基于深度强化学习的SDN自适应资源分配算法

郭振超; 孙志明; 焦重阳

doi:10.16009/j.issn.1009-5624.2026.09.034

信息记录材料 ›› 2026, Vol. 27 ›› Issue (9) : 102 -104. DOI: 10.16009/j.issn.1009-5624.2026.09.034

基于深度强化学习的SDN自适应资源分配算法

郭振超, 孙志明, 焦重阳

作者信息 +

Author information +

文章历史 +

PDF

摘要

目前，软件定义网络(SDN)通信系统面临资源配置复杂性持续攀升的问题，传统静态分配方法难以适配动态网络环境中的实时变化。针对SDN架构中带宽、计算、存储等多维资源的协同分配问题，本文提出一种基于深度强化学习的自适应资源分配算法。该算法通过构建包含状态空间、动作空间和奖励函数的模型，实现网络资源的智能化调度。将长短期记忆网络融合至算法架构中开展流量预测，并通过资源预分配策略避免竞争冲突。实验结果表明：所提方法相较于传统最短路径算法，网络吞吐量提升23.1%,平均延迟降低29.8%,网络通信系统资源利用率达86.4%。该研究为SDN环境下的动态资源优化配置提供了有效的解决方案，具有重要的理论意义和应用价值。