基于强化学习的SDN路由优化算法

• 作者: 车向北 康文倩 欧阳宇宏 杨柯涵 李剑
• 来源期刊: 计算机工程与应用
• 关键词: 软件定义网络 强化学习 SDN路由优化
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 网络、通信与安全|Network, Communication and Security
• 页码范围: 93-98
• 页数: 6页
• 分类号: TP393.0
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2003-0423

摘要

针对SDN控制器中网络路由的优化问题,基于强化学习中的PPO模型设计了一种路由优化算法.该算法可以针对不同的优化目标调整奖励函数来动态更新路由策略,并且不依赖于任何特定的网络状态,具有较强的泛化性能.由于采用了强化学习中策略方法,该算法对路由策略的控制相比各类基于Q-learning的算法更为精细.基于Omnet++仿真软件通过实验评估了该算法的性能,相比传统最短路径路由算法,路由优化算法在Sprint结构网络上的平均延迟和端到端最大延迟分别降低了29.3％和17.4％,吞吐率提高了31.77％,实验结果说明了基于PPO的SDN路由控制算法不仅具有良好的收敛性,而且相比静态最短路径路由算法与基于Q-learning的QAR路由算法具有更好的性能和稳定性.