基于业务差异化传输需求下的电力通信网路由算法OA北大核心CSTPCD

电力通信网负责传递控制指令、收集状态数据,对保障电网的稳定运作至关重要。针对电力通信网络中多约束条件下的智能路由问题,提出了一种结合消息传递神经网络(message passing neural network,MPNN)与深度强化学习算法的智能路由算法。通过Tensor flow框架实现,在Open AI Gym构建的模拟环境进行验证。算法在超过8 000次的训练迭代后呈现出显著的性能提升,表现出了较传统最短路径和负载均衡算法更优越的路由选择能力。同时,在新拓扑图的泛化测试和链路故障模拟实验中,也显示出较强的适应性和鲁棒性。