一种云-雾弹性光网络中的深度强化学习流量疏导方法

摘要

本发明提出了一种云‑雾弹性光网络中的深度强化学习流量疏导方法，其步骤为：通过最短路径算法计算业务请求最短路径；将业务路径和按波长切片的网络拓扑转换为图片的形式；用卷积神经网络提取所有图片的特征，用softmax分类器进行分类，将业务请求分配到相应的波长；如果分配到的波长有可用资源，业务请求成功分配，否则根据首次适应方法遍历所有的波长对业务请求进行分配；利用强化学习算法进行评价，更新拓扑的网络状态，生成下一个业务请求的最短路径拓扑图；每当至少三个业务请求分配完成后，更新卷积神经网络。本发明通过强化学习不断地更新网络，使所有业务能够充分利用网络中的端口、收发器和放大器，从而降低网络的总能耗。