一种基于深度强化学习的资源智能联合优化方法

    公开(公告)号:CN119854204A

    公开(公告)日:2025-04-18

    申请号:CN202510315710.1

    申请日:2025-03-18

    Abstract: 本发明公开了一种基于深度强化学习的资源智能联合优化方法,该方法包括如下步骤:步骤1:搭建通信网络拓扑,检测网络拓扑中的数据流量;步骤2:随机产生任务流,在网络拓扑中模拟任务的解析以及发送;步骤3:交换机接收任务并寻找任务的n条简单路径;步骤4:设置约束条件,在n条简单路径中筛选候选路径;步骤5:以总时延最小为目标,在选候选路径中选择最优路径,并为最优路径分配最优计算机资源和通信资源;步骤6:将最优路径每条链路所分配的通信资源下发给交换机实现通信资源分配。本发明提出的方法能够在保证任务时延要求的前提下,有效地容纳更多的并发任务,从而最大化资源利用率。

    一种基于链路分类的非均匀带宽分配方法

    公开(公告)号:CN118118439A

    公开(公告)日:2024-05-31

    申请号:CN202410491110.6

    申请日:2024-04-23

    Abstract: 本发明提供了一种基于链路分类的非均匀带宽分配方法,具体为:步骤1:获取网络拓扑中的数据流量,并计算出每条链路的剩余带宽;步骤2:当发送主机向接受主机发送业务时,交换机解析数据包中数据分组的分组头,根据分组头该交换机在自身的流表中查询该数据分组有无对应流规则,若有,则按照对应的流规则进行业务的发送;否则转步骤3;步骤3:寻找业务传输的所有简单路径;步骤4:将路径上的所有链路分为空闲链路,普通链路和瓶颈链路;并对空闲链路和瓶颈链路分配带宽;步骤5:计算每条路径的权重,选择最优路径;步骤6:对最优路径中的普通链路分配带宽;步骤7:将最优路径每条链路所分配到的带宽下发给交换机实现非均匀带宽分配。

    一种基于链路分类的非均匀带宽分配方法

    公开(公告)号:CN118118439B

    公开(公告)日:2024-07-09

    申请号:CN202410491110.6

    申请日:2024-04-23

    Abstract: 本发明提供了一种基于链路分类的非均匀带宽分配方法,具体为:步骤1:获取网络拓扑中的数据流量,并计算出每条链路的剩余带宽;步骤2:当发送主机向接受主机发送业务时,交换机解析数据包中数据分组的分组头,根据分组头该交换机在自身的流表中查询该数据分组有无对应流规则,若有,则按照对应的流规则进行业务的发送;否则转步骤3;步骤3:寻找业务传输的所有简单路径;步骤4:将路径上的所有链路分为空闲链路,普通链路和瓶颈链路;并对空闲链路和瓶颈链路分配带宽;步骤5:计算每条路径的权重,选择最优路径;步骤6:对最优路径中的普通链路分配带宽;步骤7:将最优路径每条链路所分配到的带宽下发给交换机实现非均匀带宽分配。

Patent Agency Ranking