深度學習的異構網路流量智慧控制

目前對網路流量的智慧控制大多採用深度學習技術，然而這些演算法的計算複雜度隨著網路規模的增大而顯著增加，所以適用的網路規模較小。為了解決該問題，提出了一種基於獎勵的深度學習結構，該結構分別採用深度卷積神經網路和深度信念網路預測流量負荷值矩陣和構造最終行為矩陣。因此，最終動作空間被簡化為下一目的地動作矩陣，並且計算複雜度被顯著降低。實驗結果顯示，與傳統的路由方法相比，該方法在大規模網路中的丟包率和輸送量均有較大的提高。