科研之友
微信
新浪微博
Facebook
分享链接
摘要
合理分配资源，可有效控制光网络的拥塞现象，确保服务质量机制正常运转，提升用户体验。为此，对基于机器学习技术的光网络资源动态分配方法进行研究。通过融合改进的半监督机器学习方法Tri-Training算法与深度包检测技术构建光网络资源分类器，获取光网络流量所属的服务质量要求类别，实现资源类型分类，提升资源分配的合理性；依据资源分类结果，利用基于循环神经网络的光网络资源动态分配算法中的执行者部分优化分配方案，通过输入、动作与效用函数三部分获取混合策略纳什均衡，依据纳什均衡动态分配分类后的光网络资源。实验证明：该方法能够有效进行光网络资源的动态分配，降低业务阻塞率与延时情况的发生率。
- 单位
