SDN数据中心网络下基于强化学习的拥塞控制方法的研究

目录

声明

致谢

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 SDN研究现状

1.2.2 数据中心拥塞控制研究现状

1.2.3 数据中心负载均衡研究现状

1.3 主要研究内容

1.4 本文组织结构

2 相关技术概述

2.1 SDN概述

2.1.1 SDN分层及体系架构

2.1.2 OpenFlow协议

2.1.3 SDN前沿

2.2 数据中心网络体系架构概述

2.3 数据中心常见算法概述

2.3.1 数据中心拥塞控制算法

2.3.2 数据中心负载均衡算法

2.4 深度强化学习概述

2.4.1 强化学习

2.4.2 深度学习

2.4.3 深度强化学习

2.5 本章小结

3 基于PERDQN 的拥塞控制算法

3.1 TCP Incast 问题描述

3.2 现有方法的缺陷

3.3 PERDQNCC算法的设计

3.3.1 PERDQN与网络环境的映射

3.3.2 算法流程

3.3.3 算法伪代码

3.4 实验仿真与分析

3.4.1 仿真环境

3.4.2 实验拓扑结构

3.4.3 实验结果及分析

3.5 本章小结

4 基于A2C 的负载均衡算法

4.1 负载均衡建模

4.2 传统负载均衡方案的不足

4.3 A2CLB算法设计

4.3.1 A2C与网络环境的映射

4.3.2 算法流程

4.3.3 算法伪代码

4.4 实验仿真与分析

4.5 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集