基于机器学习的5G网络切片容灾池资源管理方法及装置与流程

技术特征：
1.一种基于机器学习的5g网络切片容灾池资源管理方法，其特征在于，包括：获取预设时间段内切片网络容灾池中多个切片实例的属性信息及运行信息；其中，所述预设时间段的终止时间为当前时间；基于所述多个切片实例的属性信息及运行信息，生成与所述切片网络容灾池对应的运行状态拓扑图；计算与所述运行状态拓扑图对应的切片邻接矩阵及切片特征矩阵；将所述切片邻接矩阵及切片特征矩阵输入至预先训练好的容灾池资源管理模型中；根据所述容灾池资源管理模型输出的资源调整动作，对所述切片网络容灾池中的资源进行调整。2.根据权利要求1所述的方法，其特征在于，所述基于所述多个切片实例的属性信息及运行信息，生成与所述切片网络容灾池对应的运行状态拓扑图进一步包括：将切片网络容灾池中包含的切片实例作为图节点，切片实例之间的网元功能共享关系作为图的边，切片实例的属性信息及运行信息作为节点特征，生成与所述切片网络容灾池对应的运行状态拓扑图。3.根据权利要求1所述的方法，其特征在于，所述属性信息包括以下信息中的至少一种：所属切片业务类型、包含的子网、包含的子网的子网容量、对应的用户sla需求；和/或，所述运行信息包括以下信息中的至少一种：网络并发量、请求时延、请求成功率、错误码个数、包含的子网的资源利用率、触发容灾切换次数、以及容灾切换成功率。4.根据权利要求1-3中任一项所述的方法，其特征在于，所述资源调整动作包括：针对无线网子切片、传输网子切片、和/或核心网子切片的资源调整动作。5.根据权利要求4所述的方法，其特征在于，所述资源调整动作包括：调整方向以及调整幅度。6.根据权利要求1-3中任一项所述的方法，其特征在于，所述容灾池资源管理模型包括执行器及评判器。7.根据权利要求6所述的方法，其特征在于，所述预先训练好的容灾池资源管理模型通过以下方式训练获得：将多个历史时段内的切片网络容灾池对应的历史切片邻接矩阵和历史切片特征矩阵输入至所述执行器中，并获取执行器输出的切片容灾资源调整动作；将所述执行器输出的切片容灾资源调整动作以及所述预设历史时段内的切片网络容灾池对应的切片邻接矩阵和切片特征矩阵输入至所述评判器中，并获取所述评判器输出的值函数；将所述值函数反馈给所述执行器，以供执行器根据所述值函数选取能够获得最大收益的切片容灾资源调整动作。8.一种基于机器学习的5g网络切片容灾池资源管理装置，其特征在于，包括：获取模块，适于获取预设时间段内切片网络容灾池中多个切片实例的属性信息及运行信息；其中，所述预设时间段的终止时间为当前时间；拓扑生成模块，适于基于所述多个切片实例的属性信息及运行信息，生成与所述切片网络容灾池对应的运行状态拓扑图；矩阵生成模块，适于计算与所述运行状态拓扑图对应的切片邻接矩阵及切片特征矩
阵；输入模块，适于将所述切片邻接矩阵及切片特征矩阵输入至预先训练好的容灾池资源管理模型中；调整模块，适于根据所述容灾池资源管理模型输出的资源调整动作，对所述切片网络容灾池中的资源进行调整。9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的基于机器学习的5g网络切片容灾池资源管理方法对应的操作。10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于机器学习的5g网络切片容灾池资源管理方法对应的操作。

技术总结
本发明公开了一种基于机器学习的5G网络切片容灾池资源管理方法及装置。其中，方法包括：获取预设时间段内切片网络容灾池中多个切片实例的属性信息及运行信息；生成与切片网络容灾池对应的运行状态拓扑图；计算与运行状态拓扑图对应的切片邻接矩阵及切片特征矩阵；将切片邻接矩阵及切片特征矩阵输入至预先训练好的容灾池资源管理模型中；根据容灾池资源管理模型输出的资源调整动作，对切片网络容灾池中的资源进行调整。采用本方案，能够准确地获得针对切片网络容灾池的资源调整动作，提升切片网络容灾池的资源管理精度；并能够实时地根据当前的网络状态动态地调整切片网络容灾池的资源。的资源。的资源。


技术研发人员：邢彪 郑屹峰 陈维新 章淑敏 葛小海
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2020.06.29
技术公布日：2022/1/17