10.13682/j.issn.2095-6533.2022.06.001
SDN网络中基于深度强化学习的动态路由算法
对传统网络自身的高分布特性难以实现网络智能化部署以及在传输过程中因网络拥塞带来的高丢包率等问题进行分析,设计一种在软件定义网络(Software Defined Network,SDN)中基于深度强化学习的路由(Deep Rein-forcement Learning Routing in Software Defined Network,DRLR-SDN)算法.该算法通过将 SDN与深度强化学习算法相结合,实现网络优化与网络资源的智能化管理,用以改善因网络拥塞带来的高丢包率问题.同时,设计了一种可调节的奖励机制实现源交换机和目的交换机之间的上下行调节,通过训练、学习并预测网络的行为,降低网络传输过程中的丢包率.实验结果表明,与非SDN结构相比,DRLR-SDN算法的加入能够降低网络时延、减弱网络抖动、降低网络丢包率,增大网络吞吐量.
软件定义网络、深度强化学习、丢包率、路由优化、奖励函数
27
TP393(计算技术、计算机技术)
国家自然科学基金61371087
2023-05-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-6