(解放军战略支援部队信息工程大学 郑州 450002) (sphshine@126.com)
出版日期: 2021-07-01基金资助:国家重点研发计划项目(2020YFB1804803)；国家自然科学基金项目(62002382,61702547,61872382)； 广东省重点领域研发计划项目(2018B010113001)Pinning Control-Based Routing Policy Generation Using Deep Reinforcement Learning
Sun Penghao, Lan Julong, Shen Juan, Hu Yuxiang(PLA Strategic Support Force Information Engineering University, Zhengzhou 450002)
Online: 2021-07-01Supported by:This work was supported by the National Key Research and Development Program of China (2020YFB1804803), the National Natural Science Foundation of China (62002382, 61702547, 61872382), and the Key Research and Development Project of Guangdong Province (2018B010113001).摘要/Abstract
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.
参考文献
相关文章 15
| [1] | 王原, 陈名, 邢立宁, 吴亚辉, 马武彬, 赵宏. 用于求解旅行商问题的深度智慧型蚁群优化算法[J]. 计算机研究与发展, 2021, 58(8): 1586-1598. |
| [2] | 谢升旭,邢长友,张国敏,宋丽华,胡谷雨. OpenFlow交换机流表溢出缓解技术研究综述[J]. 计算机研究与发展, 2021, 58(7): 1544-1562. |
| [3] | 李涵, 严明玉, 吕征阳, 李文明, 叶笑春, 范东睿, 唐志敏. 图神经网络加速结构综述[J]. 计算机研究与发展, 2021, 58(6): 1204-1229. |
| [4] | 王璐, 张健浩, 王廷, 伍楷舜. 面向云网融合的细粒度多接入边缘计算架构[J]. 计算机研究与发展, 2021, 58(6): 1275-1290. |
| [5] | 王廷, 刘刚. 支持网络切片和绿色通信的软件定义虚拟化接入网[J]. 计算机研究与发展, 2021, 58(6): 1291-1306. |
| [6] | 潘旭东, 张谧, 颜一帆, 陆逸凡, 杨珉. 通用深度学习语言模型的隐私风险评估[J]. 计算机研究与发展, 2021, 58(5): 1092-1105. |
| [7] | 李明慧, 江沛佩, 王骞, 沈超, 李琦. 针对深度学习模型的对抗性攻击与防御[J]. 计算机研究与发展, 2021, 58(5): 909-926. |
| [8] | 汪嘉来, 张超, 戚旭衍, 荣易. Windows平台恶意软件智能检测综述[J]. 计算机研究与发展, 2021, 58(5): 977-994. |
| [9] | 汪烨, 陈骏武, 夏鑫, 姜波. 智能需求获取与建模研究综述[J]. 计算机研究与发展, 2021, 58(4): 683-705. |
| [10] | 周鹏, 武延军, 赵琛. 一种融合程序员和神经网络的自动化程序生成方法[J]. 计算机研究与发展, 2021, 58(3): 638-650. |
| [11] | 林培光, 周佳倩, 温玉莲. SCONV：一种基于情感分析的金融市场趋势预测方法[J]. 计算机研究与发展, 2020, 57(8): 1769-1778. |
| [12] | 卢海峰, 顾春华, 罗飞, 丁炜超, 杨婷, 郑帅. 基于深度强化学习的移动边缘计算任务卸载研究[J]. 计算机研究与发展, 2020, 57(7): 1539-1554. |
| [13] | 成科扬, 王宁, 师文喜, 詹永照. 深度学习可解释性研究进展[J]. 计算机研究与发展, 2020, 57(6): 1208-1217. |
| [14] | 于剑. 图灵测试的明与暗[J]. 计算机研究与发展, 2020, 57(5): 906-911. |
| [15] | 王桂芝, 吕光宏, 贾吾财, 贾创辉, 张建申. 机器学习在SDN路由优化中的应用研究综述[J]. 计算机研究与发展, 2020, 57(4): 688-698. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4464
