基于牵引控制的深度强化学习路由策略生成

• 全文链接
• 请求原文

作   者：

孙鹏浩;  兰巨龙;  申涓;  胡宇翔; 

作者机构：

解放军战略支援部队信息工程大学; 

关键词：

路由优化;  深度强化学习;  牵引控制;  人工智能;  软件定义网络; 

期刊名称：

计算机研究与发展

基金项目：

面向多样化服务定制的多态路由机制研究
信息通信网络广义鲁棒控制机理研究

i s s n：

1000-1239

年卷期：

2021 年 007 期

页   码：

1563-1572

摘   要：

当前网络规模的高速增长带来网络流量复杂度的日益提高,增加了对流量特征精确建模的难度.近年来业界提出使用深度强化学习技术实现网络路由的智能化生成,一定程度上克服了人工进行流量分析和建模的缺点.然而,目前提出的解决方案普遍存在可扩展性差等问题.对此,提出了一种基于牵引控制理论的深度强化学习路由策略生成技术Hierar-DRL,通过引入牵引控制理论并结合深度强化学习的自动策略搜索能力,提高了智能路由算法可扩展性.仿真实验结果表明:所提方案相比当前最优方案的端到端时延最多降低了28.5%,证明了所提智能路由方案的有效性.