一种基于深度强化学习的在线路由方法及系统

本发明公开了一种基于深度强化学习的在线路由方法及系统，具体为：1、计算源节点到目的节点之间的K条路径；2、预测第n‑1个周期得到的最优路径p的预测性能指标；3、计算第n‑2个周期得到的最优路径y的实际性能指标；4、计算步骤2中预测性能指标和步骤3中实际性能指标之间的相对差异，并根据相对差异更新端到端时延，端到端剩余带宽和端到端丢包率的权重；5、基于步骤4获得的权重更新第n个周期的奖励函数，基于第n个周期的奖励函数，采用SAC算法计算出第ｎ个周期的最优路径，然后转步骤２。本发明可以更快地适应网络环境的变化，获得稳定、最优的路由方案。