科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对于数据中心网络不均衡的流量分布，和在使用固定功能交换机的软件定义网络中部署强化学习模型时，不能精确感知网络状态导致的路由决策偏差问题，设计了一种在具有可编程数据平面的软件定义网络中，基于深度确定性策略梯度（DDPG）强化学习模型的路由优化方法。通过在可编程数据平面自定义数据包处理逻辑，获取细粒度、高精度的网络状态参数，然后在控制平面使用DDPG模型根据网络状态参数确定多条可选路径的链路权值，并为数据流选择具有最大综合剩余负载能力的路由路径，最后以源路由的方式下发流表。实验结果表明，该方法可以在较高的带宽需求下提高网络吞吐量和链路利用率，降低端到端传输时延和南向通信开销。
- 出版日期2020-12-22
- 单位武汉大学; 中国舰船研究设计中心
