所述通信质量反馈达标时，将所述新知识更新至所述知识库中。

进一步地，所述用户和网络状态知识库包括两部分：用户位置运动相关信息和网络状态信息。

进一步地，所述知识库包括存储有所述状态信息的状态知识库、存储有所述路由策略的路由策略知识库，以及存储有所述映射关系的映射关系知识库。

进一步地，所述状态知识库将获取的所述状态信息与已存储的所述状态信息进行匹配，当匹配成功时，将获取的所述状态信息发送至所述策略映射关系知识库；否则，将获取的所述状态信息经过底层路由算法计算后输出所述路由策略，并将生成所述新知识。

进一步地，当所述映射关系知识库存储有与获取的所述状态信息相对应的映射关系时，控制所述路由策略知识库输出相应的路由策略；当所述映射关系知识库没有与获取的所述状态信息相对应的映射关系时，将所述状态信息经过底层路由算法计算后输出所述路由策略，并生成所述新知识。

进一步地，所述状态知识库中，当前用户状态和网络状态K_i用如下公式标识：

K_i＝(s₁，s₂，s₃，s₄，s₅)；

UB＝{K₁，K₂，…，K_i}。

其中，其中s1至s5分别代表用户相对方向，相对位置，相对速度，网络带宽利用率，链路延迟。对用户及网络状态第q个属性的确定属性值x₀，可找到对应模糊集的隶属度函数A_qp(x₀)，采用最大隶属度原则对确定值x₀进行模糊集的确定，将隶属度函数换分为N个模糊集，记：

则x₀∈A_qp，且(1≤p≤N)。

进一步地，在不同时刻大量用户接入网络的过程中，每个用户会有其不同的位置运动状态，当下时刻的网络状态也不尽相同。为了对用户状态进行分类，所述映射关系知识库中，构建两个需求状态第q个属性贴近度函数σ_q，判断用户状态K_m和用户状态K_n是否属于相同模式，所述贴近度函数σ_q：

式中A_qm表示用户及网络状态K_m第q个属性的最大隶属度模糊集，A_qn表示用户及网络状态K_n第i个属性的最大隶属度模糊集。

进一步地，所述映射关系知识库中，引入相似度概念来表示所述用户状态K_m和用户状态K_n的相似程度，以选择最大相似性的状态作为最佳相似匹配状态：

其中ω_q是第q个状态属性的权重，为了从用户和网络状态知识库中选择与状态K_m最相似的状态K₀。

将用户及网络状态知识库中的所有用户和网络状态进行比较，并选择具有最大相似性的状态作为最佳相似匹配状态，以避免类脑的知识库内数据冗余的情况发生。

具体的，使用知识库增量判断函数f_add来确定是否应将新学习的用户和网络状态添加到知识库中：

其中，c_sim是相似度阈值。

进一步地，在光前传网络路由选择过程中，路由器P0需要执行操作是选择并向其他路由器转发数据，因此，路由策略表达式为r＝{b₁，b₂，…，b_i}，其中，b_i＝1表示将数据转发到路由器b_i，b_i＝0则表示不向路由器P_i转发数据。

则所述路由策略知识库为所得到的路由策略集合：

CR＝{R₁，R₂，…，R_i}；

R_i＝(r₁+r₂+…+r_x+a_x)；

其中r_x是当前服务路由路径，a_x是下一服务预测路由路径。在不同用户不断接入的过程中，不断进行路由选择得到选路策略，并且将所得到的最优路径加入到路由选择策略知识库中，不断充实知识库，发育自身。则选路策略发育即为路由选择策略知识库的一个不断增量知识积累的过程。

根据网络起始时底层路由算法的计算进行需求状态-路由策略的映射，当完成大量用户接入及通信后，映射关系大量积累，便可得到需求状态-路由策略映射关系知识库。即任意用户及网络状态可以在知识库内找到相似状态模式，并且不需要经过底层路由算法，就可得到与之匹配的路由选择策略。但此时的路由选择策略对需求状态来说不一定是最优的。而类脑发育的映射关系是一种增量式增长的学习机制，不仅根据需求状态模式直接输出路由策略，并在需求关系模式增量的基础上动态改善需求状态-路由策略映射匹配结果，即在业务传输质量不佳，就在传输完成后通过底层算法重新选路，并将新的映射关系结果更新至知识库。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。