深度学习的异构网络流量智能控制

作     者：黄开天 杨祎巍 洪超 匡晓云 Huang Kaitian;Yang Yiwei;Hong Chao;Kuang Xiaoyun

作者机构：南方电网科学研究院有限责任公司广州510663 

出 版 物：《单片机与嵌入式系统应用》 (Microcontrollers & Embedded Systems)

年 卷 期：2021年第21卷第11期

页      面：10-13页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东省电力系统网络安全企业重点实验室项目(2018B030323022) 南方电网公司科技项目(ZBKJXM20190065,SEPRI-K195049) 

主　　题：人工智能 深度学习 神经网络 异构网络 路由协议 

摘      要：目前对网络流量的智能控制大多采用深度学习技术,然而这些算法的计算复杂度随着网络规模的增大而显著增加,所以适用的网络规模较小。为了解决该问题,提出了一种基于奖励的深度学习结构,该结构分别采用深度卷积神经网络和深度信念网络预测流量负荷值矩阵和构造最终行为矩阵。因此,最终动作空间被简化为下一目的地动作矩阵,并且计算复杂度被显著降低。实验结果表明,与传统的路由方法相比,该方法在大规模网络中的丢包率和吞吐量均有较大的提高。