检索结果-南通市图书馆

智能搜索算法在计算机网络动态路由优化中的应用

引用

集成电路应用 2024年第5期41卷 292-293页

作者：赵峰衡水学院河北053010

阐述智能搜索算法在计算机网络中的应用、动态路由优化的特点。分析智能搜索算法的原理和类型,提出评价智能搜索算法性能的指标和方法,包括延迟、带宽利用率、负载均衡和鲁棒性。

关键词：智能搜索算法动态路由优化计算机网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度强化学习的动态路由优化方法研究

基于深度强化学习的动态路由优化方法研究

引用

作者：胡易律西南交通大学

学位级别：硕士

传统路由算法使用数学模型建模网络环境并计算数据包最优发送路径。这类方法缺乏对网络变动的感知能力,并且当发生网络变动时,需要重新计算所有路由,算法的拓展性不佳,不适用于高动态性的现代网络环境。动态路由优化(Dynamic Routing Op... 详细信息

传统路由算法使用数学模型建模网络环境并计算数据包最优发送路径。这类方法缺乏对网络变动的感知能力,并且当发生网络变动时,需要重新计算所有路由,算法的拓展性不佳,不适用于高动态性的现代网络环境。动态路由优化(Dynamic Routing Optimization)要求路由代理迅速地感知网络拓扑和状态的变化,动态调整自身路由策略,以保持良好的通信质量,对现代通信网络有重要的意义。深度强化学习(Deep Reinforcement Learning,DRL)作为解决动态环境问题的有效方法,在网络通信领域被广泛应用。深度强化学习可以在不具备环境先验信息的情况下,通过与系统环境进行交互,学习环境潜在的规律,高效地解决状态和动作空间复杂的问题,相比数学方法具有部署简单、生效迅速的优势。将深度强化学习技术应用到动态路由优化问题中,可以使路由设备学习网络环境信息,智能地选择数据包发送路径,降低数据包传输时延和丢包率,提高网络通信质量。本文研究集中式动态路由优化问题,提出了一种基于双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic Policy Gradient,TD3)的时空相关性动态路由优化算法。该算法设计了能够兼容网络拓扑和网络基础设备性能差异的性能评价方式,利用卷积神经网络采样网络拓扑的空间相关性特征,利用循环神经网络采样网络流量数据的时间相关性特征,设计注意力机制识别特征中对性能更重要的部分。仿真实验结果表明改进算法优于普通TD3算法、集中式深度Q网络路由算法(Centralized Q-routing)和拥塞控制的置信Q学习路由算法(Congestion Credence Q-Routing,C2Q-routing),能有效降低丢包率和平均通信时延。本文研究分布式动态路由优化问题,提出了一种基于联邦学习的多智能体动态路由优化算法。在分布式路由背景下,网络中通行的流量数据往往是非公开的,算法使用联邦学习实现智能体之间训练成果的共享,避免了智能体间交流数据样本造成的隐私和安全风险。仿真实验结果表明,提出算法在丢包率和平均通信时延上的表现优于多智能体深度确定性策略梯度(Multi-agent Deep Deterministic Policy Gradient,MADDPG)算法、多注意力演员评论家算法(Multi-Actor-Attention-Critic,MAAC)和独立策略的深度Q路由算法(Deep Q Routing),提高了整体网络通信效率。

关键词：动态路由优化深度强化学习多智能体系统联邦学习

来源：

同方学位论文库评论