本发明公开了一种基于图神经网络和深度强化学习的路由优化方法及系统,属于网络路由优化领域。方法包括测量当前网络状态s,根据当前网络状态请求分配的流量需求,选取k条源节点到目标节点的最短路径,作为动作集a;将动作集a输入至图神经网络,聚合链路特征并迭代更新,经Q函数得到网络状态s和动作集a的估计Q值;根据估计Q值进行深度强化学习得到当前网络状态下的路由策略,将路由策略反馈给网络拓扑执行相应的路由动作。本发明提出了基于图神经网络和深度强化学习的网络路由优化体系结构,旨在利用图神经网络学习拓扑中图元素之间的关系以及组成它们的规则,利用深度强化学习算法进行决策,从而优化网络路由。
声明:
“基于图神经网络和深度强化学习的路由优化方法及系统” 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)