一种基于深度强化学习的服务功能链资源动态调整方法

本发明公开了一种基于深度强化学习的服务功能链(SFC)动态调整方法，属于网络功能虚拟化(NFV)编排领域，所述基于深度强化学习的SFC动态调整方法包括：步骤1)构建面向数据中心的物理网络模型；步骤2)对数据中心所需要的SFC请求进行建模；步骤3)对SFC动态调整过程建模；步骤4)马尔可夫决策过程(MDP)建模；步骤5)搭建智能SFC动态调整算法(ISFCDAA)模型；步骤6)训练ISFCDAA模型；利用训练好的ISFCDAA进行SFC动态调整。本发明最终可实现数据中心网络中较高服务接受率和长期收益，为网络功能虚拟化编排器(Network Function Virtualization Orchestrator,NFVO)编排器的资源管理提供了有效的解决方案。