本发明公开了一种基于深度强化学习的时间敏感网络通信流调度方法,其步骤如下:通过构筑基础、系统建模、系统框架、时隙选择、状态建模、动作建模、环境建模、深度神经网络来实现整体的构成,并通过错误恢复、实验论证和实验对象对整体进行检测,保证整体的正常使用。该基于深度强化学习的时间敏感网络通信流调度方法,提出了一种适用于TS流调度的基于DRL的建模、训练和应用方法,使用不同的数据训练就能够应用在不同的网络环境,且提出了一些优化方法,使用有向图表达网络信息使得DRLS能够动态的调度TS流并且能够在网络拓扑变化时迅速恢复,控制门技术的使用缓解了DNN的不确定性并且提高了调度方法的调度能力和可靠性。
声明:
“基于深度强化学习的时间敏感网络通信流调度方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)