基于深度强化学习的光网络资源分配方法研究

摘要

本文针对弹性光网络的资源分配过程,提出了一种基于强化学习的DQN算法。利用DQN中强化学习的决策能力和神经网络对特征感知能力,将资源分配过程建模成不同的状态和动作集合,通过对网络中的特征提取以及强化学习的训练,获得当前状态下的最佳路径和频谱分配方法。仿真实验结果表明,本文提出的DQN算法模型,不仅可以更好地提高光网络的频谱资源利用率,而且能够有效地降低网络业务阻塞率。