基于深度强化学习的转发效能感知流量调度算法

摘要：

软件定义网络(SDN)通过将控制平面与数据平面分离,可实现灵活的流量调度,更有效地利用网络资源.但是,流表项数量、设备负载率及连接主机数量增加等因素的共同作用会导致SDN交换机的转发效能降低,进而影响端到端的数据传输时延.为了解决上述问题,提出了基于深度强化学习的转发效能感知流量调度算法.首先,将交换机状态信息统一到感知模型中,通过神经网络建立交换机状态信息和转发效能的映射关系.然后,结合网络状态和流量信息,通过深度强化学习产生流量调度策略.最后,通过由最短路径和负载均衡算法产生的专家样本引导模型训练,不仅使模型学习到专家样本的知识以提升性能,同时提升模型训练效率.实验结果表明,与其他算法相比,所提算法不仅使端到端的平均传输时延降低了15.31％,而且保证了网络整体的负载均衡.

关键词：软件定义网络、深度强化学习、流量调度、转发效能感知、负载均衡

所属期刊栏目：43

分类号：TN911.5

资助基金：工业互联网创新发展工程基金资助项目;中国通信学会青年人才托举计划?托举培养协议基金资助项目

在线出版日期：2022-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：30-40