基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出基于人工智能技术的多智能体服务链资源调度架构,设计一种基于强化学习的服务链映射算法.通过Q-learning的机制,根据系统状态、执行部署动作后的奖惩反馈来决定服务链中各虚拟网元的部署位置.实验结果表明,与经典算法相比,该算法有效降低了业务的平均传输延时,提升了系统的负载均衡情况.
推荐文章
基于深度强化学习的服务功能链映射算法
网络功能虚拟化
服务功能链
深度强化学习
网络时延
网络运维开销
基于资源拆分的虚拟网络功能服务链映射算法
虚拟网络映射
网络功能虚拟化
虚拟网络功能服务链
资源拆分
云计算
基于核方法的强化学习算法
强化学习
核方法
马尔科夫决策过程
Q-learning
mountiain car
基于个性的群体强化学习算法
个性
Agent
群体强化学习
RoboCup
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于强化学习的服务链映射算法
来源期刊 通信学报 学科 工学
关键词 网络功能虚拟化 人工智能 服务链 强化学习
年,卷(期) 2018,(1) 所属期刊栏目 学术论文
研究方向 页码范围 90-100
页数 11页 分类号 TP302
字数 9160字 语种 中文
DOI 10.11959/j.issn.1000-436x.2018002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄韬 北京邮电大学网络与交换技术国家重点实验室 61 544 10.0 21.0
2 刘江 北京邮电大学网络与交换技术国家重点实验室 26 295 8.0 16.0
3 魏亮 北京邮电大学网络与交换技术国家重点实验室 8 189 5.0 8.0
4 刘韵洁 北京邮电大学网络与交换技术国家重点实验室 29 387 9.0 19.0
5 张娇 北京邮电大学网络与交换技术国家重点实验室 8 55 5.0 7.0
6 王泽南 北京邮电大学网络与交换技术国家重点实验室 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (6)
同被引文献  (4)
二级引证文献  (16)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(5)
  • 参考文献(5)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(12)
  • 引证文献(2)
  • 二级引证文献(10)
2020(9)
  • 引证文献(3)
  • 二级引证文献(6)
研究主题发展历程
节点文献
网络功能虚拟化
人工智能
服务链
强化学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通信学报
月刊
1000-436X
11-2102/TN
大16开
北京市丰台区成寿路11号邮电出版大厦8层
2-676
1980
chi
出版文献量(篇)
6235
总下载数(次)
17
总被引数(次)
85479
论文1v1指导