一种基于深度强化学习的自动网络配置方法、装置和设备

本发明公开了一种基于深度强化学习的自动网络配置方法、装置和设备。首先收集网络管理者的配置需求，以构建配置需求图；再通过构建一个基于图注意力网络(GAT)模型的网络配置预测器，从而输出所有未知参数潜在参数值的概率分布；在训练GAT模型时，开发了一种有针对性的训练策略，以提升模型的预测能力。接着，设计了一个基于深度强化学习的优化器，利用深度确定性策略梯度(DDPG)算法寻找最优解，以达到最大化满足网络规范的目标。本发明的方法不仅显著提升了网络配置的规范一致性(网络配置满足网络规范的程度)，而且增强了模型在应对网络状态变化和潜在的不可满足的网络规范时的鲁棒性。