(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110678308.1 (22)申请日 2021.06.18 (65)同一申请的已公布的文献号 申请公布号 CN 113268841 A (43)申请公布日 2021.08.17 (73)专利权人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 陈彩莲　王守亮　许齐敏　徐磊　 关新平　 (74)专利代理 机构 上海旭诚知识产权代理有限 公司 312 20 代理人 郑立 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01)G06N 5/04(2006.01) G06F 111/04(2020.01) G06F 111/08(2020.01) (56)对比文件 CN 110413426 A,2019.1 1.05 CN 111667074 A,2020.09.15 董育宁 等.基 于t分布混合模型的半监 督网 络流分类方法. 《计算机 工程与应用》 .2018, Yunzhu Yu 等.Hierarc hical Time- frequency Sync hronization Mechanism for Time Sensitive Netw orking. 《2020 IE EE 18th Internati onal Conference o n Industrial Informatics (I NDIN)》 .2020, 谭兵 等.面向时间触发流的时延感知差分 多径转发机制. 《网络空间安全》 .2019, 审查员 王孜琦 (54)发明名称 一种知识推理引擎系统及实现方法 (57)摘要 本发明公开了一种知识推理引擎系统及实 现方法， 涉及有线通信网络技术领域， 系统包括 数据生成模块、 流划分模 型、 离线调度模块、 在线 调度模块、 调度方案库以及历史信息库模块； 所 述数据生成模块用于生成数据集并将此划为多 个分区； 所述流划分模型用于对数据集进行分 组； 所述离线调度模块用于生 成静态网络需求的 调度方案； 所述在线调度模块用于快速生成新TT 流的调度方案； 所述调度方案库， 用于存储分组 结果、 分组迭代调度的顺序和离线调度方案； 所 述历史信息库， 用于更新并存储相关数据信息以 及性能指标。 本发明提出的实现方法， 将离线分 组迭代调度与在线增量回溯算法结合并协同运 行， 解决了现有确定性调度方法无法同时保证伸 缩性与可调度性的问题。 权利要求书2页 说明书7页 附图4页 CN 113268841 B 2022.03.25 CN 113268841 B 1.一种知识推理引擎系统， 其特征在于， 包括数据生成模块、 流划分模型、 离线调度模 块、 在线调度模块、 调度方案库以及历史信息库模块； 所述数据生成模块， 用于生成大量无标签数据集与少量有标签数据集并将数据集平均 划为多个分区； 所述流划分模型， 用于在接收到所述数据集时， 根据知识推理得到的流相关性度量值 对所述数据集进行分组并计算各个分组迭代调度的顺序； 所述离线调度模块， 用于生成静态的网络需求的调度方案； 所述在线调度模块： 用于在时间敏感网络中有新增流量时， 通过合理调整旧流调度方 案， 快速生成新T T流的调度方案； 所述调度方案库： 用于存储分组后的结果与各个分组迭代调度的顺序； 存储离线调度 方案与在线调度方案； 在有新增流量时可以让所述在线调度模块， 立即调用所述离线调度 方案作为调度基础； 所述历史信 息库， 用于根据 所述调度方案库中的历史调度方案与分组结果更新并存储 相关数据流属性、 调度标签、 分组标签等数据信息以及时延、 抖动、 循环周期等 性能指标； 所述流划分模型包括预处 理单元、 学习单 元以及分组单 元； 所述预处理单元， 用于对标记与未标记的所述数据集进行归一化处理， 并构造数据流 间的依赖关系； 所述学习单元， 用于对所述数据集进行无监督学习、 半监督训练以及先验知识计算， 获 得所述数据流间的相关性度量； 所述分组单 元， 用于根据所述相关性对所述数据流进行划分。 2.如权利要求1所述的知识推理引擎系统， 其特征在于， 所述学习单元， 通过对所述数 据集进行无监督学习与半监督协同训练推理出TT流之间的冲突关系， 进而 得到TT流间的基 于数据驱动的相关性度量； 通过时隙占有率、 共享端系统的数量与流间依赖关系计算出基 于先验流属性的相关性度量。 3.一种知识推理引擎实现方法， 其特 征在于， 该 方法包括以下步骤： 步骤一、 输入需要调度的数据集， 数据生成模块会从历史信息库导入信息并根据实 际 应用需求生成由不同调 度实例组成的流特征化数据集， 对可以调度的调 度实例进 行标记并 将所述流特征化数据集平均划分为多个分区； 步骤二、 流划分模型在接收到数据生成模块的所述数据集后经过知识推理得到数据集 分组结果； 步骤三、 将所述分组结果导入到离线调度模块并存储到历史信息库， 离线调度阶段为 每个分区构造 离线调度约束集， 并构造迭代调度算法， 输出离线调度方案； 步骤四、 将输出的所述离线调度方案通过相关的配置软件生成交换机端口和终端设备 的配置文件， 将其配置到各个交换机以及终端设备上， 并将离线调度结果存储到调度方案 库； 步骤五、 当时间敏感网络中网络 需求发生动态变化 时， 即有新的新调度实例输入时， 在 线调度模块从所述调度方案库导入所述分组结果与所述离线调 度结果， 根据所述流划分模 型找到新增TT流所属的分组， 构造动态调度约束集并设计启发式算法， 在原有的调度方案 基础上对所述新增TT流进行增量调度， 如果没有可行的调度方案， 找到与这个所述新增TT权　利　要　求　书 1/2 页 2 CN 113268841 B 2流同一分组的旧TT流， 对它们的调度方案进行调整， 直到获得可行解， 并输出在线调度方 案； 步骤六、 将输出的所述在线调度方案通过相关的配置软件生成所述交换机端口和所述 终端设备 的配置文件， 将其配置到各个所述交换机以及所述终端设备上， 并将所述在线调 度结果存储到所述调度方案库， 所述调 度方案库将所有调 度结果信息导入到所述历史信息 库并对其进行 更新。 4.如权利要求3所述的知识推理引擎实现方法， 其特征在于， 所述步骤一生成数据集的 每个所述调度实例拥有不同属性的流和流间依赖图。 5.如权利要求4所述的知识推理引擎实现方法， 其特征在于， 所述步骤二的分组过程， 流相关性越高的T T流发生冲突与依赖的概 率越高， 越趋向于划分在一个分组中。 6.如权利要求5所述的知识推理引擎实现方法， 其特征在于， 所述步骤三的迭代调度算 法构造了流间依赖约束， 假设网络中存在一个子任务与一个父任务， 子任务TT流依赖于父 任务TT流才能发送， 子任务的注入时间要在父任务到 达后才能开始， 刻画流间依赖特性。 7.如权利要求6所述的知识推理引擎实现方法， 其特征在于， 所述步骤三的迭代调度算 法构造了组间调度约束， 按照数所述数据集在分组时已被分配的迭代调度顺序， 每个分组 要在前面已完成调度的分组基础上进行调度方案的生成， 提升调度的可扩展性。 8.如权利要求7所述的知识推理引擎实现方法， 其特征在于， 所述步骤五的在线调度阶 段利用了所述离线调度结果与所述离线调度方案 。 9.如权利要求8所述的知识推理引擎实现方法， 其特征在于， 所述步骤五的所述在线调 度方案对于新增流 量采用增量式调度。权　利　要　求　书 2/2 页 3 CN 113268841 B 3