基于提出的多智能体强化学习算法的SDN中的新智能跨领域路由方法
摘要：跨域智能软件定义网络路由的消息传输和消息同步具有长的自适应时间和较慢的收敛速度，同时传统跨域路由方法存在繁琐的配置和无法灵活获得网络状态信息的缺点。这些缺点使得难以获得全局网络状态信息，无法实时做出最优路由决策，从而影响网络性能。本文提出了一种基于多智能体深度强化学习的跨域智能软件定义网络路由方法。首先，将网络划分为多个子域，由多个本地控制器管理，并通过设计的软件定义网络多线程网络测量机制灵活获取每个子域的状态信息。然后，设计了一个协作通信模块，实现了根控制器和本地控制器之间的消息传输和消息同步，使用套接字技术确保多个控制器之间消息传输的可靠性和稳定性，实现全局网络状态信息的实时获取。最后，通过根控制器和本地控制器中的智能体自适应生成最优的域内和域间路由路径，设计了一种网络流量状态的预测机制，提高了跨域智能路由方法的感知能力，实现了全局网络中实时生成最优的路由路径。实验结果表明，与Dijkstra和OSPF路由方法相比，所提出的跨域智能路由方法可以显著提高网络吞吐量，减少网络延迟和数据包丢失率。
作者：Miao Ye, Linqiang Huang, Xiaofang Deng, Yong Wang, Qiuxiang Jiang, Hongbing Qiu, Peng Wen
论文ID：2303.07572
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-03-15