基于深度强化学习的数据传输优化研究.pdfVIP

摘要

随着信息与通信技术行业的数据量急剧增长，网络数据传输面临着成本过高、用户体

验不佳等挑战，存在针对能耗、延迟、负载分布等多个关键性能指标的优化需求。为了减

少资源浪费、提高网络服务性能，本文开展了基于深度强化学习的数据传输优化研究，主

要工作如下：

（1）针对数据传输中的能耗激增、延迟过高问题，设计了一个联合优化能耗和延迟

的深度强化学习算法。设计了三层BP神经网络，通过不断学习历史状态和行动序列的数

据来提高预测环境状态的准确率，帮助智能体更好地在复杂的网络环境中进行路由决策。

基于此，利用Q-learning为传输需求寻找路由，让更多的流量通过尽量少的链路和路由器

到达目的地，达到降低能耗和减少延迟的效果。为了提高算法的效率和鲁棒性，基于链路

状态和流量需求设计了一种新的奖励机制，将候选链路分为三个不同的级别进行路径选择，

在确保得到可行解的基础上寻求更优解。通过多个状态步不断更新帕累托解集来逼近最优

解，并利用与参考点之间的欧氏距离来衡量两个目标的优化效果。仿真结果表明，该算法

在满足时延约束和负载均衡要求的同时，在降低能耗、减少网络延迟方面都优于现有算法。

（2）针对数据传输中的能耗激增、负载分布不均衡问题，设计了一个联合优