一种基于深度学习和跨域协作的负载均衡方法及装置（需要二次变更）

本发明属于计算机网络领域，具体涉及一种基于深度学习和跨域协作的负载均衡方法及装置，包括：获取流表参数和端口参数计算各链路带宽占用率；根据参数构建各链路的特征向量矩阵和邻接矩阵；构建关联时空的链路负载状态预测模型，根据特征向量矩阵和邻接矩阵预测下一周期的当前链路负载状态值；将当前链路负载状态值与对应链路带宽占用率融合，得到当前链路的最终可选度；结合各个链路的最终可选度建立流量调度数学模型，采用改进人工蜂群算法来计算流量的传输路径并下发流表到各交换机；构建控制平面资源管理模块控制流量跨域实现负载均衡；本发明通过跨域协作方式降低控制平面资源消耗，提高数据平面传输性能，达到网络整体的负载均衡。

《一种基于深度学习和跨域协作的负载均衡方法及装置（需要二次变更）》是一发明专利，专利号为 202210179936X，当前法律状态为已下证，由重庆邮电大学提出申请，发明人为尚凤军;蒋延国，申请日期为2022-02-25，公开（公告）日期为2023-10-31，国际专利分类号（IPC）为 H04L 47/125 (2022.01)，所属技术领域包括：计算机网络、数据中心网络资源分配、人工智能数据中心网络负载均衡方法、深度学习和跨域协作数据中心负载均衡方法。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明属于计算机网络领域，具体涉及一种基于深度学习和跨域协作的负载均衡方法及装置，包括：获取流表参数和端口参数计算各链路带宽占用率；根据参数构建各链路的特征向量矩阵和邻接矩阵；构建关联时空的链路负载状态预测模型，根据特征向量矩阵和邻接矩阵预测下一周期的当前链路负载状态值；将当前链路负载状态值与对应链路带宽占用率融合，得到当前链路的最终可选度；结合各个链路的最终可选度建立流量调度数学模型，采用改进人工蜂群算法来计算流量的传输路径并下发流表到各交换机；构建控制平面资源管理模块控制流量跨域实现负载均衡；本发明通过跨域协作方式降低控制平面资源消耗，提高数据平面传输性能，达到网络整体的负载均衡。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！