[发明专利]基于深度强化学习的流调度方法、装置、设备及介质有效
| 申请号： | 201910074755.9 | 申请日： | 2019-01-25 |
| 公开（公告）号： | CN109614215B | 公开（公告）日： | 2020-10-02 |
| 发明（设计）人： | 刘外喜;沈湘平;陈庆春;唐冬;卢锦杰;刘晓初 | 申请（专利权）人： | 广州大学 |
| 主分类号： | G06F9/48 | 分类号： | G06F9/48 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李君;裘晖 |
| 地址： | 510006 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度强化学习的流调度方法、装置、设备及介质，所述方法包括：构建面向流调度的深度强化学习架构，设计一种新型的参数(ROC AUC)作为该架构的奖励函数，以引导其代理帮助网络同时实现老鼠流的时限要求满足率最大化和大象流的流完成时间最小化；该架构为老鼠流、未知大小的大象流和已知大小的大象流建立三个相应的专用链路集，并根据流量的跨时空变化，为每个专用链路集分配带宽；在三个专用链路集内，针对老鼠流设计了基于优先级的机制进行调度，针对未知大小的大象流设计了基于稳定匹配的流调度方法进行调度，针对已知大小的大象流设计了基于比例分配的流调度方法进行调度，仿真实验结果证明与以前工作相比具有较大的优势。 | ||
| 搜索关键词： | 基于 深度 强化 学习 调度 方法 装置 设备 介质 | ||
【主权项】：
1.一种基于深度强化学习的流调度方法，其特征在于，所述方法包括：构建面向流调度的深度强化学习架构；利用深度强化学习架构为老鼠流、未知大小的大象流和已知大小的大象流建立三个相应的专用链路集，并根据流量的跨时空变化，为每个专用链路集分配带宽；在三个专用链接集内，采用基于优先级的机制对老鼠流进行调度，采用基于稳定匹配的流调度方法对未知大小的大象流进行调度，以及采用基于比例分配的流调度方法对已知大小的大象流进行调度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州大学，未经广州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910074755.9/，转载请声明来源钻瓜专利网。
