买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清创网御(合肥)科技有限公司;合肥工业大学申请的专利一种基于图神经网络和进化算法的SDN控制器负载均衡方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120434126B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510949074.8，技术领域涉及：H04L41/0823；该发明授权一种基于图神经网络和进化算法的SDN控制器负载均衡方法是由庞文俊;汤忠泽;田野;杨永峰;张勇;邢磊设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本一种基于图神经网络和进化算法的SDN控制器负载均衡方法在说明书摘要公布了：本申请涉及计算机网络优化和控制器负载均衡的技术领域，公开一种基于图神经网络和进化算法的SDN控制器负载均衡方法，根据包含控制器各项运行指标的状态向量和包含各个控制器之间连接关系的邻接矩阵，构建图模型并拼接得到特征矩阵；归一化邻接矩阵，使用多层图卷积网络对特征矩阵进行特征聚合和更新，输出高维嵌入向量，设置控制器最终状态表示和奖励函数，通过元强化学习和演员评论家网络训练得到适应动态网络环境的调度策略；在仿真环境中对元强化学习的参数进行全局搜索寻找最优解；实时采集各控制器的最新状态，通过预训练好的GCN更新嵌入，使用训练好的元强化学习模型根据全局状态输出调度策略，同时使用Q‑learning对网络进行参数在线微调与更新。

本发明授权一种基于图神经网络和进化算法的SDN控制器负载均衡方法在权利要求书中公布了：1.一种基于图神经网络和进化算法的SDN控制器负载均衡方法，其特征在于，包括如下步骤： S1、根据包含控制器各项运行指标的状态向量和包含各个控制器之间连接关系的邻接矩阵，构建图模型并拼接得到特征矩阵； S2、归一化所述邻接矩阵，使用多层图卷积网络对所述特征矩阵进行特征聚合和更新，输出高维嵌入向量，并进行对比损失训练； S3、设置控制器最终状态表示和奖励函数，通过元强化学习和演员评论家网络训练得到适应动态网络环境的调度策略； S4、使用协方差矩阵适应进化算法，在仿真环境中对元强化学习的参数进行全局搜索，通过候选解采样、适应度评价和参数更新寻找最优解； S5、实时采集各控制器的最新状态，通过预训练好的GCN更新嵌入，使用训练好的元强化学习模型根据全局状态输出调度策略，同时使用Q-learning对网络进行参数在线微调与更新； 所述步骤S3包括： S3-1、对于每个控制器i得到状态向量和GNN嵌入向量，将两者进行拼接，构成控制器的最终状态表示，则整个网络的状态信息集合表示为S={}，； S3-2、设计动作空间，将动作离散化为新流量分配和流量迁移操作两类，其中a=j表示将新的流量指派给控制器j，a=ij，表示将控制器i的部分流量迁移到控制器j； S3-3、对于各个控制器的负载，计算平均负载为，计算负载方差，定义负载均衡奖励=-，设置Shapley值来衡量每个控制器的边际贡献，每个控制器i的Shapley值为，计算所有控制器的平均贡献，定义公平性奖励，定义最终的总奖励R=+； S3-4、构造多个任务，每个任务代表一种网络环境，模型的初始参数是全局共享的，对于任务，从开始，使用少量任务数据进行梯度下降更新，将所有任务的更新结果进行汇总，使用所有任务的梯度对初始参数进行调整； S3-5、采用演员-评论家结构来减少策略梯度更新的方差，演员网络负责输出调度策略，在给定状态s后，输出动作概率分布，演员网络依托当前的状态生成一个具体策略，评论家网络负责评估当前状态，估计动作价值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清创网御(合肥)科技有限公司;合肥工业大学，其通讯地址为：230000 安徽省合肥市经济技术开发区习友路5999号清华大学合肥公共安全研究院4号楼507室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。