一种基于多智能体强化学习的流量分配算法

程超¹, 滕俊杰², 赵艳领³, 宋梅¹

1. 北京邮电大学 电子工程学院, 北京 100876;
2. 中国金融认证中心, 北京 100054;
3. 机械工业仪器仪表综合技术经济研究所, 北京 100055

收稿日期:2019-07-10出版日期:2019-12-28发布日期:2019-11-15
通讯作者:宋梅(1960-),女,教授,博士生导师,E-mail:songm@bupt.edu.cn.E-mail:songm@bupt.edu.cn
作者简介:程超(1993-),男,硕士生.
基金资助:国家重点研发计划项目（2018YFB1201500）；国家自然科学基金项目（61871046）；北京市自然科学基金项目（L171011）；北京市重大专项项目（Z181100003118012）

Traffic Distribution Algorithm Based on Multi-Agent Reinforcement Learning

CHENG Chao¹, TENG Jun-jie², ZHAO Yan-ling³, SONG Mei¹

1. School of Electronic Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. China Financial Certification Authority, Beijing 100054, China;
3. Instrumentation Technology and Economy Institute, Beijing 100055, China

Received:2019-07-10Online:2019-12-28Published:2019-11-15


Supported by:

摘要/Abstract

摘要： 传统的流量工程策略的研究大多集中在构建和求解数学模型方面，其计算复杂度过高，为此，提出了一种经验驱动的基于多智能体强化学习的流量分配算法.该算法无需求解复杂数学模型即可在预计算的路径上进行有效的流量分配，从而高效且充分地利用网络资源.算法在软件定义网络控制器上进行集中训练，且在训练完成后再接入交换机或者路由器上分布式执行，同时也避免和控制器的频繁交互.实验结果表明，相对于最短路径和等价多路径算法，新算法有效减少了网络的端到端时延，并且增大了网络吞吐量.
中图分类号:
TP393.0

引用本文

程超, 滕俊杰, 赵艳领, 宋梅. 一种基于多智能体强化学习的流量分配算法[J]. 北京邮电大学学报, 2019, 42(6): 43-48,57.
CHENG Chao, TENG Jun-jie, ZHAO Yan-ling, SONG Mei. Traffic Distribution Algorithm Based on Multi-Agent Reinforcement Learning[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(6): 43-48,57.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4595