基于DQN模型的电力通信光网络路由优化方法

本发明公开了基于DQN模型的电力通信光网络路由优化方法，包括以下步骤：S1、采集电力通信光网络的信息，建立电力通信光网络路由的状态空间、动作空间和奖励函数；S2、根据状态空间、动作空间和奖励函数对DGQN模型进行离线训练，得到训练好的DGQN模型；S3、根据训练好的DGQN模型部署对目标电力通信光网络路由进行优化，并通过在线学习机制更新模型参数。本发明方法利用深度强化学习的自适应学习能力，使得路由决策能够动态适应电力通信光网络中不断变化的流量负载和链路状态，克服了传统静态路由方法无法应对动态环境的缺陷，提高了网络的响应速度和稳定性。