公开(公告)号：CN113193999B

公开(公告)日：2023-12-26

申请号：CN202110475268.0

申请日：2021-04-29

Applicant: 东北大学

Inventor： 宗悦 ,  于尧 ,  徐天明 ,  郭磊

IPC: H04L41/0823 ,  H04L41/0896 ,  H04L41/14 ,  H04L41/50 ,  H04L45/12

Abstract: 本发明提供一种基于深度确定性策略梯度的虚拟网络映射方法，包括以下步骤：S1：将虚拟网络映射问题建模为马尔科夫过程；S2：对当前网络状态，使用深度确定性策略梯度算法进行物理节点的选择，进行虚拟节点映射；S3：对步骤S2中映射的虚拟节点相邻的虚拟链路使用最短路径算法进行链路映射，并在进行链路映射时满足虚拟链路的时延要求；S4：返回当前网络状态对应的奖励值及下一个网络状态，将经验存储到经验库中；深度确定性策略梯度算法智能体从经验库中抽取一批经验进行训练，对深度确定性策略梯度算法中目标网络的参数进行更新。本发明解决了现有技术中的在大规模网络上进行虚拟资源分配时资源利用率有限、不够智能的问题。

公开(公告)号：CN113193999A

公开(公告)日：2021-07-30

申请号：CN202110475268.0

申请日：2021-04-29

Applicant: 东北大学

Inventor： 宗悦 ,  于尧 ,  徐天明 ,  郭磊

IPC: H04L12/24 ,  H04L12/721

Abstract: 本发明提供一种基于深度确定性策略梯度的虚拟网络映射方法，包括以下步骤：S1：将虚拟网络映射问题建模为马尔科夫过程；S2：对当前网络状态，使用深度确定性策略梯度算法进行物理节点的选择，进行虚拟节点映射；S3：对步骤S2中映射的虚拟节点相邻的虚拟链路使用最短路径算法进行链路映射，并在进行链路映射时满足虚拟链路的时延要求；S4：返回当前网络状态对应的奖励值及下一个网络状态，将经验存储到经验库中；深度确定性策略梯度算法智能体从经验库中抽取一批经验进行训练，对深度确定性策略梯度算法中目标网络的参数进行更新。本发明解决了现有技术中的在大规模网络上进行虚拟资源分配时资源利用率有限、不够智能的问题。