arrow
返回

A Software-Defined Networking-Based Computing-Aware Routing Path Selection Method

delete2025-11-18
delete0
delete
OA
AI
吕
吕畅 (Chang Lv)
X
Xianzhi Cao
J
Jiali Li
J
Jian Wang *
DOI:10.3390/electronics14224418delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
随着云计算、边缘计算和物联网的快速发展,传统路由协议(如OSPF)——仅依赖网络拓扑和链路状态而忽视计算能力资源状态——难以满足计算能力网络(CPN)的网络-计算协同需求。现有的基于强化学习的路由方法,尽管融入了深度策略,仍存在资源不平衡等问题。为解决此问题,本研究提出一种基于强化学习的计算感知路由路径选择方法——计算感知路由-强化学习(CAR-RL)算法。该算法通过“计算能力+网络”的多因素联合计算实现网络与计算资源间的协同。算法构建多因素加权马尔可夫决策过程(MDP),通过实时感知网络流量和计算能力状态选择最优计算感知路由路径。在GN4–3N网络拓扑上使用Mininet和K8S模拟进行的实验表明,与Q-Learning、DDPG和CEDRL等算法相比,CAR-RL算法在平均丢包率、平均时延和平均吞吐量方面分别实现了24.7%、35.6%和23.1%的性能提升。本研究不仅为计算能力网络中的计算感知路由选择与优化提供了参考技术实现路径,也推动了网络与计算资源的有效集成。
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Electronics 封面图
Electronics
IF:
2.6
论文数:
1.0W
被引数:
4.7W

机构

暂无机构信息
引用论文

引用论文

err分享
err收藏
DRSIR: A Deep Reinforcement Learning Approach for Routing in Software-Defined Networking
err2022-12-01
err0
errOAAI
errDaniela M. Casas-Velasco; Oscar Mauricio Caicedo Rendon; Nelson L. S. da Fonseca
err分享
err收藏
A comprehensive survey on machine learning for networking: evolution, applications and research opportunities
err2018-06-21
err0
errOAAI
errRaouf Boutaba; Mohammad A. Salahuddin; Noura Limam; Sara Ayoubi; Nashid Shahriar; Felipe Estrada-Solano; Oscar M. Caicedo
err分享
err收藏
DRL-M4MR: An intelligent multicast routing approach based on DQN deep reinforcement learning in SDN
err2022-12-01
err0
errOAAI
errChenwei Zhao; Miao Ye; Xingsi Xue; Jianhui Lv; Qiuxiang Jiang; Yong Wang
err分享
err收藏
学者 查看更多内容