基于深度Q网络的网络性能优化系统和方法技术方案

基于深度Q网络的网络性能优化系统和方法用于网络性能的自动优化，具体包括：模型构建单元构建深度Q网络模型，得到DQN模型；模型训练单元训练所述DQN模型，得到优化DQN模型；性能优化单元使用优化DQN模型预测指定网络状态下所有可能执行动作的预期收益Q值；性能优化单元选择预期收益Q值最大的执行动作作为优化操作，并进行网络性能的优化。本发明专利技术学习网络状态到优化操作的映射关系，实现网络性能的自动优化，避免了人工设定规则和参数；根据实时的网络状态，动态选择最优的动作，实现网络性能的动态优化，具有很强的泛化能力，可以应对各种网络环境和变化；适用当前网络环境，易于实现。

【技术实现步骤摘要】

本专利技术涉及网络性能优化，更具体的说，特别涉及一种基于深度q网络的网络性能优化系统和方法。

技术介绍

1、随着互联网的发展，网络数据传输量激增，给云端数据中心运算处理带来极大负担，网络性能优化成为了一个重要的问题。

2、为了满足边缘计算的需求，人们进行了大量研究，但是，传统的优化方法往往依赖人工经验和规则，不能很好地应对网络环境的变化和复杂性，尤其是对于延迟和吞吐量等指标的优化。

3、因此，现有技术存在的问题，有待于进一步改进和发展。

技术实现思路

1、(一)专利技术目的：为解决上述现有技术中存在的问题，本专利技术的目的是提供一种可以自动学习网络环境的变化，实现网络性能动态优化的基于深度q网络的网络性能优化系统和方法。

2、(二)技术方案：为了解决上述技术问题，本技术方案提供基于深度q网络的网络性能优化方法，用于网络性能的自动优化，包括以下步骤，

3、步骤a、构建深度q网络模型，得到dqn模型；

4、步骤b、训练所述dqn模型，得到优化dqn模型；本文档来自技高网...

【技术保护点】

1.基于深度Q网络的网络性能优化方法，用于网络性能的自动优化，其特征在于，包括以下步骤，

2.根据权利要求1所述基于深度Q网络的网络性能优化方法，其特征在于，所述步骤A具体包括以下步骤，

3.根据权利要求2所述基于深度Q网络的网络性能优化方法，其特征在于，所述步骤a1，包括以下步骤，

4.根据权利要求2所述基于深度Q网络的网络性能优化方法，其特征在于，所述步骤a2具体包括：定义输入层；构建隐藏层；定义输出层。

5.根据权利要求2所述基于深度Q网络的网络性能优化方法，其特征在于，所述步骤a3具体包括：选择激活函数；确定损失函数；配置优化器。<...

【技术特征摘要】

1.基于深度q网络的网络性能优化方法，用于网络性能的自动优化，其特征在于，包括以下步骤，

2.根据权利要求1所述基于深度q网络的网络性能优化方法，其特征在于，所述步骤a具体包括以下步骤，

3.根据权利要求2所述基于深度q网络的网络性能优化方法，其特征在于，所述步骤a1，包括以下步骤，

4.根据权利要求2所述基于深度q网络的网络性能优化方法，其特征在于，所述步骤a2具体包括：定义输入层；构建隐藏层；定义输出层。

5.根据权利要求2所述基于深度q网络的网络性能优化方法，其特征在于，所述步骤a3具体包括：选择激活函数；确定损失函数；配置优化器。

6.根据权利要求1所述基于深度q网络的网络性能优化方法，其特征在于，所述步骤b具体包括以下步骤，

7.根据权利要求6所述基于深度q网络的网络性能优化系统和方法，其特征在于，所述步骤b1创建的目标dqn模型与步骤a得到的dqn模型相同，是由dqn模型复制得到，目标dqn模型用于稳定训练...

【专利技术属性】
技术研发人员：赵敏，邱志坚，段玉龙，杨硕，
申请(专利权)人：融鼎岳北京科技有限公司，
类型：发明
国别省市：