声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 控制层伸缩性概述
1.2.2 架构相关的伸缩技术
1.2.3 机制相关的伸缩技术
1.3 本文主要研究内容
1.4 论文的组织结构
2 相关理论技术介绍
2.1 SDN简介
2.1.1 SDN的架构和原理
2.1.2 SDN的特点和应用
2.2 OpenFlow协议简介
2.2.1 OpenFlow交换机的基本组成
2.2.2 OpenFlow协议工作原理
2.3 深度强化学习简介
2.3.1 强化学习
2.3.2 深度学习
2.3.3 深度Q-学习算法原理
2.4 本章小结
3 基于非合作博弈的动态交换机迁移机制研究
3.1 问题概述
3.2 控制器负载模型
3.3 整体方案
3.3.1 负载均衡监测
3.3.2 交换机迁移方案
3.3.3 算法分析
3.4 仿真实验与性能分析
3.4.1 仿真实验环境
3.4.2 仿真实验对比指标
3.4.3 负载均衡
3.4.4 资源利用率
3.5 本章小结
4 基于深度Q-学习的交换机迁移方案
4.1 问题概述
4.2 整体方案
4.2.1 网络状态描述和迁移动作空间
4.2.2 奖励函数设计
4.2.3 深度Q网络整体架构
4.2.4 基于深度Q学习的迁移方案
4.3 算法的设计与实现
4.3.1 深度Q-学习算法
4.3.2 基于keras的算法实现
4.4 仿真实验结果分析
4.4.1 实验环境设置
4.4.2 实验结果分析
4.5 本章小结
结论
参 考 文 献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书
大连理工大学;