典型文献
基于图卷积神经网络的智能路由算法
文献摘要：
使用特定数学模型的路由转发算法难以满足用户多样化的服务质量需求,基于深度学习的智能路由方案因具有准确性、高效性、通用性等优势,成为路由决策的发展方向.然而,目前多数智能路由算法在网络拓扑动态变化时需要重新训练,造成路由更新不及时,难以应对网络拓扑动态变化.提出一种基于图卷积神经网络(GCN)的智能路由算法.线下利用提前采集的网络信息,根据路由开销标签训练GCN智能路由模型,通过该模型输出单跳路由开销.线上采集实时信息并根据模型输出的路由开销结果对网络层路由协议进行调整,计算最小路由开销的路由路径,实现自适应网络更新.算法利用GCN的图数据结构处理不规则的网络拓扑,通过图卷积算子自动提取特征解决路由网络多属性参数提取的问题,同时引入模糊C均值算法进行网络状态离散化分析,为数据集生成标签,从而有效监督GCN模型训练.实验结果表明,该算法较ECMP、DRL-TE和SmartRoute算法路由性能更好,其平均丢包率、时延和吞吐量指标均为最优,且相较于单一的流量模式具有更强的泛化能力.
文献关键词：
深度学习;图卷积神经网络;智能路由;模糊C均值聚类;网络拓扑
中图分类号：
作者姓名：
唐鑫;徐彦彦;潘少明
作者机构：
武汉大学 测绘遥感信息工程国家重点实验室,武汉 430079
文献出处：
引用格式：
[1]唐鑫;徐彦彦;潘少明-.基于图卷积神经网络的智能路由算法)[J].计算机工程,2022(03):38-45
A类：
SmartRoute
B类：
图卷积神经网络,智能路由算法,路由转发,满足用户,质量需求,通用性,路由决策,数智,网络拓扑,新训,GCN,下利,路由开销,路由模型,模型输出,单跳,实时信息,网络层,路由协议,小路,自适应网络,法利,图数据,数据结构,卷积算子,自动提取,提取特征,征解,多属性,参数提取,网络状态,离散化,数据集生成,有效监督,模型训练,ECMP,DRL,TE,路由性能,丢包率,时延,吞吐量,流量模式,泛化能力,均值聚类
AB值：
0.35063
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
