【标题】RLMR: Reinforcement Learning Based Multipath Routing for SDN

【作者团队】Chao Chen, Feifan Xue, Zhengyong Lu, Zhongyun Tang

【发表日期】2022.2.18

【论文链接】https://downloads.hindawi.com/journals/wcmc/2022/5124960.pdf

【推荐理由】结合软件定义网络（SDN）集中控制和调度的特点，基于人工智能的资源调度成为可能。但是，目前的SDN路由算法存在链路利用率低的问题，无法根据实时网络状态进行更新和调整。本文旨在通过提出一种基于强化学习的 SDN 多路径路由 (RLMR) 方案来解决这些问题。RLMR 使用马尔可夫决策过程 (MDP) 和 Q-Learning 进行训练。RLMR根据网络状态和流特征的实时信息，对不同的流进行路由。当没有满足带宽要求的链路时，根据服务质量优先级对剩余流量进行重新分配，完成多径路由。此外，本文定义了前向效率（FE）来衡量多路径路由下的链路带宽利用率（LBU）。仿真结果表明，与目前主流的最短路径算法和ECMP算法相比，RLMR可以有效提高路由的效率和质量。

内容中包含的图片若涉及版权问题，请及时与我们联系删除