基于强化学习理论的网络拥塞控制算法研究(李鑫)推荐.pptVIP

系统仿真 5 基于遗传算法的模糊Q-学习AQM控制器的设计 图5.3 本章算法缓冲队列仿真结果 图5.2 上一章算法缓冲队列仿真结果 小结 利用模糊推理实现了对连续状态空间的描述，使控制效果更加精确； 利用参数q的变化量计算适应度函数，基于遗传算法改进了动作选择策略。 5 基于遗传算法的模糊Q-学习AQM控制器的设计 6 基于价格机制的Nash Q-学习流量控制器的设计 合作用户：均分网络资源 非合作用户：竞争网络资源 图6.1 收益函数性质 (6.1) 定义第i个用户的奖赏函数为 (6.2) 为用户i以速率 发送数据所获得的收益，定义为 基于价格机制的奖赏函数设计 图6.2 价格策略函数曲线 6 基于价格机制的Nash Q-学习流量控制器的设计 控制器的设计 6 基于价格机制的Nash Q-学习流量控制器的设计 ：有限的状态集，即网络的状态 的集合； ：有限的动作集，即第i个用户发送速率 的集合，这里取为 ； ：第i个用户获得的即时奖赏值。 (6.9) 为了实现用户个体收益与网络整体性能之间的平衡，将Nash平衡思想引入到Q-函数值的学习过程中，用户i的Q-函数值更新如下 6 基于价格机制的Nash Q-学习流量控制器的设计 参数选择为 (6.15) 为了扩展搜索空间，利用 和 产生随机控制量 ，其概率密度函数为 (6.16) 系统仿真 图6.3 缓冲队列仿真结果 图6.4 各用户发送速率选择概率仿真结果 6 基于价格机制的Nash Q-学习流量控制器的设计 小结 基于价格机制设计了奖赏函数； 学习过程中基于Nash平衡思想，实现了用户个体收益与网络整体性能之间的平衡。 6 基于价格机制的Nash Q-学习流量控制器的设计 7 基于Q-学习的路由算法 基于记忆的Q-学习路由算法 在学习过程中定义 ：路径 所对应的Q-函数值 ：路径 所对应的Q-函数值曾经获得的最优值 ：路径 的恢复速率 ：路径 所对应的Q-函数值上次更新的时间 (7.26) 路径 所对应的Q-函数值更新如下 发生拥塞的路径 重新被选择 恢复 7 基于Q-学习的路由算法 (7.27) 路径 所对应的Q-函数值的最优值为 (7.29) 如果 ，则路径 的恢复速率为 (7.28) (7.30) 如果 ，则路径 的恢复速率为 (7.32) 路径 的路由选择依据为 7 基于Q-学习的路由算法 系统仿真 图7.1 平均传输时延仿真结果 图7.2 传输时延抖动仿真结果 小结 通过Q-学习实现路由选择； 通过记忆路径曾经获得的最优Q-函数值和路径的恢复速率，使曾经发生拥塞的路径在恢复后重新获得被选择利用的机会。 7 基于Q-学习的路由算法 结论与展望 本文研究的主要结论 TCP网络 基于Metropolis规则的Q-学习AQM控制器 (第4章) 基于遗传算法的模糊Q-学习AQM控制器 (第5章) 基于Q-学习的路由算法 (第7章) QoS路由 基于价格机制的Nash Q-学习流量控制器 (第6章) 非合作用户 ATM网络 基于递归最小二乘的Q-学习 ABR控制器 (第3章) 基于模拟退火的分层强化学习ABR控制器(第2章) 研究路由器中多种资源的联合分配； 研究多种不同的数据流如何公平地享用带宽； 区分服务网络的控制是下一步将要研究的课题。 如何解决无线网络的拥塞控制问题。 结论与展望 未来工作展望 基于强化学习理论的网络拥塞控制 算法研究 答辩人： 李 鑫 导 师： 张嗣瀛 院士 绪论 主要工作 结论与展望 计算机网络飞速发展 网络拥塞的发生 网络拥塞控制 网络负载超出了网络资源容量和处理能力 存储空间不足 带宽容量不足 处理器速度慢 原因 1 绪论 无限增加网络资源 基于控制理论的拥塞控制方法 网络拥塞控制 TCP网络队列管理算法 ATM网络ABR流量控制 主动队列管理 显示速率反馈 1 绪论 路由选择 呼叫允许控制 流量控制 基于数学模型的拥塞控制方法 基于强化学习理论的拥塞控制方法