采用Q学习的软件定义网络抗毁技术分析

摘要：

针对软件定义网络(SDN)的链路抗毁问题,为使数据传输具有更好的稳健性,设计了一个基于Q学习算法的抗毁策略.该策略选择以网络中每条链路的中断概率为衡量指标,通过Q学习算法,根据网络情况寻找一条中断概率低的路径作为备份路径,从而在网络传输出现故障时能够自动地切换为备份路径,实现抗毁性能的改善.将Q学习算法与现有的算法进行对比,并分析了各自的优劣性.实验仿真结果表明,相比于蚁群算法,Q学习算法的平均吞吐量可提高15％左右,网络传输的平均中断概率可降低38％;相比于最短路径算法(有备份),平均吞吐量提高16.5％,网络传输的平均中断概率降低43％.由此可见,文中所提基于Q学习的抗毁技术可大大提升SDN网络的抗毁性能.

关键词：软件定义网络、Q学习算法、抗毁、链路

所属期刊栏目：50

分类号：TN915.1

资助基金：国家自然科学基金;广东省自然科学基金资助项目;广州市科技计划项目

在线出版日期：2022-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：65-72