一种基于近端策略优化算法优化网络流量调度方法技术

本发明专利技术涉及深度学习技术领域，具体涉及一种基于近端策略优化算法优化网络流量调度方法，针对软件定义网络的数据平面具有时间特征和空间特征，为了全局地考虑网络的时空相关性，提出了使用门控循环单元和图注意力网络方法提取状态信息中的时序相关性和空间相关性，为深度强化学习的决策提供包含更多环境的隐含信息，从而解决网络流量工程问题，充分利用网络资源动态调整网络负载，有效缓解网络链路拥塞，进而优化网络性能。进而优化网络性能。进而优化网络性能。

【技术实现步骤摘要】
一种基于近端策略优化算法优化网络流量调度方法


[0001]本专利技术涉及深度学习
，具体涉及一种基于近端策略优化算法优化网络流量调度方法。

技术介绍

[0002]近年来，随着互联网快速发展，网络的规模日趋庞大，社交媒体、高清影视、在线游戏以及5G的普及使得网络流量迅速增长，传统的转发网络压力日益见长。为了适应网络规模的持续增长，更灵活、更智能、流量承载能力更高的网络架构，即软件定义网络(Software DefinedNetworking,SDN)应运而生。在对于智能化SDN网络的优化目标中，流量工程(Traffic Engineering,TE)优化是一个重要领域。针对各种网络场景的TE优化目标，存在大量基于流的路由、链路状态协议或覆盖网络等等技术的方案。在相关文献中解决的一个基本TE问题是域内TE，即同一个自治域的网络如运营商网络、数据中心网络或园区网等等，其中经典的优化目标是最小化自管理网络域内的最大链路负载，这已经被证实是一个NP
‑
hard问题。
[0003]在过去的几年里，研究人员将机器学习(Mach本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于近端策略优化算法优化网络流量调度方法，其特征在于，包括下列步骤：构建ASTPPO系统架构；采集网络链路信息和网络拓扑信息；分别生成状态信息和奖励值；以所述状态信息和所述奖励值为输入，获得动作值并转发；基于所述动作值生成SDN流表，下发所述SDN流表进行流量调度。2.如权利要求1所述的基于近端策略优化算法优化网络流量调度方法，其特征在于，所述ASTPPO系统架构包括数据交换层、控制层和智能决策层，所述数据交换层由支持SDN工作协议的SDN交换机组成，所述控制层与数据交换层通过南向接口连接，与智能决策层通过北向接口连接，所述智能决策层输出链路权重用于路由策略更新。3.如权利要求2所述的基于近端策略优化算法优化网络流量调度方法，其特征在于，在采集网络链路信息和网络拓扑信息的过程中，控制层的信息收集器每隔一段时间通过南向接口从数据交换层的SDN交换机采集网络链路信息，控制层的拓扑发现器每隔一段时间通过南向接口从数据交换层的SDN交换机采集网络拓扑信息。4.如权利要求3所述的基于近端策略优化算法优化网络流量调度方法，其特征在于，分别生成状态信息和奖励值的过程，具体为控制层的信息收集器处理网络链路信息，生成输入智能决策层中智能体的状态信息，控制...

【专利技术属性】
技术研发人员：陈俊彦，王勇，黄雪锋，廖岑卉珊，谢小兰，李欣梅，肖微，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：