面向多域网络的智能化自动网络控制系统

提出了一种新的面向大规模网络的深度学习(DL)辅助控制平面(CP)系统DeepMDR,用于实现多域分组网络中可伸缩的、独立于协议的路径计算。我们基于ONOS平台开发了DeepMDR,并扩展该系统以支持协议无感知转发(POF),简化多域CP操作的层次结构,设计并实现了一个DL模型进行域内快速高质量的路径计算。文章通过数值仿真和实验验证了该系统的可行性和有效性。     

基于深度学习的流量工程算法研究与应用

随着5G网络的发展和应用,网络中的业务数量呈现出爆发式增长,网络中的带宽资源日趋紧张。为了提高网络资源利用率,并满足用户日益提高的业务服务质量要求,基于软件定义网络(SDN)提出了一种基于深度学习的流量工程算法(DL-TEA)。通过仿真证明该算法不仅能够实时地为业务计算一条高效的路径,同时还能够提升业务的QoS、网络资源利用率,降低网络阻塞率。