[发明专利]光网络优化器及其光网络优化方法

说明书

本发明提供一种光网络优化器及其光网络优化方法，其中方法有训练一神经网络，调整神经网络的复数个辅助神经元的复数个辅助输出值中的至少一个，以及利用神经网络进行推论。本发明可利用神经网络及注意力机制来对网络效能关键绩效指标预测，以实现路由优化、网络规划及快速故障恢复。

技术领域

本发明是指一种光网络优化器及其光网络优化方法，尤指一种可实现路由优化、网络规划及快速故障恢复的光网络优化器及其光网络优化方法。

背景技术

软件定义网络(Software-Defined Network)在网络控制及管理方面提供了前所未有的灵活性，再加上从数据层级(data plane)收集的及时网络测量结果，从而使得实现有效率的线上网络优化成为可能。然而，基于分析模型(例如等候理论(Queuing Theory))的现有网络建模技术无法处理过于庞大的复杂性，因此，目前的优化方法仅能改善全局性能度量(global performance metric)，例如依据从网络演算获得的延迟的最坏情况估计所作的网络规划或网络利用。

因此，现有技术有改进的必要。

发明内容

因此，本发明主要提供一种光网络优化器及其光网络优化方法，以实现路由优化、网络规划及快速故障恢复。

本发明揭露一种光网络优化方法。该光网络优化方法包含有训练一神经网络；调整该神经网络的复数个辅助神经元的复数个辅助输出值中的至少一个；以及利用该神经网络进行推论。

本发明另揭露一种光网络优化器。该光网络优化器包含有一储存电路，用来储存一指令；以及一处理电路，耦接至该储存电路，用来执行储存于该储存电路的该指令。该指令包含有训练一神经网络；调整该神经网络的复数个辅助神经元的复数个辅助输出值中的至少一个；以及利用该神经网络进行推论。

附图说明

图1为本发明实施例中一系统的示意图。

图2及图3分别为本发明实施例一神经网络的示意图。

图4及图5分别为本发明实施例一优化方法的示意图。

图6为本发明实施例中一优化器的示意图。

附图符号说明：

10：系统；

100：用户端；

120：无线电存取网络；

140：网状网络；

140L：链路；

140N：节点；

150：网络模型；

150f：流量矩阵；

150g：拓扑结构；

150k：关键绩效指标；

150p：功率矩阵；

150r：路由；

160，60：优化器；

170c：配置方式；

170p：目标政策；

170s：网络状态；

190C：控制平面；

190D：数据层级；

190K：知识层级；

20，30：神经网络；

40，50：优化方法；

650：处理电路；