一种基于LSTM深度学习的光网络路由优化方法及其相关装置

摘要

本说明书一个或多个实施例提供一种基于LSTM深度学习的光网络路由优化方法及其相关装置，应用深度学习中的LSTM预测模型，通过学习不同场景下的链路使用率和业务剩余时间特征与路由策略复杂的映射关系，将网络中链路和业务整体信息作为输入，通过几层神经网络计算快速获取重构阈值，来决策是否进行路由优化策略。该方法解决了现有技术中算法通常存在特征学习能力有限，对复杂函数的表达能力比较差，优化目标参数单一，交换机资源有限和网络资源开销巨大的缺陷，同时该阈值随着业务的不断到来可以实时高效的改变，从而缓解因为网络流量波动或者承载业务量过多而导致业务阻塞的情况，实现了光网络业务自适应的路由优化。