本发明公开了一种基于深度强化学习的网络负载均衡系统及均衡方法，均衡系统包括控制平面和数据平面，控制平面包括INT模块、网络模块，INT模块通过发送探测包获取网络模块中各个节点上的网络信息，并发送给控制平面；控制平面包括DQN模块、网络状态信息模块、最短路径路由算法模块节点源路由路径更新模块，网络状态信息模块接收控制平面发送的网络信息，并发送给DQN模块；DQN模块输出动作调用dijkstra算法模块进行最优路径的计算，并将节点流表的更新结果传递给网络中相应的节点设备。该方案基于P4的INT技术和人工智能中的深度强化学习Deep Q Network模型实现SDN网络的智能负载均衡，从而实现网络资源的合理利用，有效提高网络效率，减少网络中的拥塞。
声明：
“基于深度强化学习的网络负载均衡系统及均衡方法” 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)
1127
编辑：管理员
来源：北方有色网
咨询细节
