17、基于学习的域内QoS路由方法研究

基于学习的域内QoS路由方法研究

在当今复杂的网络环境中，如何实现高效、可靠的路由是一个关键问题。本文将介绍一种基于学习的域内QoS路由方法，包括其神经网络的构建、优化，以及在单播和组播场景下的应用，最后通过实验和模拟结果验证其性能。

1. 神经网络构建与优化

首先，我们使用一个神经网络来提取链路的精细信息，该网络将输入空间（链路）映射到输出空间（属性）。在隐藏层中，$b_h \in R^{h×1}$ 和 $b_o \in R^{\kappa×1}$ 分别表示偏置，$output \in R^{\kappa×1}$ 表示输入链路的 $\kappa$ 个预测属性。由于 $\sigma(x) \in [0, 1]$，属性值被归一化到 $[0, 1]$ 区间。

为了训练这个神经网络，我们使用交叉熵作为目标函数，公式如下：
$$loss_{nn} = \sum_{(v_s,v_d,q) \in S} \sum_{i} -q_i \log(output_i)$$
其中，$q_i$ 表示 $s$ 和 $d$ 之间链路的第 $i$ 个归一化属性，$output_i$ 是 $q_i$ 的预测值。

神经网络通过反向传播（BP）算法进行优化，BP算法应用链式法则计算参数的梯度，具体公式如下：
$$
\begin{cases}
\frac{\partial loss}{\partial W_o} = \frac{\partial loss}{\partial output} \cdot \frac{\partial output}{\partial W_o} \
\frac{\partial loss}{\partial