.png){kind=icon}
返回
Research on an improved proximal policy optimization-based routing optimization algorithm for multidirectionally controllable optical switching networks
.png){kind=icon}
PRE
AI
DOI：10.1117/1.oe.65.5.058105.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光子片上网络（PNoC）对于高速互连至关重要；然而，其可扩展性受限于传输损耗。为解决这一问题，我们提出了一种多方向可控和可重构的六边形光开关网络。所提出的架构旨在解决传统光网络中路由灵活性不足的问题，这是由于路径多样性有限和传输方向受限所致。基于该架构，我们提出了一种基于近端策略优化算法（PPO）的路径优化算法，命名为鲁棒探索近端策略优化（REPPO）。为应对六边形网络中路由探索效率低和训练不稳定等挑战，REPPO将策略优化与鲁棒探索机制相结合，旨在通过动态路由搜索最小化传输损耗。仿真结果表明，在3×3和8×8网络规模下，REPPO分别实现了5.01 dB和12.56 dB的平均累积传输损耗。与主流深度强化学习算法相比，REPPO在保持100%路由成功率的同时，将传输损耗降低了7.2%至21.5%。此外，REPPO仅需约2000个训练周期即可达到稳定收敛。我们为大尺度PNoC的低损耗、高可靠性路由优化提供了一种有效解决方案。
Keyword:
photonic network-on-chip
proximal policy optimization
transmission loss
multidirectionally controllable
期刊
O
IF:
1.2
论文数:
217
被引数:
1.1W
机构
引用论文
暂无论文信息