基于图神经网络的SDON性能预测模型

网络性能预测是实现软件定义光网络(SDON)高效网络管理的关键，但目前亟需一种能够以较低成本准确预测关键指标的网络性能预测模型。提出一种基于图神经网络的SDON性能预测模型,该模型将Bi GRU和Self-Attention机制相结合，能够学习网络拓扑、路由和流量矩阵之间的复杂关系，从而准确地估计网络中源/目的地的分组延迟、抖动以及丢包率，并且可以应用于训练中未遇到的网络。实验结果表明，在不同流量模型测试中，所提模型相较于基线模型的平均绝对百分比误差(MAPE)性能有明显提升。