一种基于最大熵与多智能体的虚拟网络映射方法

本发明公开了一种基于最大熵与多智能体的虚拟网络映射方法，包括以下步骤：S1、获取虚拟网络请求：获取车联网环境中的多个虚拟网络请求，包括事件触发流量和时间触发流量；S2、多智能体强化学习映射：利用基于多智能体的柔性演员评论家强化学习算法，对虚拟网络请求进行节点和链路映射，本发明中AME算法在车联网的动态拓扑网络中表现出了较好的性能和适应性，特别是在高动态环境下，通过最大熵探索和注意力机制的结合，有效提高了系统对全局资源的把控能力，提升了对关键信息的处理能力，多智能体能够学习如何在复杂环境中更有效地合作或竞争，优化了整个系统的性能，特别是在处理时间触发流量时，确保了严格的周期性和可调度性。