16、智能流量控制中的路由算法研究

智能流量控制中的路由算法研究

1. 向量训练

1.1 向量矩阵表示

假设网络中有 (n) 个节点，每个节点分配一个 (m) 维行向量。将这些向量堆叠成矩阵 (M=(v_1, v_2, \cdots, v_n)^T)，该矩阵 (M) 是学习方法要优化的目标参数。单个向量 (v_i) 可由矩阵 (M) 描述，为此引入 (n) 维行向量 (u_i)（索引向量），除第 (i) 个索引值为 1 外，其余维度值为 0，则 (v_i = u_iM)。

1.2 训练目标

在方法中，距离 (D_{ij}) 由预测值 (f(v_i, v_d)) 替代。训练这些向量的目标是最小化距离与函数之间的差异，公式如下：
[M = \arg\min_M \sum_{i,j,D_{ij} \in S} loss(|D_{ij} - f(u_iM, u_jM)|)]
其中 (S) 表示收集节点及其间距离的训练集，(loss(\cdot)) 表示目标函数。

若 (S = {i, j, D_{ij}|i, j \in V})，将所有 (D_{ij}) 和对应的 (f(u_iM, u_jM)) 堆叠成矩阵 (D) 和 (F(M))。假设 (loss(\cdot)) 是 L1 - 范数，则上述公式可重写为：
[M = \arg\min_M ||D - F(M)||_1]

1.3 优化算法

考虑到优化的计算成本，目标函数 (f(\cdot)) 通常选择简单函数，如均方函数。优化可分配到特定节点（如 SDN 网络中的控制器），然后由该节点将向量分发给其他网络节点。由于网络具有时变特性，优化应定期进行。 </