一种基于联邦深度强化学习的虚拟网络嵌入决策方法

本发明涉及网络通信领域，特别涉及一种基于联邦深度强化学习的虚拟网络嵌入决策方法，包括：构建物理网络子图到服务请求子图的映射关系；根据映射关系构建约束条件，将长期平均收入成本比作为优化目标，构建优化问题；将优化问题建模为马尔可夫决策过程；采用近端策略优化的联邦学习算法对智能体进行参数更新，得到优化模型；采用优化模型对马尔可夫决策过程求解，得到最优虚拟网络嵌入决策；本申请提供的虚拟网络嵌入决策方法基于跨天基、空基、地基域的资源协同机制，具备高安全性的特点，能够实现在高网络负载场景下对网络资源的动态编排。