申请/专利权人：鹏城实验室

申请日：2022-12-28

公开（公告）日：2024-04-05

公开（公告）号：CN116232998B

主分类号：H04L47/10

分类号：H04L47/10;H04L43/0852;H04L43/16;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.06.23#实质审查的生效;2023.06.06#公开

摘要：本发明公开了一种基于深度强化学习的网络拥塞控制方法、系统及相关设备，方法包括：获取待控制网络在当前控制周期的往返时延值和往返时延动态阈值，并获取待控制网络在上述当前控制周期的安全标记；根据安全标记获取当前控制周期中深度强化学习模型的熵值；获取待控制网络对应的网络状态数据；当安全标记是安全时，根据当前控制周期和预设的周期轮转规则获取当前周期控制主体，根据当前控制周期中深度强化学习模型的熵值、网络状态数据和当前周期控制主体对待控制网络进行网络拥塞控制，当前周期控制主体是预设拥塞控制算法和深度强化学习模型中的一种。本发明利于提高网络拥塞控制的准确性。

主权项：1.一种基于深度强化学习的网络拥塞控制方法，其特征在于，所述方法包括：获取待控制网络在当前控制周期的往返时延值和往返时延动态阈值；根据所述往返时延值和所述往返时延动态阈值获取所述待控制网络在所述当前控制周期的安全标记，其中，所述安全标记是安全或危险；根据所述安全标记获取所述当前控制周期中深度强化学习模型的熵值，其中，所述熵值是该深度强化学习模型的决策动作偏移幅度修正值；获取所述待控制网络对应的网络状态数据；当所述安全标记是安全时，根据所述当前控制周期和预设的周期轮转规则获取当前周期控制主体，根据所述当前控制周期中深度强化学习模型的熵值、所述网络状态数据和所述当前周期控制主体对所述待控制网络进行网络拥塞控制，其中，所述当前周期控制主体是预设拥塞控制算法和所述深度强化学习模型中的一种。

全文数据：

权利要求：

百度查询： 鹏城实验室 基于深度强化学习的网络拥塞控制方法、系统及相关设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD