一种智能移动通信网络优化系统的架构
开篇：润墨网以专业的文秘视角，为您筛选了一篇一种智能移动通信网络优化系统的架构范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：为了提高移动通信网络优化软件的智能水平，实现主动网络优化的目标，首先分析了目前网络优化系统的现状及其发展趋势。在这个基础上，本文提出了一种集成Agent技术、人工智能技术、J2EE容器技术的网络优化系统框架。着重讨论了构成基本框架的各个子系统的作用及相互关系。
关键词：Agent；容器；知识库
1 引言
移动通信网络优化工作向移动通信网络优化工具提出了“智能化”的要求，而专家系统理论正是使应用它的领域工具具有领域专家的能力――“智能化”。因此，两者的结合，即把专家系统理论应用于移动通信网络优化工作，是实现移动通信网络优化“智能化”的有效途径。
现有的网络优化的工具有很多，但这些工具有一个共同的特点是针对性较强，这些软件都侧重于完成一定的功能，但缺乏“为什么这样做”的思维方式。由于移动通信网络的“移动”特性，整个网络的结构、操作的过程非常复杂，维护过程中出现的问题也涉及到很多方面，需要大量的具有专门知识的人员进行维护与优化。那么如何让网络优化系统具备主动预防性、智能性，具备知识存储表达能力？如何整合多种数据源，进行实时分析？为了解决这些问题本文介绍了一种基于Agent的实时智能网络优化系统架构。
2 智能网络优化软件的系统结构
智能网络优化系统的结构如图1所示：
本文介绍了一个实现该系统的架构，如图2所示。该架构包括五个部分：实时数据处理容器、智能Agent、展示界面、知识库管理、业务系统。下面详细介绍实时数据处理容器、知识库、Agent三个功能模块的组成结构及其实现。
2.1 知识库管理
移动通信网络优化知识库系统如图3所示。基础数据主要是网络设备的运行信息，数据库称为网络信息库；优化规则库所表示的事实主要是对网络设备运行信息进行计算和分析而判断出的网络运行事实，这些运行事实一般应用在网络优化规则的前提部分，与网络优化规则关系密切，因此将方法库和规则库合并为一个网络规则库比较适宜。由此，网络优化知识库系统如图3所示。
本系统采用产生式规则形式来表示网络优化规则，其基本表示形式如下:
前提操作或IFTHEN
其中，前提部分称为规则的前项，操作部分称为规则的后项。
考虑到移动通信网络优化领域中优化专家常用的优化规则的数量有限，且专家解决实际问题的过程明确，求解问题的步骤清晰，因此在具体实现中，需要按照专家解决实际问题的思路组织优化规则，显式地保持规则之间的层次关系，以便能够准确地模拟专家解决问题的过程，同时能够提高系统的搜索效率。
2.2 实时数据处理容器
移动通信网络优化的原始数据主要包括：用户申告统计、场强测试仪数据、交换设备性能数据、CS 管理系统数据、电子地图或基站覆盖图、路测软件的数据等许多数据源。这些数据源的存储格式，表达内容都不一样，如何将这些数据整合起来，形成一个完整统一的专家数据库，这是本系统的一个难点，也是一个重点。本系统采用实时数据处理容器对数据进行整合，数据处理流程如图4所示。
数据处理容器是一个实时系统，需要频繁地进行数据清洗、转换，而传统的数据仓库ETL只能是定期地执行，而且是为特定的目标编写的，如果频繁执行将占有大量的系统时间。为了解决这个问题，我们采用容器技术进行处理各个数据源。
容器的运行机制类似于J2EE的Servlet容器，如图5所示。图5是实时数据处理容器的核心部分，系统采用适配器将不同的数据源提交给不同的线程进行数据处理。数据处理的内容包括清洗数据、标准化数据。然后通过类ETL将标准化的数据进行抽取、转化，装载到数据仓库里等待数据挖掘使用，并将数据存储到数据库里，该数据库的目的是提供实时分析查询。数据存储完毕，线程启动数据评估器，评估刚入库的数据中有没有网络故障。通过这样的评估，系统能够实时地对严重的网络故障进行处理或者告警，从而保障网络能够时刻保持畅通。
2.3 智能Agent
移动通信网络优化的目标是提供实时主动的优化方案；能够针对专项问题提供解决方案；能够对网络环境的发展趋势进行预测判断，能够防患于未然。针对这三个目标，我们设计了三种不同的智能 Agent。包括主动式Agent、被动式Agent、反应式Agent。系统架构参照图2。
感知子系统用来实时收集业务环境发生的变化，数据源可以来自实时数据处理容器、业务流系统、用户交互界面。
Agent层对感知子系统采集的结果进行分析，然后将分析结果传递到反馈子系统。反馈子系统采取相应措施对业务支撑系统进行调整优化。
主动式Agent的功能是根据话务量的变化情况、用户流量的预期情况等及时进行网络容量分析，结合知识库给出解决方案，克服网络瓶颈，从而实现被动性的障碍维护向高质量的性能维护和业务保障的转变，防止网络运行出现大的质量障碍和波动，确保网络质量的稳定。
被动式Agent的主要功能是提供专项解决方案。根据用户的问题描述，对现有的网络运行情况的数据进行分析，发现问题的关键，然后利用知识库给出解决方案，并给出解释。
反应式Agent的主要功能是根据知识库里预先设定的条件，提供实时的系统优化方案。
反馈子系统接收上述Agent分析出来的方案，按照知识库的指导，对业务系统进行适当的调整，或者向用户解决方案及其解释。
3 总结
本文通过对智能网络优化系统框架的研究，为移动通信网络优化软件的发展提供了一定的基础。我们下一步的工作是，丰富网络优化知识库的内容，包括将一些经验知识固化到数据库中，使系统能够更好地为网络优化服务。
参考文献
[1] 唐小燕,李斌,许有志.一种Agent协同规范及其应用研究[J].计算机应用研究.2005,(1):82-84.
[2] 张俊,张忠能.实时数据仓库体系架构的研究[J].计算机工程.2004,(30):180-182.
[3] 费洪晓,巩艳玲,谢文彪,等.基于混合学习策略的多Agent信息过滤系统[J ].计算机应用.2006,26(2):267-269.
[4] 白丽君.基于智能Agent的用户兴趣发现和更新[J ].计算机工程.2003,21(2):70-72.
作者简介：
蔡庆武(1982-)，男，北京邮电大学硕士，研究方向：软件过程。
廖启征，男，北京邮电大学博士生导师。
卢山，男，北京邮电大学副教授。