DRL-M4MR：一种基于 DQN 深度强化学习的 SDN 智能组播路由方法
网络与互联网体系结构
2022-08-02 v1 人工智能
摘要
传统组播路由方法在构建组播树时存在一些问题，如网络状态信息获取有限、对网络动态复杂变化适应性差、数据转发不灵活。针对这些缺陷，将软件定义网络（SDN）中的最优组播路由问题定制为多目标优化问题，并设计了一种基于深度 Q 网络（DQN）深度强化学习（DRL）方法的智能组播路由算法 DRL-M4MR，以在 SDN 中构建组播树。首先，结合 SDN 的全局视图与控制，设计组播树状态矩阵、链路带宽矩阵、链路延迟矩阵和链路丢包率矩阵作为 DRL 智能体的状态空间。其次，智能体的动作空间为网络中全部链路，并设计动作选择策略在四种情况下将链路加入当前组播树。第三，设计单步与最终奖励函数形式以引导智能体决策构建最优组播树。实验结果表明，与现有算法相比，DRL-M4MR 构建的组播树在训练后能获得更好的带宽、延迟和丢包率性能，并能在动态网络环境中做出更智能的组播路由决策。
引用
@article{arxiv.2208.00383,
title = {DRL-M4MR: An Intelligent Multicast Routing Approach Based on DQN Deep Reinforcement Learning in SDN},
author = {Chenwei Zhao and Miao Ye and Xingsi Xue and Jianhui Lv and Qiuxiang Jiang and Yong Wang},
journal= {arXiv preprint arXiv:2208.00383},
year = {2022}
}