网络状态感知的双图时空融合预测模型,用于SDN动态路由优化
朱家贤(Jiaxian Zhu)
赵家玲(Jialing Zhao)
白伟华(Weihua Bai)
张传斌(Chuanbin Zhang)
林志哲(Zhizhe Lin)
周腾(Teng Zhou)
《Electronics》:Network State Aware Dual-Graph Spatiotemporal Fusion Prediction Model for SDN Dynamic Routing Optimization
Jiaxian Zhu,
Jialing Zhao,
Weihua Bai,
Chuanbin Zhang,
Zhizhe Lin and
Teng Zhou
【字体:
大
中
小
】
时间:2026年05月02日
来源:Electronics 2.6
编辑推荐:
摘要
软件定义网络(SDN)通过集中控制和可编程性,为按需管理复杂网络提供了灵活的解决方案。然而,高效优化网络配置以实现负载均衡和提高服务质量仍然具有挑战性。在本文中,我们提出了一种新的SDN网络状态感知和动态路由优化方
摘要
软件定义网络(SDN)通过集中控制和可编程性,为按需管理复杂网络提供了灵活的解决方案。然而,高效优化网络配置以实现负载均衡和提高服务质量仍然具有挑战性。在本文中,我们提出了一种新的SDN网络状态感知和动态路由优化方法,称为DGSFN-DR。为此,我们利用图注意力网络(GAT)来建模网络拓扑的空间依赖性。然后,我们采用循环神经网络(RNN)来捕捉链接状态的时间依赖性,包括由路由算法引起的滞后时间特征,以提高对未来链接状态预测的准确性。我们的算法根据预测的链接权重动态调整路由策略,利用双图时空融合预测网络(DG-SFN)来优化网络性能。实验结果表明,我们的DGSFN-DR在各种网络流量强度和拓扑结构下均优于其他方法。具体而言,它在延迟、抖动、丢包率和可用带宽方面实现了到的改进。特别是在高流量负载和复杂网络拓扑下,DGSFN-DR表现出更强的适应性和优化潜力。这项工作扩展了SDN的动态路由优化理论,并为实际网络管理提供了新的见解。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号