一种基于深度学习的网络动态负载均衡的网络传输路径选择方法及系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于深度学习的网络动态负载均衡的网络传输路径选择方法及系统
申请号:CN202410844689
申请日期:2024-06-27
公开号:CN118842760A
公开日期:2024-10-25
类型:发明专利
摘要
一种基于深度学习的网络动态负载均衡的网络传输路径选择方法和系统,其特征在于:实时获取整个网络的链路状态数据,并将状态网络数据发送给实时负载均衡代理,以使所述实时负载均衡代理将网络链接状态数据输入深度学习模型,计算实时路径状态值,接收实时负载均衡代理发送的所述实时路径状态值以及路径连接的节点信息,并将所述实时路径状态值和节点信息发送给网络中的各个节点,以使节点根据实时路径状态值确定到达目标节点的最优路径,并将报文通过确定的所述最优路径发送至目标节点。该方法能够获取实时路径状态值,应对突发网络流量下最优路径的选择,实现了低延时的目的。
技术关键词
链路状态数据 深度学习模型 拟合算法 网络 传输路径 ReLU函数 报文 标识 动态 接收源 源节点 策略 周期性 尺寸