[发明专利]一种基于深度强化学习的虚拟网络映射方法在审
| 申请号： | 201910527463.6 | 申请日： | 2019-06-18 |
| 公开（公告）号： | CN110365568A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 曲桦;赵季红;李明霞;石亚娟;王娇;边江 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | H04L12/46 | 分类号： | H04L12/46 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 安彦彦 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度强化学习的虚拟网络映射方法，包括以下步骤：步骤1，将虚拟网络映射中节点映射问题建模为马尔可夫决策过程；步骤2，在马尔可夫决策过程基础上，利用DDQN算法进行虚拟节点的映射；步骤3，利用最短路径算法进行虚拟网络链路映射：步骤4，更新物理网络资源，包括CPU资源和链路带宽资源。通过这种自适应学习方案，可以通过节约能耗和提高VNR接收率来获得全局最优的映射方法，比传统方法相比，有更好的灵活性。实验表明，该方法能够降低能耗，提高请求接受率并提高长期平均收益。 | ||
| 搜索关键词： | 虚拟网络映射 马尔可夫决策过程 强化学习 映射 物理网络资源 最短路径算法 自适应学习 节点映射 链路带宽 链路映射 请求接受 全局最优 问题建模 虚拟节点 虚拟网络 接收率 算法 能耗 节约 收益 更新 | ||
【主权项】：
1.一种基于深度强化学习的虚拟网络映射方法，其特征在于，包括以下步骤：步骤1，将虚拟网络映射中节点映射问题建模为马尔可夫决策过程；步骤2，在马尔可夫决策过程基础上，利用DDQN算法进行虚拟节点的映射；步骤3，利用最短路径算法进行虚拟网络链路映射：步骤4，更新物理网络资源，包括CPU资源和链路带宽资源。
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西安交通大学，未经西安交通大学许可，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/201910527463.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种高速数据通信总线自适应匹配方法
- 下一篇：报文处理方法、装置及通信设备
