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。



相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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