基于強化學(xué)習(xí)的網(wǎng)絡(luò)擁塞控制算法
打開文本圖片集
摘 要：該文結(jié)合強化學(xué)習(xí)方法提出一種QLCC算法，此算法是將網(wǎng)絡(luò)擁塞過程進行簡化之后描述為馬爾科夫決策過程，在Q-learning算法應(yīng)用的基礎(chǔ)上創(chuàng)新設(shè)計的新型網(wǎng)絡(luò)擁塞控制算法。研究過程中首先介紹強化學(xué)習(xí)方法，并對網(wǎng)絡(luò)擁塞過程中馬爾科夫決策過程的構(gòu)建條件及假設(shè)進行探討，之后從框架結(jié)構(gòu)、參數(shù)結(jié)構(gòu)及定義、參數(shù)離散劃分和更新步驟幾個方面介紹QLCC算法，并采取仿真實驗方法對該種新算法的網(wǎng)絡(luò)吞吐量、公平性、隨機丟包環(huán)境下的吞吐量分別進行檢測，通過與其他3種傳統(tǒng)網(wǎng)絡(luò)擁塞控制算法進行對比分析，證實QLCC算法具有吞吐量較佳、公平性最高、抗丟包性能最優(yōu)的性能，說明其是一種具有較高應(yīng)用優(yōu)勢的智能化網(wǎng)絡(luò)擁塞控制算法。（剩余6509字）