一种基于深度强化学习的多纤芯频谱分配方法组成比例

本发明专利技术涉及一种基于深度强化学习的多纤芯频谱分配方法，应用于光通信领域的空分复用弹性光网络。本发明专利技术在将深度强化学习应用于空分复用弹性光网络的同时，设计一种多纤芯频谱分配子算法。首先，将业务请求信息与当前光网络中频谱使用状况作为深度强化学习中智能体的输入。其次，智能体在动作空间中选择一条路径中的一条纤芯，若该纤芯有满足业务需求的频谱资源，则直接分配相应频谱给业务；若频谱资源不足，则启动多纤芯频谱分配子算法。子算法通过将业务分割为更小的子业务，并将这些子业务分配在同一条路径的多个纤芯中，进一步利用频谱碎片，从而提高频谱资源的利用效率，减少业务阻塞率。

【技术实现步骤摘要】

本专利技术涉及光通信领域，尤其涉及空分复用弹性光网络的频谱资源分配，具体涉及一种基于深度强化学习的路由、调制、纤芯和频谱分配方法。

技术介绍

1、近年来提出的基于正交频分复用(orthogonal frequency divisionmultiplexing,ofdm)的弹性光网络(elastic optical networks,eons)已被证明是高速光通信的一个很有前景的选择，它可以根据业务带宽需求将频谱分配给光路。但是随着5g技术的到来，光网络消耗的带宽资源持续增长，使用单芯光纤的eons已达到其本身的物理极限，于是空分复用弹性光网络(space division multiplexing elastic opticalnetworks,sdm-eons)被广泛研究，它将弹性光网络拓展到空间域，增加了传输能力，但由于其引入了空间维度，因此也会引入新的问题。首先，基于ofdm弹性光网络中的路由、调制和频谱分配(routing,modulation and spectrum assignment,rmsa)问题就扩展成为路由、调制、纤芯和频谱分配(ro本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的多纤芯频谱分配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度强化学习的多纤芯频谱分配方法，其特征在于，在步骤S1中，构建输入状态Is包括：

3.根据权利要求1所述的一种基于深度强化学习的多纤芯频谱分配方法，其特征在于，在步骤S2中，智能体根据输入状态从动作空间选择一个动作进行频谱资源分配包括：

4.根据权利要求1所述的一种基于深度强化学习的多纤芯频谱分配方法，其特征在于，在步骤S3中，进行多纤芯频谱分配子算法包括：

【技术特征摘要】

1.一种基于深度强化学习的多纤芯频谱分配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度强化学习的多纤芯频谱分配方法，其特征在于，在步骤s1中，构建输入状态is包括：

3.根据权利要求1所述的一种基于深度强...

【专利技术属性】
技术研发人员：张盛峰，张晓斌，张浩，沈燕红，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：