企业软件定义广域网（SD-WAN）的链路负载均衡策略——基于实时网络质量与应用优先级的Q-learning .docxVIP

PAGE2

企业软件定义广域网（SD-WAN）的链路负载均衡策略——基于实时网络质量与应用优先级的Q-learning

摘要

随着企业数字化转型加速，视频会议、云协作等关键应用对广域网链路质量提出严苛要求。传统路由协议依赖静态度量，难以在多链路混合环境中根据实时网络质量与应用优先级动态调度流量，导致关键业务体验受损。

本研究聚焦于软件定义广域网（SD-WAN）场景下的链路负载均衡问题，提出一种基于Q-learning的智能调度策略。该策略以实时监测的延迟、丢包、抖动为状态输入，以应用优先级为奖励塑造依据，通过强化学习智能体在多协议标签交换（MPLS）、4GLTE、宽带互联网等异构链路间动态选择最优转发路径。

全文遵循“提出问题—分析问题—解决问题”的递进逻辑。第一章绪论阐明研究背景与方法论依据；第二章综述国内外SD-WAN流量调度与智能优化研究；第三章界定核心概念并构建理论分析框架；第四章深入解析多链路环境下流量调度问题的生成、矛盾与本质；第五章阐释Q-learning策略的作用逻辑、条件边界与演变规律；第六章完成理论建构，提出基于Q-learning的链路负载均衡理论框架；第七章总结结论与贡献；第八章反思局限并展望未来。

研究核心发现：Q-learning智能体通过持续与环境交互，能够收敛至近似最优的链路选择策略，在保障视频会议等关键应用体验方面显著优于传统等价多路径（E