基于深度强化学习的网络业务接入和切片资源配置方法

    公开(公告)号:CN116095720A

    公开(公告)日:2023-05-09

    申请号:CN202310219652.3

    申请日:2023-03-09

    Abstract: 本发明公开了一种基于深度强化学习的网络业务接入和切片资源配置方法,包括:将定义好的网络流量切片与事先分类的业务相关联;根据业务的时延和能耗分配切片的通信、计算和存储资源,建立优化目标;将优化目标建模成马尔科夫决策过程,利用训练好的Q‑Learning模型求解得到最优切片接入策略;基于最优切片接入策略,将切片资源分配优化问题建模成马尔科夫决策过程,利用训练好的DDPG模型得到切片的最优资源配置策略。本发明所述方法,比较全面地考虑了各类业务的时延差异,实现了最大化业务的满意度;根据不同的业务资源需求,灵活动态地进行定制化网络资源分配,降低资源浪费,保障用户服务体验和提高网络资源利用率。

    一种SDN网络资源分配方法、系统及存储介质

    公开(公告)号:CN114513816A

    公开(公告)日:2022-05-17

    申请号:CN202210091614.X

    申请日:2022-01-26

    Abstract: 本发明公开了网络资源分配领域的一种SDN网络资源分配方法、系统及存储介质,其中包括:对SVM流量分类模型和路由策略生成模型进行训练;采用预先训练的SVM流量分类模型将数据包流量分为大象流和小鼠流;根据大象流和小鼠流配置不同的路径转发权重;通过预先训练的路由策略生成模型生成大象流和小鼠流转发路径,完成SDN网络负载均衡资源分配;本发明将数据包流量拆分成子流后进行合理分配的路由路径,降低了网络端到端的时延、提高了网络吞吐量、改善了网络拥塞的问题。

    基于深度强化学习的网络业务接入和切片资源配置方法

    公开(公告)号:CN116095720B

    公开(公告)日:2023-07-07

    申请号:CN202310219652.3

    申请日:2023-03-09

    Abstract: 本发明公开了一种基于深度强化学习的网络业务接入和切片资源配置方法,包括:将定义好的网络流量切片与事先分类的业务相关联;根据业务的时延和能耗分配切片的通信、计算和存储资源,建立优化目标;将优化目标建模成马尔科夫决策过程,利用训练好的Q‑Learning模型求解得到最优切片接入策略;基于最优切片接入策略,将切片资源分配优化问题建模成马尔科夫决策过程,利用训练好的DDPG模型得到切片的最优资源配置策略。本发明所述方法,比较全面地考虑了各类业务的时延差异,实现了最大化业务的满意度;根据不同的业务资源需求,灵活动态地进行定制化网络资源分配,降低资源浪费,保障用户服务体验和提高网络资源利用率。

Patent Agency Ranking