-
公开(公告)号：CN115037628B
公开(公告)日：2023-08-22
申请号：CN202210562305.6
申请日：2022-05-23
Applicant: 郑州轻工业大学
IPC: H04L41/0895 , H04L41/16
Abstract: 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法，步骤为：建立SFC映射模型，将SFC映射过程分为三层结构并进行抽象参数表示；搭建SFCR映射学习神经网络，并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值；构建经验回放池并对网络参数更新；基于经验回放池中数据，统计不同VNF的请求率、使用率及现有部署数量和未激活个数；设计VNF再部署策略，根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势，能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题；具有良好的自适应性，能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。
-
公开(公告)号：CN114884895B
公开(公告)日：2023-08-22
申请号：CN202210483572.4
申请日：2022-05-05
Applicant: 郑州轻工业大学
IPC: H04L47/2441 , H04L45/30 , H04L45/00 , G06N3/0464
Abstract: 本发明提出了一种基于深度强化学习的智能流量调度方法，其步骤为：实时采集数据中心网络拓扑中的流，根据不同类型的流特征将流分成大象流或老鼠流；分别建立大象流和老鼠流的节能和性能为联合优化目标的流量调度模型；建立基于CNN改进的DDPG智能路由流量调度框架并进行环境交互；状态映射：将三种状态信息共同作为状态集合CNN进行训练；动作映射：动作设置为流在时间和空间上均匀传输情况下每条路径节能和性能综合的权重，根据权重分别选取大象流或老鼠流的传输路径；奖励值映射：分别设计大象流和老鼠流的奖励值函数。本发明具有较好的收敛效率，有效提高了节能百分比和时延、吞吐量、丢包率等网络性能。
-
公开(公告)号：CN114884895A
公开(公告)日：2022-08-09
申请号：CN202210483572.4
申请日：2022-05-05
Applicant: 郑州轻工业大学
IPC: H04L47/2441 , H04L45/30 , H04L45/00 , G06N3/04
Abstract: 本发明提出了一种基于深度强化学习的智能流量调度方法，其步骤为：实时采集数据中心网络拓扑中的流，根据不同类型的流特征将流分成大象流或老鼠流；分别建立大象流和老鼠流的节能和性能为联合优化目标的流量调度模型；建立基于CNN改进的DDPG智能路由流量调度框架并进行环境交互；状态映射：将三种状态信息共同作为状态集合CNN进行训练；动作映射：动作设置为流在时间和空间上均匀传输情况下每条路径节能和性能综合的权重，根据权重分别选取大象流或老鼠流的传输路径；奖励值映射：分别设计大象流和老鼠流的奖励值函数。本发明具有较好的收敛效率，有效提高了节能百分比和时延、吞吐量、丢包率等网络性能。
-
公开(公告)号：CN115037628A
公开(公告)日：2022-09-09
申请号：CN202210562305.6
申请日：2022-05-23
Applicant: 郑州轻工业大学
IPC: H04L41/0895 , H04L41/16
Abstract: 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法，步骤为：建立SFC映射模型，将SFC映射过程分为三层结构并进行抽象参数表示；搭建SFCR映射学习神经网络，并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值；构建经验回放池并对网络参数更新；基于经验回放池中数据，统计不同VNF的请求率、使用率及现有部署数量和未激活个数；设计VNF再部署策略，根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势，能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题；具有良好的自适应性，能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。
-
-
-
Search Results
4
records
(took 0.021 seconds)
