(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210968208.7 (22)申请日 2022.08.12 (71)申请人 江苏省电力试验研究院有限公司 地址 211100 江苏省南京市江宁区帕威尔 路1号 申请人 国网江苏省电力有限公司电力科 学 研究院 (72)发明人 佘骏　赵新冬　黄伟　朱道华　 毕晓甜　孙云晓　徐江涛　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 向文 (51)Int.Cl. H04W 16/22(2009.01) H04W 72/12(2009.01)G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的多接入异构网络MPTCP 子流调度方法 (57)摘要 本发明公开了一种基于机器学习的多接入 异构网络MPTCP子流调度方法， 包括： 采集信息， 选择合适的特征参数； 根据特征参数生成用于训 练预测模型的数据集； 通过数据集训练构建好的 预测模型； 采集网络状态信息， 通过训练好的预 测模型预测得到路径影 响因子； 根据路径影响因 子对MPTCP子流进行优 化； 基于优化后的MP TCP子 流， 获取到MP TCP子流动态 配置。 本发明可以通过 对子流的灵活控制有效的提高吞吐量， 动态调整 子流的建立顺序， 对MPTCP子流的主次关系进行 了详细的判定， 从而降低了因握手时间过长导致 的连接建立过慢的影响， 一定程度上减少设备下 载文件以及接收数据的时间， 并且能迅速的对网 络变化做出反应 。 权利要求书2页 说明书8页 附图4页 CN 115379469 A 2022.11.22 CN 115379469 A 1.一种基于机器学习的多接入异构网络MPTCP子流调度方法， 其特征在于， 包括如下步 骤： S1： 采集信息， 选择 特征参数； S2： 根据特 征参数生成用于训练预测模型的数据集； S3： 通过步骤S2的数据集训练构建好的预测模型； S4： 采集网络状态信息， 通过训练好的预测模型 预测得到路径影响因子； S5： 根据路径影响因子对MPTCP子流进行优化； S6： 基于优化后的MPTCP子流， 获取到 MPTCP子流动态配置 。 2.根据权利要求1所述的一种基于机器学习的多接入异构网络MPTCP子流调度 方法， 其 特征在于， 所述步骤S1中特征参数为包括初始路径集、 最终路径集、 路径影响因子、 路径带 宽、 路径延迟和服 务需求带宽 。 3.根据权利要求2所述的一种基于机器学习的多接入异构网络MPTCP子流调度 方法， 其 特征在于， 所述 步骤S1中路径影响因子的计算公式如下： 其中， t为传输时间， TPi(t)为第i子流不参与传输 时的吞吐量， TP(t)为t时刻总体吞吐 量， IFi为第i个路径的影响因子 。 4.根据权利要求3所述的一种基于机器学习的多接入异构网络MPTCP子流调度 方法， 其 特征在于， 所述 步骤S2中数据集的获取 方式为： 通过路径带宽和路径延迟的比值， 计算得到WiFi和蜂窝网络同时使用时的吞吐量以及 两者分别断开连接时的吞吐量， 从而计算出路径影响因子； 计算得到若干个路径影响因子形成数据集。 5.根据权利要求1所述的一种基于机器学习的多接入异构网络MPTCP子流调度 方法， 其 特征在于， 所述步骤S3中构建好的预测模型为基于径向基核函数(RBF)的支持向量机 (SVM)， SVM是一类按监督学习方式对数据进行二元分类的广义线性分类器， 其决策边界是 对学习样本求解的最大边距超平面； SVM使用铰链损失函数计算经验风险并在求解系统中 加入了正则化项以优化结构风险， 是一个具有稀疏性和稳健 性的分类 器。 6.根据权利要求1所述的一种基于机器学习的多接入异构网络MPTCP子流调度 方法， 其 特征在于， 所述 步骤S4中路径影响因子的获取 方法为： SVM预测模型根据数据集训练得出回归模型， 根据上述公式对采集到的路径信息进行 多分类； 假设数据集的类别有M类， 即影响因子数值有M类， 本质是一个符号函数， 其结 果为[‑1， +1]， 当新数据xnew即采集的路径信息到来时， 采用投票策略对 数据进行分类， 进而 根据分类的结果决定影响因子的数值。权　利　要　求　书 1/2 页 2 CN 115379469 A 27.根据权利要求1所述的一种基于机器学习的多接入异构网络MPTCP子流调度 方法， 其 特征在于， 所述 步骤S5的具体过程 为： 判断路径影响因子是否大于 0： 如果否， 删除列表N中路径影响因子小于 0的路径， 然后将其 余路径放入列表M； 如果是， 再判断服务需求带宽是否大于路径总带宽， 如果是， 则将列表N放入列表M， 如 果否， 则将列表N 根据路径影响因子从大到小 进行排序后放入到列表M； 最后输出列表M 。 8.根据权利要求1所述的一种基于机器学习的多接入异构网络MPTCP子流调度 方法， 其 特征在于， 所述 步骤S6具体为： 基于子流优化模块得到的路径信息， 控制器通过OpenFlow协议控制蜂窝网络和无线网 络与设备的连接， 当数据包到达网络中启用SDN的交换机时， SDN控制器内置在交换机专有 固件中的规则将引导交换机将数据包转发到何 处。权　利　要　求　书 2/2 页 3 CN 115379469 A 3