一种基于深度强化学习的关键流路由优化方法

本发明提供了一种基于深度强化学习的关键流路由优化方法，属于流量工程领域。在路由开销的约束下，考虑选取总流量中的一部分作为关键流并进行重路由，以最小化最大链路利用率与降低时延为目的。将流量矩阵、拓扑矩阵以及特征矩阵拼接作为输入，通过包含K跳外围子图的图神经网络进行更高维度的特征提取。针对离散动作空间域与最大熵问题，利用离散化软行为者‑评论者获得关键流的最优选取，并最终通过线性规划约束进行求解得到最优路由方案。仿真结果表明，所提算法相比于传统算法和其他强化学习算法，具有更好的时延性能和适应动态网络拓扑的能力。