公开(公告)号：CN120075121A

公开(公告)日：2025-05-30

申请号：CN202510518347.3

申请日：2025-04-24

Applicant: 南京信息工程大学

Inventor： 潘成胜 ,  杨子豪 ,  石怀峰 ,  雷东兴 ,  陆煌杰 ,  刘家豪

IPC: H04L45/02 ,  H04L45/12 ,  H04L45/302 ,  H04L45/24 ,  H04L45/76 ,  G06N3/092 ,  G06N3/0985

Abstract: 本发明公开了基于多智能体深度强化学习的通信网络多径路由选择方法，包括利用Mininet和Ryu软件构建软件定义网络，利用该网络模拟通信网络，通信网络的拓扑结构包括节点和节点之间的链路；建立通信网络多径路由算法模型，该模型包括节点部署的智能体，所述智能体为多智能体近端策略优化智能体；通过智能体与软件定义网络的数据交互，对智能体进行训练，得到训练后的智能体，进而得到训练后的通信网络多径路由算法模型；利用训练后的通信网络多径路由算法模型对通信网络的M个异质业务进行路径决策，完成通信网络多径路由的选择。本发明针对通信网络中不同的业务类型具有一定的抗干扰能力，能够保障复杂环境下业务的实时可靠传输。

公开(公告)号：CN119743420A

公开(公告)日：2025-04-01

申请号：CN202510228649.7

申请日：2025-02-28

Applicant: 南京信息工程大学

Inventor： 潘成胜 ,  刘家豪 ,  石怀峰 ,  雷东兴

IPC: H04L45/02 ,  H04L45/12 ,  H04L45/24 ,  H04L45/76 ,  G06N3/092 ,  G06N3/094

Abstract: 本发明公开了一种基于深度强化学习的在线路由方法及系统，具体为：1、计算源节点到目的节点之间的K条路径；2、预测第n‑1个周期得到的最优路径p的预测性能指标；3、计算第n‑2个周期得到的最优路径y的实际性能指标；4、计算步骤2中预测性能指标和步骤3中实际性能指标之间的相对差异，并根据相对差异更新端到端时延，端到端剩余带宽和端到端丢包率的权重；5、基于步骤4获得的权重更新第n个周期的奖励函数，基于第n个周期的奖励函数，采用SAC算法计算出第ｎ个周期的最优路径，然后转步骤２。本发明可以更快地适应网络环境的变化，获得稳定、最优的路由方案。