基于自注意力深度强化学习的特定流路由选择算法OA北大核心
Specific flow routing selection algorithm based on Self-Attention deep reinforcement learning
为了有效降低传统流量工程机制中重路由对网络带来的负面影响,基于软件定义网络的全局网络视角和管理能力,提出一种基于自注意力深度强化学习的特定流路由选择算法,以重新路由少量流量达到接近最优的性能.通过多尺度融合注意力机制的神经网络模型来提取流量的特征,并采用集中式训练-分布式执行架构,根据观测网络状态做出实时决策.理论研究和实验结果表明,与传统深度强化学习算法与启发式算法相比,所提算法在平均负载和端到端延迟性能方面均有显著改进.
To effectively mitigate the negative impact of rerouting on the network in traditional traffic engineering mechanisms,this paper proposes a specific flow routing selection algorithm based on Self-Attention deep reinforcement learning,leveraging the global network perspective and management capabilities of software-defined networking,to reroute a small amount of traffic and achieve near-optimal performance.A neural network model with multi-scale fusion attent…查看全部>>
袁帅;张慧;蔡安亮;沈建华
南京邮电大学通信与信息工程学院,南京 210003深圳赛柏特通信技术有限公司,广东深圳 518000南京邮电大学通信与信息工程学院,南京 210003南京邮电大学通信与信息工程学院,南京 210003
电子信息工程
软件定义网络多智能体深度强化学习流量工程负载均衡
software-defined networkingmulti-agent deep reinforcement learningtraffic engineeringload balancing
《光通信技术》 2024 (3)
7-12,6
国家自然科学青年基金项目(62301284)资助南京邮电大学企业委托研发重点课题(KH0020322072)资助.
评论