已閱讀1頁，還剩70頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、SDN(Software Defined Networking)作為一種新型的網(wǎng)絡架構，具有轉(zhuǎn)發(fā)與控制分離的特性，集中式控制也給網(wǎng)絡管理帶來了極大的便利。如何為數(shù)據(jù)包找到合適的轉(zhuǎn)發(fā)路徑，充分高效地利用SDN中每條數(shù)據(jù)鏈路，是當前研究的熱點課題。
本文將強化學習算法應用到SDN網(wǎng)絡路由規(guī)劃中。強化學習算法是人工智能領域，通過智能體自主探索系統(tǒng)環(huán)境獲取經(jīng)驗后動態(tài)優(yōu)化性能的算法。本文以QLearning和Q（λ）算法作為強化學習算法
2、的代表，提出了基于QLearning和Q(λ)的路由規(guī)劃算法。本文基于一定的鏈路QoS標準，如鏈路可用帶寬、延遲抖動和丟包率來衡量基于強化學習路由算法的性能，實驗結果表明基于QLearning和Q(λ)的路由規(guī)劃算法均能找到滿足QoS性能較優(yōu)的轉(zhuǎn)發(fā)路徑。
基于QLearning和Q(λ)的路由規(guī)劃算法，存在需要人工設計特征的缺陷。實際應用環(huán)境中，系統(tǒng)狀態(tài)往往繁多復雜，實驗特征也難于提取。對此，本文將深度學習算法與強化學習算法相
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于云平臺的光纖路由規(guī)劃算法研究.pdf
- 基于強化學習的Ad Hoc網(wǎng)絡QoS路由算法研究.pdf
- 基于和覆蓋的SDN路由算法研究.pdf
- 基于SDN的天基網(wǎng)路由算法研究.pdf
- 基于試錯學習的強化學習算法的研究.pdf
- 基于d的auv路徑規(guī)劃算法研究
- 基于強化學習的SDN數(shù)據(jù)中心網(wǎng)絡擁塞控制方法的研究.pdf
- 路徑規(guī)劃算法的研究.pdf
- 基于時間最短原則的路徑規(guī)劃算法研究.pdf
- 基于強化學習算法的配對交易策略研究.pdf
- 基于動作抽象的分層強化學習算法研究.pdf
- 基于高斯過程回歸的強化學習算法研究.pdf
- 基于模型的動態(tài)分層強化學習算法研究.pdf
- 基于強化學習的改進遺傳算法研究.pdf
- 半定規(guī)劃算法研究.pdf
- 基于擾動的SDN網(wǎng)絡負載均衡路由與流量調(diào)度算法研究.pdf
- 基于rrt的運動規(guī)劃算法綜述
- 基于強化學習算法的電梯調(diào)度系統(tǒng)的研究.pdf
- 整數(shù)規(guī)劃算法效率的研究.pdf
- 基于強化學習算法的多智能體學習問題的研究.pdf
評論
0/150
提交評論