買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉清創網御(合肥)科技有限公司;合肥工業大學申請的專利一種基于圖神經網絡和進化算法的SDN控制器負載均衡方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120434126B 。

龍圖騰網通過國家知識產權局官網在2025-09-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510949074.8，技術領域涉及：H04L41/0823；該發明授權一種基于圖神經網絡和進化算法的SDN控制器負載均衡方法是由龐文俊;湯忠澤;田野;楊永峰;張勇;邢磊設計研發完成，并于2025-07-10向國家知識產權局提交的專利申請。

本一種基于圖神經網絡和進化算法的SDN控制器負載均衡方法在說明書摘要公布了：本申請涉及計算機網絡優化和控制器負載均衡的技術領域，公開一種基于圖神經網絡和進化算法的SDN控制器負載均衡方法，根據包含控制器各項運行指標的狀態向量和包含各個控制器之間連接關系的鄰接矩陣，構建圖模型并拼接得到特征矩陣；歸一化鄰接矩陣，使用多層圖卷積網絡對特征矩陣進行特征聚合和更新，輸出高維嵌入向量，設置控制器最終狀態表示和獎勵函數，通過元強化學習和演員評論家網絡訓練得到適應動態網絡環境的調度策略；在仿真環境中對元強化學習的參數進行全局搜索尋找最優解；實時采集各控制器的最新狀態，通過預訓練好的GCN更新嵌入，使用訓練好的元強化學習模型根據全局狀態輸出調度策略，同時使用Q?learning對網絡進行參數在線微調與更新。

本發明授權一種基于圖神經網絡和進化算法的SDN控制器負載均衡方法在權利要求書中公布了：1.一種基于圖神經網絡和進化算法的SDN控制器負載均衡方法，其特征在于，包括如下步驟： S1、根據包含控制器各項運行指標的狀態向量和包含各個控制器之間連接關系的鄰接矩陣，構建圖模型并拼接得到特征矩陣； S2、歸一化所述鄰接矩陣，使用多層圖卷積網絡對所述特征矩陣進行特征聚合和更新，輸出高維嵌入向量，并進行對比損失訓練； S3、設置控制器最終狀態表示和獎勵函數，通過元強化學習和演員評論家網絡訓練得到適應動態網絡環境的調度策略； S4、使用協方差矩陣適應進化算法，在仿真環境中對元強化學習的參數進行全局搜索，通過候選解采樣、適應度評價和參數更新尋找最優解； S5、實時采集各控制器的最新狀態，通過預訓練好的GCN更新嵌入，使用訓練好的元強化學習模型根據全局狀態輸出調度策略，同時使用Q-learning對網絡進行參數在線微調與更新； 所述步驟S3包括： S3-1、對于每個控制器i得到狀態向量和GNN嵌入向量，將兩者進行拼接，構成控制器的最終狀態表示，則整個網絡的狀態信息集合表示為S={}，； S3-2、設計動作空間，將動作離散化為新流量分配和流量遷移操作兩類，其中a=j表示將新的流量指派給控制器j，a=ij，表示將控制器i的部分流量遷移到控制器j； S3-3、對于各個控制器的負載，計算平均負載為，計算負載方差，定義負載均衡獎勵=-，設置Shapley值來衡量每個控制器的邊際貢獻，每個控制器i的Shapley值為，計算所有控制器的平均貢獻，定義公平性獎勵，定義最終的總獎勵R=+； S3-4、構造多個任務，每個任務代表一種網絡環境，模型的初始參數是全局共享的，對于任務，從開始，使用少量任務數據進行梯度下降更新，將所有任務的更新結果進行匯總，使用所有任務的梯度對初始參數進行調整； S3-5、采用演員-評論家結構來減少策略梯度更新的方差，演員網絡負責輸出調度策略，在給定狀態s后，輸出動作概率分布，演員網絡依托當前的狀態生成一個具體策略，評論家網絡負責評估當前狀態，估計動作價值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人清創網御(合肥)科技有限公司;合肥工業大學，其通訊地址為：230000 安徽省合肥市經濟技術開發區習友路5999號清華大學合肥公共安全研究院4號樓507室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。