一种SDN下基于机器学习的最优路径选择算法

摘要

一种SDN下基于机器学习的最优路径选择算法，搭建SDN平台，模拟真实的网络环境，采集离散的实时网络状态数据，根据网络传输中不同业务对QoS指标要求的不同进行分类，并整理实验数据，得到样本数据集，将样本数据集按照不同业务对每个指标的考量标准使用启发式算法筛选最优路径，并为每组数据对应的最优路径打标签，最后使用机器学习算法训练数据集，得到分类器，达到快速动态路由的目的。本发明的结果与启发式算法的优化结果基本相同，模型的计算时间要远远小于启发式算法，从而满足实际网络运行中快速决策的必要条件。本发明的极限学习机算法与粒子群算法相比，其计算所需的cpu运行时间大大缩短，完全可以满足真实网络部署要求。