一种基于多智能体强化学习的流量分配算法

论文摘要

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.

论文目录

• 1 强化学习基础
• 2 智能网络架构
• 3 算法设计和实现
•   3.1 问题描述
•   3.2 基于MADDPG的TE算法设计
• 4 仿真和分析
•   4.1 仿真环境
•   4.2 结果分析
•     1)训练过程分析（Traffic为8 Mbit/s）
•     2)不同算法性能比较
• 5 结束语

文章来源

类型: 期刊论文

作者: 程超,滕俊杰,赵艳领,宋梅

关键词: 流量工程,多智能体强化学习,软件定义网络,时延,吞吐量

来源: 北京邮电大学学报 2019年06期

年度: 2019

分类: 信息科技

专业: 互联网技术,自动化技术

单位: 北京邮电大学电子工程学院,中国金融认证中心,机械工业仪器仪表综合技术经济研究所

基金: 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)

分类号: TP181;TP393.06

DOI: 10.13190/j.jbupt.2019-140

页码: 43-48+57

总页数: 7

文件大小: 2353K

下载量: 341