买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利基于深度强化学习的数据中心自适应流量控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119182723B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411699131.3，技术领域涉及：H04L47/125；该发明授权基于深度强化学习的数据中心自适应流量控制方法是由王圣凯;何昕;丁乐平;王文彬;王茂林;樊卫北;王俊昌设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本基于深度强化学习的数据中心自适应流量控制方法在说明书摘要公布了：本发明属于数据中心网络流量控制领域，公开了一种基于深度强化学习的数据中心自适应流量控制方法，包括：S1，选取动作空间和状态空间参数；S2，根据动作空间与状态空间，设计奖励函数；S3，统一管理交换机端口队列；S4,获取状态，计算奖励，并更新网络，训练优化网络环境；S5，若交换机端口阈值在多个时间步内均没有产生奖励，说明此阈值与当前网络环境适配，暂停训练，S6，当暂停训练的交换机端口数据累计超过界限时，表征此时可能触发流量控制，恢复对此端口阈值的训练。本发明使交换机的每个端口实现了自适应流量调控，可有效提升网络传输速度，具备收敛快、易部署、适配性强等优点。

本发明授权基于深度强化学习的数据中心自适应流量控制方法在权利要求书中公布了：1.一种基于深度强化学习的数据中心自适应流量控制方法，其特征在于：所述数据中心自适应流量控制方法具体包括以下步骤：步骤1、选取触发流量控制时发送暂停帧的阈值作为动作空间，选取交换机收发数据流量、上游交换机端口暂停时间作为状态空间参数；步骤2、根据动作空间与状态空间，确定动作执行前后网络环境的变化，设计奖励函数，具体包括如下步骤：所述步骤2中根据动作空间与状态空间，确定动作执行前后网络环境的变化，设计奖励函数，具体包括如下步骤：步骤2.1、若一次动作执行后的一个时间步内的接收数据量等于发送数据量或接收数据包数目为0，且没有基于优先级的流量控制触发，则说明此动作对网络没有影响，设置总奖励为0，并直接进入下一次训练；步骤2.2、设置接收奖励：当接收数据包为大流量且接收数据包数目少时，增大基于优先级的流量控制阈值以避免基于优先级的流量控制的触发；当接收数据包多且为小流量时，减小基于优先级的流量阈值，令基于优先级的流量控制提前触发以避免造成更严重的拥塞，通过接收数据包平均大小反映，Dget为接收数据量，Paget为接收数据包数量，平均数据包大，对应为大流量和数据包少的情况，平均数据包小，对应为小流量和数据包多的情况，对比动作执行前后状态变化，设计接收奖励函数： 其中，Dgetp和Dgetc为动作执行前后数据接收量，Pagetp和Pagetc为动作执行前后接收数据包数量，Ap和Ac为前后两次动作；步骤2.3、设置暂停奖励：当数据包多时，延长上游交换机暂停时间利于缓解网络拥塞，用来权衡此暂停时长，并结合动作执行前后的变化来反映当前动作的优劣，设计暂停奖励函数： 其中，Tpausep和Tpausec为动作执行前后时间步内暂停持续时间，Tpause为时间步内暂停持续时间；步骤2.4、设置总奖励：将总奖励设置为接收奖励和暂停奖励的加权函数：R＝ω1×Rget+ω2×Rpause其中，ω1和ω2分别为接收奖励和暂停奖励在总奖励中所占权重；步骤3、设计并部署在交换机上通过执行动作来获取状态并计算奖励加以学习及帮助做出最佳决策的智能体来统一管理交换机端口队列；步骤4、智能体与交换机交互，计算奖励，更新Q网络，训练优化网络环境；步骤5、若训练的交换机端口阈值在多个时间步内均没有产生奖励，说明此阈值与当前网络环境适配，暂停训练以降低交换机性能开销；步骤6、当暂停训练的交换机数据累计超过设定的界限时，此时触发流量控制，恢复对此端口阈值的训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。