一种基于迭代学习的大规模光网络资源分配方法

本发明提供一种基于迭代学习的大规模光网络资源分配方法，包括：初始化光网络拓扑和各链路频谱资源状态；每个节点的节点特征编码和每条链路的链路特征编码初始化；根据当前网络状态，动态更新vi、ej以及当前业务请求，同时生成对应Agent的输入状态SI；所述该输入状态SI被送入Agent中，作为决策的依据；逐步构建符合光路约束的可行解；强化学习所述决策；为动作计算奖励值R；更新后的奖励值R用于进一步优化Agent的决策；EGAT模型训练与优化；EGAT模型评估与仿真；结合迭代学习逐步构建服务分配策略，能够有效应对大规模网络拓扑变化，显著提高调度的全局性能与效率。