设备参数配置方法和装置、电子设备及存储介质

本技术涉及机器学习，尤其涉及一种设备参数配置方法和装置、电子设备及存储介质。

背景技术：

1、随着科技的发展，现代生产生活的高效运行离不开各种精细、高效的网络，例如交通网络，通信网络。

2、目前，有两种对网络中设备参数进行配置以提高网络的性能的方法，一种方法是将待优化网络建模成混合整数线性规划问题求解的模型，利用混合整数线性规划的方法对该模型进行求解，但是该方法在待优化网络规模较大时，容易因为待优化网络可选择的设备参数数量增加，造成混合整数线性规划问题规模急剧增加，导致设备参数配置的计算难度及计算时间增加。另一种方法是将待优化网络建模成马尔科夫随机场，但是当待优化网络具有环装结构时，容易导致设备参数配置的收敛效果不好或者收敛较慢，从而导致马尔科夫随机场模型无法获得待优化网络的最佳设备参数配置。因此，如何提高大规模网络在网络优化问题中设备参数配置的效率，成为了亟待解决的技术问题。

技术实现思路

1、本技术实施例的主要目的在于提出一种设备参数配置方法和装置、电子设备及存储介质，旨在提高大规模网络优化问题中设备参数配置的效率。

2、为实现上述目的，本技术实施例的第一方面提出了一种设备参数配置方法，所述方法包括：

3、获取目标网络中设备的设备数量、设备关联关系、设备参数及所述目标网络的网络性能指标；

4、基于所述设备数量、所述设备关联关系、所述设备参数，构建目标马尔科夫随机场，其中，所述目标马尔科夫随机场包括多个设备节点；

5、对所述目标马尔科夫随机场进行生成树采样，得到多棵均匀随机生成树，其中，所述均匀随机生成树包括生成树节点；

6、在每棵所述均匀随机生成树上进行信念传播，得到每棵所述均匀随机生成树上的所述生成树节点的参数边缘概率分布；

7、对所述参数边缘概率分布进行概率合并，得到每个所述设备节点的目标边缘概率分布；

8、基于所述目标边缘概率分布、所述网络性能指标及预设的网络性能评估函数，对所述设备参数进行参数配置，得到目标参数取值组合，其中，所述网络性能评估函数用于表征所述设备参数的取值组合与所述目标网络的性能之间的映射关系。

9、在一些实施例，所述目标马尔科夫随机场包括设备关联边，所述对所述目标马尔科夫随机场进行生成树采样，得到多棵均匀随机生成树，包括：

10、计算所述设备关联边的等效电阻值，得到所述设备关联边的预估概率，其中，所述预估概率表征所述设备关联边参与构建均匀随机生成树的概率；

11、基于所述预估概率及所述设备节点，对所述设备关联边进行均匀随机采样，得到目标关系边；

12、基于所述设备节点及所述目标关系边，构建多棵所述均匀随机生成树。

13、在一些实施例，所述均匀随机生成树包括生成树边，所述在每棵所述均匀随机生成树上进行信念传播，得到每棵所述均匀随机生成树上的所述生成树节点的参数边缘概率分布，包括：

14、获取第一映射关系及第二映射关系，其中，所述第一映射关系表示所述设备参数的取值组合与所述目标网络的状态之间的映射关系，所述第二映射关系用于表征所述设备参数的参数取值与所述目标网络中设备的成本消耗之间的映射关系；

15、基于所述第一映射关系及所述第二映射关系，计算每棵所述均匀随机生成树上的所述生成树节点的节点联合概率分布；

16、基于所述生成树边上两个所述生成树节点的所述节点联合概率分布，计算每条所述生成树边的连接边信念；

17、基于所述预估概率，对所述连接边信念进行修正，得到修正信念；

18、对所述修正信念进行传播，得到所述生成树节点的参数边缘概率分布。

19、在一些实施例，所述基于所述预估概率，对所述连接边信念进行修正，得到所述修正信念，包括：

20、通过对所述设备节点进行编号标记，得到设备节点编号，并根据所述设备节点编号，确定每棵所述均匀随机生成树上的所述生成树节点的树节点编号；

21、基于所述树节点编号，利用下述公式计算所述修正信念：

22、；

23、其中，表示所述树节点编号为i的所述生成树节点与所述树节点编号为j的所述生成树节点之间的所述生成树边的所述修正信念，表示所述树节点编号为i，表示所述树节点编号为j，表示所述树节点编号为i的所述生成树节点与所述树节点编号为j的所述生成树节点之间的所述生成树边的所述预估概率，表示所述树节点编号为i的所述生成树节点与所述树节点编号为j的所述生成树节点之间的所述生成树边的所述连接边信念。

24、在一些实施例，所述对所述参数边缘概率分布进行概率合并，得到每个所述设备节点的目标边缘概率分布，包括：

25、查找每个所述设备节点在每棵所述均匀随机生成树中的所述生成树节点，得到树节点集合，其中，所述树节点集合包括一个或多个所述生成树节点；

26、对所述树节点集合中的所述生成树节点的参数边缘概率分布进行乘积合并，得到所述目标边缘概率分布。

27、在一些实施例，所述基于所述目标边缘概率分布、所述网络性能指标及预设的网络性能评估函数，对所述设备参数进行参数配置，得到目标参数取值组合，包括：

28、基于所述目标边缘概率分布，对所述设备参数进行吉布斯采样，得到第一参数组合；

29、基于所述目标边缘概率分布，对所述设备参数进行贪婪采样，得到第二参数组合；

30、基于所述网络性能评估函数及所述网络性能指标，从所述第一参数组合及所述第二参数组合中筛选出候选参数组合；

31、从所述候选参数组合及预设的备选参数组合中筛选出所述目标参数取值组合，其中，所述备选参数组合是指所述目标网络在上一轮参数配置中选定的参数组合。

32、在一些实施例，所述基于所述网络性能评估函数及所述网络性能指标，从所述第一参数组合及所述第二参数组合中筛选出候选参数组合，包括：

33、将所述第一参数组合代入所述网络性能评估函数，得到第一网络性能；

34、将所述第二参数组合代入所述网络性能评估函数，得到第二网络性能；

35、基于所述网络性能指标、所述第一网络性能及所述第二网络性能，从所述第一参数组合及所述第二参数组合中确定所述候选参数组合，其中，所述候选参数组合的网络性能最接近所述网络性能指标。

36、为实现上述目的，本技术实施例的第二方面提出了一种设备参数配置装置，所述装置包括：

37、网络设备信息获取模块，用于获取目标网络中设备的设备数量、设备关联关系、设备参数及所述目标网络的网络性能指标；

38、随机场构建模块，用于基于所述设备数量、所述设备关联关系、所述设备参数，构建目标马尔科夫随机场，其中，所述目标马尔科夫随机场包括多个设备节点；

39、生成树采样模块，用于对所述目标马尔科夫随机场进行生成树采样，得到多棵均匀随机生成树，其中，所述均匀随机生成树包括生成树节点；

40、生成树信念传播模块，用于在每棵所述均匀随机生成树上进行信念传播，得到每棵所述均匀随机生成树上的所述生成树节点的参数边缘概率分布；

41、边缘概率计算模块，用于对所述参数边缘概率分布进行概率合并，得到每个所述设备节点的目标边缘概率分布；

42、设备参数配置模块，用于基于所述目标边缘概率分布、所述网络性能指标及预设的网络性能评估函数，对所述设备参数进行参数配置，得到目标参数取值组合，其中，所述网络性能评估函数用于表征所述设备参数的取值组合与所述目标网络的性能之间的映射关系。

43、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

44、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

45、本技术提出的设备参数配置方法和装置、电子设备及存储介质,其通过利用获取到的目标网络中设备的设备数量、设备关联关系及设备参数构建目标马尔科夫随机场，能够提高了对规模庞大的网络的参数配置效率，进一步地，对目标马尔科夫随机场进行生成树采样，得到多棵均匀随机生成树，并在多棵均匀随机生成树上进行信念传播，打破了目标马尔科夫随机场的闭环状态，使得信念传播能够进行收敛，从而得到准确的设备参数配置，提高了大规模网络中设备参数配置的效率。

技术特征：

1.一种设备参数配置方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述目标马尔科夫随机场包括设备关联边，所述对所述目标马尔科夫随机场进行生成树采样，得到多棵均匀随机生成树，包括：

3.根据权利要求2所述的方法，其特征在于，所述均匀随机生成树包括生成树边，所述在每棵所述均匀随机生成树上进行信念传播，得到每棵所述均匀随机生成树上的所述生成树节点的参数边缘概率分布，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述预估概率，对所述连接边信念进行修正，得到所述修正信念，包括：

5.根据权利要求1所述的方法，其特征在于，所述对所述参数边缘概率分布进行概率合并，得到每个所述设备节点的目标边缘概率分布，包括：

6.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述目标边缘概率分布、所述网络性能指标及预设的网络性能评估函数，对所述设备参数进行参数配置，得到目标参数取值组合，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述网络性能评估函数及所述网络性能指标，从所述第一参数组合及所述第二参数组合中筛选出候选参数组合，包括：

8.一种设备参数配置装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的设备参数配置方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的设备参数配置方法。

技术总结
本申请实施例提供了一种设备参数配置方法和装置、电子设备及存储介质，属于机器学习技术领域。该方法包括：获取目标网络中设备的设备数量、设备关联关系、设备参数及目标网络的网络性能指标；基于设备数量、设备关联关系、设备参数，构建目标马尔科夫随机场；对目标马尔科夫随机场进行生成树采样，得到多棵均匀随机生成树；在每棵均匀随机生成树上进行信念传播，得到参数边缘概率分布；对参数边缘概率分布进行概率合并，得到目标边缘概率分布；基于目标边缘概率分布、网络性能指标及预设的网络性能评估函数，对设备参数进行参数配置，得到目标参数取值组合。本申请实施例能够提高大规模网络优化问题中设备参数配置的效率。

技术研发人员：于天舒,王耀民,罗效东
受保护的技术使用者：香港中文大学（深圳）
技术研发日：
技术公布日：2024/9/23