一种基于Q学习和LSTM神经网络的快速路由决策算法

摘要

本发明公开了一种基于Q学习和LSTM神经网络的快速路由决策算法，该算法主要分为模型训练和动态路由决策两个阶段；模型训练阶段主要是利用启发式算法根据不同的QoS请求计算出满足约束条件的最优或者较优路径。之后将该启发式算法的输入和其相应的输出联合构成机器学习模型的训练集，并以此作为不同路由的目标Q值来对决策模型进行训练。在此基础上，当控制器收到新的QoS请求时，相应的机器学习模型将会把当前的网络状态和请求中的约束条件一同作为模型的输入，通过LSTM和Q学习相结合的路由决策模型快速计算出相应的Q值，完成预测并输出最优路径。该过程所需的时间比起启发式算法的来说将大大缩短，而结果却十分相似。