基于深度强化学习的综合能源业务通道优化机制

• 作者: 吴佳慧 喻鹏 熊翱 颜拥 马庆刘
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 深度强化学习 路径优化 时延 负载均衡
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 论文
• 页码范围: 87-93
• 页数: 7页
• 分类号: TN929.11
• 语种: 中文
• DOI: 10.13190/j.jbupt.2019-103

摘要

为了保障综合能源系统的稳定运行,承载综合能源业务的通信网络需要具备高可靠、低风险等特征.依据综合能源业务的通道要求,提出了一种深度强化学习的算法,旨在对大规模综合能源业务在承载的电力通信网上寻找到整体最优的路径.该方法以整体时延和网络负载均衡度为目标,对网络拓扑进行训练,并保存模型,然后通过迭代学习获取最优的结果.仿真结果表明,该方法找到的路径既可以保证整体时延较短,又可以保证网络的整体负载均衡.同时,在网络规模很大、业务数量很多的情况下,深度强化学习算法可有效提高计算效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊翱	北京邮电大学网络与交换技术国家重点实验室	21	95	6.0	8.0
2	喻鹏	北京邮电大学网络与交换技术国家重点实验室	20	54	4.0	6.0
3	颜拥		14	157	5.0	12.0
4	马庆刘	北京邮电大学网络与交换技术国家重点实验室	1	0	0.0	0.0
5	吴佳慧	北京邮电大学网络与交换技术国家重点实验室	1	0	0.0	0.0