-
公开(公告)号：CN112968834B
公开(公告)日：2022-05-24
申请号：CN202110145046.2
申请日：2021-02-02
申请人： 浙江工商大学 , 杭州迪普科技股份有限公司
IPC分类号： H04L45/12 , H04L45/122 , H04L45/247
摘要： 本发明公开一种基于网络特征的强化学习下的SDN路由收敛方法，该方法将强化学习应用于SDN路由收敛中，使用QLearning算法作为强化学习模型，根据输入的网络拓扑，定义一个方向因子θ来描述路径中每一次转移的方向。根据路径转移过程中θ值来引导强化学习agent探索。在早期的episode中允许agent在探索阶段选择对应θ值为负的动作，而随着episode的不断迭代减少agent探索对应θ值为负的动作的概率。以此来保证在agent从环境中充分获得经验的同时提高探索效率，并减少在训练阶段环路的产生。本发明利用强化学习与网络环境不断交互、调整策略的特点，相比于传统的路由收敛算法，能在路由收敛过程中找到最优路径。
-
公开(公告)号：CN112968834A
公开(公告)日：2021-06-15
申请号：CN202110145046.2
申请日：2021-02-02
申请人： 浙江工商大学 , 杭州迪普科技股份有限公司
IPC分类号： H04L12/707 , H04L12/721 , H04L12/733
摘要： 本发明公开一种基于网络特征的强化学习下的SDN路由收敛方法，该方法将强化学习应用于SDN路由收敛中，使用QLearning算法作为强化学习模型，根据输入的网络拓扑，定义一个方向因子θ来描述路径中每一次转移的方向。根据路径转移过程中θ值来引导强化学习agent探索。在早期的episode中允许agent在探索阶段选择对应θ值为负的动作，而随着episode的不断迭代减少agent探索对应θ值为负的动作的概率。以此来保证在agent从环境中充分获得经验的同时提高探索效率，并减少在训练阶段环路的产生。本发明利用强化学习与网络环境不断交互、调整策略的特点，相比于传统的路由收敛算法，能在路由收敛过程中找到最优路径。
-
公开(公告)号：CN112887202A
公开(公告)日：2021-06-01
申请号：CN202110145082.9
申请日：2021-02-02
申请人： 浙江工商大学
IPC分类号： H04L12/703 , H04L12/753
摘要： 本发明公开一种基于子拓扑网络的SDN链路故障网络收敛方法，该方法在SDN控制器获得网络全局信息和故障后，利用当前网络的剩余链路带宽，规划一张内嵌于网络拓扑的子拓扑网络。该子拓扑网络由几个枢纽节点和枢纽节点之间的路径组成。非枢纽节点通过依附的枢纽节点进出该子网络。本发明方法通过组建得用于故障收敛的子网络，支持多条流同步收敛操作，且缩小了操作的网络拓扑尺寸，有效减少了增删流表的数量，同时可以保证转移路径的质量，缩短收敛时间。在充分利用SDN以及子拓扑网络架构优势下，提供了一个链路故障恢复的方法。
-
公开(公告)号：CN112887202B
公开(公告)日：2022-05-27
申请号：CN202110145082.9
申请日：2021-02-02
申请人： 浙江工商大学
摘要： 本发明公开一种基于子拓扑网络的SDN链路故障网络收敛方法，该方法在SDN控制器获得网络全局信息和故障后，利用当前网络的剩余链路带宽，规划一张内嵌于网络拓扑的子拓扑网络。该子拓扑网络由几个枢纽节点和枢纽节点之间的路径组成。非枢纽节点通过依附的枢纽节点进出该子网络。本发明方法通过组建得用于故障收敛的子网络，支持多条流同步收敛操作，且缩小了操作的网络拓扑尺寸，有效减少了增删流表的数量，同时可以保证转移路径的质量，缩短收敛时间。在充分利用SDN以及子拓扑网络架构优势下，提供了一个链路故障恢复的方法。
-
-
-
搜索结果
4 条记录 (耗时 0.088 秒)
