一种基于深度强化学习的最优流量分割的方法和系统

摘要

本发明涉及通信领域，特别是涉及一种基于深度强化学习的最优流量分割的方法和系统。主要包括：获取所有需要进行流量分割的路由器的当前状态，建立路由器状态矩阵；使用每次流量分割后的全部路由器状态矩阵迭代建立训练数据集，训练数据集的输出为全网链路的状态四元组；以流量规划后指定数量周期中每个路由器的平均吞吐量之和为Reward，对强化学习模型进行训练，使用训练后的模型对每一个路由器进行流量分割；根据流量分割将数据包发送至下一路由器节点后，获取下一时刻路由器状态矩阵，对训练数据集进行迭代更新，并使用更新后的训练数据集重新训练模型。本发明可以根据网络中所有链路的变化实现动态规划，获取长期受益最高的流量分割方案。