基于深度增强学习的网络拥塞链路诊断方法及系统

摘要

本发明公开了一种基于深度学习的网络拥塞链路诊断方法及系统，通过DQN将增强学习与深度学习结合起来，利用其面对高维状态时的优势，采用基于状态‑动作‑奖励的策略来构建标签的Q‑Learning学习方式，进行拥塞链路诊断。本发明中DQN的增强学习部分将状态定义为一个由链路和经过该链路的所有路径的拥塞状态集合组成的二元组；动作定义为依据路径的拥塞状态集合来猜测该链路是否拥塞；奖励定义为猜对为正奖励和猜错时为负奖励，而本发明中DQN的深度学习部分则采用深度卷积神经网络等深度神经网络。如此，DQN通过不断地迭代，自主学习网络拥塞路径与网络拥塞链路之间的关联关系，实现对网络拥塞链路的准确诊断，且本发明诊断性能优秀。