摘要
本申请提供了一种基于深度强化学习的服务网络调度方法,该方法包括获取目标用户节点的服务请求;将服务请求输入到训练完成的网络服务资源调度模型中得到资源调度策略;基于资源调度策略及服务请求获取目标服务节点的网络服务资源;将目标服务节点的网络服务资源按照服务质量等级及传输路径发送给目标用户节点。本发明通过利用网络的族群特性,将其划分为由社团组成的动态服务网络,在该网络结构基础上,通过网络服务资源调度模型能够进行合理的资源分配,包括服务节点选择、路径规划和服务等级的选择,从而有效地减少服务时延、降低资源运输成本,并提高服务质量和网络服务资源调度的效率。
技术关键词
资源调度策略
动态服务网络
节点
资源调度模型
深度强化学习
传输路径
时延
收入
通信接口
可读存储介质
存储器
处理器
调度装置
表达式
模块
资源分配
网络结构
系统为您推荐了相关专利信息
电力负荷预测方法
互补集合经验模态分解
小波阈值降噪
深度强化学习
噪声滤波
蜂窝MIMO系统
蜂窝接入系统
接入点
消息传递算法
矩阵
蜕变关系
深度强化学习模型
无标签数据
网络
验证修复方法
项目管理平台
智能建造技术
项目施工进度
管控方法
计划
交通流预测方法
注意力机制
训练集
动态
空间特征提取