无线网络优化方法、电子设备及程序产品与流程

本公开涉及无线通信，尤其涉及一种无线网络优化方法、电子设备及程序产品。

背景技术：

1、随着第五代移动通信技术（5g）及未来演进网络的快速发展，无线网络规模呈指数级增长，网络拓扑日益复杂，业务需求呈现高度动态化。这导致无线网络运维的复杂度急剧上升，传统的基于人工经验和静态规则的网络优化方式已难以满足海量数据处理和实时优化的需求。近年来，大语言模型（large language model, llm）凭借其强大的自然语言理解、逻辑推理和泛化能力，被逐渐引入到无线网络智能运维领域，用于网络故障诊断、参数调优和性能优化等场景。

2、目前，基于大语言模型的无线网络优化方法，通常是将当前的网络性能指标、告警日志等管理数据转化为文本描述，直接拼接成提示词（prompt）输入给大语言模型以获取优化决策；或者采用基础的检索增强生成（rag）技术，从历史数据库中检索与当前问题字面相似的历史工单或运维文档，将其作为上下文参考输入大模型。

3、然而，在实际的无线网络优化应用中，现有方案容易产生推理噪声，且容易出现优化策略固化并与网络长期演变状态脱节的问题。

4、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开提供一种无线网络优化方法、电子设备及程序产品，能够在有限的资源预算内实现了上下文信息效用的最大化，降低关键特征丢失或截断概率，提升大语言模型生成无线网络优化决策的准确性与推理效率。

2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

3、根据本公开的一个方面，提供了一种无线网络优化方法，包括：获取新的无线网络管理数据，并计算新的无线网络管理数据与预先构建的记忆库中现有记忆单元的一致性；其中，记忆单元为对无线网络管理数据中的时序网络事件进行组织得到的数据结构；根据一致性对预先构建的记忆库进行更新，更新包括将新的无线网络管理数据融合写入现有记忆单元，或者在满足预设的分支创建条件时，创建新的记忆分支并将新的记忆分支写入预先构建的记忆库；获取当前的无线网络优化任务主题，根据无线网络优化任务主题从更新后的记忆库中筛选候选记忆单元；在预设的资源约束下，对候选记忆单元进行组合优化，得到目标记忆子集作为精编上下文；将精编上下文输入大语言模型，得到无线网络优化决策并执行无线网络优化决策。

4、在本公开的一个实施例中，记忆单元为对无线网络管理数据中跨周期的网络事件因果链组织得到的数据结构。

5、在本公开的一个实施例中，方法还包括：获取历史无线网络管理数据以及网络拓扑与时序上下文；结合网络拓扑与时序上下文，对历史无线网络管理数据进行因果关联分析，提取历史无线网络管理数据中跨周期的网络事件因果链；将网络事件因果链组织为线程级记忆单元，构建得到预先构建的记忆库。

6、在本公开的一个实施例中，在计算新的无线网络管理数据与预先构建的记忆库中现有记忆单元的一致性之前，方法还包括：针对预先构建的记忆库中的各个现有记忆单元，结合时序衰减特征、周期相位特征、网络拓扑特征以及网络问题状态特征计算保留概率；根据保留概率对预先构建的记忆库中的现有记忆单元进行筛选，或者根据保留概率对现有记忆单元进行权重调整。

7、在本公开的一个实施例中，时序衰减特征包括多时标时间衰减特征；周期相位特征包括季节相位特征；网络拓扑特征包括网络拓扑中心性特征。

8、在本公开的一个实施例中，计算新的无线网络管理数据与预先构建的记忆库中现有记忆单元的一致性，包括：计算新的无线网络管理数据与现有记忆单元的相似度，以及计算新的无线网络管理数据与现有记忆单元的矛盾度；满足预设的分支创建条件，包括：相似度满足第一预设条件，且矛盾度满足第二预设条件。

9、在本公开的一个实施例中，预设的资源约束为上下文预算约束；根据无线网络优化任务主题从更新后的记忆库中筛选候选记忆单元，以及在预设的资源约束下，对候选记忆单元进行组合优化，得到目标记忆子集作为精编上下文，包括：根据无线网络优化任务主题与候选记忆单元的匹配程度，计算候选记忆单元的任务效用值；在预设的上下文预算约束下，对任务效用值进行效用最大化求解，得到目标记忆子集作为精编上下文。

10、在本公开的一个实施例中，方法还包括：获取无线网络优化决策执行后的运营反馈结果；根据运营反馈结果计算决策效果评价值；根据决策效果评价值，调整预先构建的记忆库中生成无线网络优化决策所依据的记忆单元的置信度权重，和/或，将运营反馈结果作为新的时序网络事件追加写入预先构建的记忆库中。

11、根据本公开的又一个方面，提供一种电子设备，包括：存储器，用于存储程序指令；处理器，用于调用所述存储器中存储的程序指令，实现上述的无线网络优化方法。

12、根据本公开的又一个方面，提供一种计算机程序产品，计算机程序产品包括用于实现上述的无线网络优化方法的程序指令。

13、本公开实施例所提供的技术方案可以包括以下有益效果：

14、本公开实施例，通过将时序网络事件组织为结构化的记忆单元，有效保留了网络事件的时序依赖与因果脉络，为大语言模型处理复杂网络问题提供了具备深度逻辑关联的知识基础；通过计算一致性进行融合写入或创建新分支的动态更新机制，实现了记忆库的自适应演化，在保持知识连贯性的同时精准捕捉网络状态的新变化，有效避免了新旧知识冲突与记忆冗余；进一步地，基于任务主题筛选候选记忆单元，确保了检索内容的高度相关性，并在预设资源约束下对其进行组合优化以生成精编上下文，有效克服了大语言模型上下文窗口的物理限制，在有限的资源预算内实现了上下文信息效用的最大化，避免了关键特征丢失或截断，从而显著提升了大语言模型生成无线网络优化决策的准确性与推理效率，实现了复杂网络环境下的高效、精准运维。

15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

1.一种无线网络优化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述记忆单元为对无线网络管理数据中跨周期的网络事件因果链组织得到的数据结构。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，在所述计算所述新的无线网络管理数据与预先构建的记忆库中现有记忆单元的一致性之前，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述时序衰减特征包括多时标时间衰减特征；所述周期相位特征包括季节相位特征；所述网络拓扑特征包括网络拓扑中心性特征。

6.根据权利要求1所述的方法，其特征在于，所述计算所述新的无线网络管理数据与预先构建的记忆库中现有记忆单元的一致性，包括：

7.根据权利要求1所述的方法，其特征在于，所述预设的资源约束为上下文预算约束；所述根据所述无线网络优化任务主题从更新后的记忆库中筛选候选记忆单元，以及在预设的资源约束下，对所述候选记忆单元进行组合优化，得到目标记忆子集作为精编上下文，包括：

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括用于实现如权利要求1至8中任一项所述无线网络优化方法的程序指令。