SDN中基于Q-learning的动态交换机迁移算法

发布时间：2017-12-16 08:04

  本文关键词：SDN中基于Q-learning的动态交换机迁移算法

  更多相关文章： 软件定义网络 OpenFlow 控制器 Q学习

【摘要】：由于网络流量动态变化,控制器负载均衡成为大规模部署软件定义网络研究的重点。提出基于Q-learning的动态交换机迁移算法,首先对软件定义网络中的控制器部署问题建模,再应用Q-learning反馈机制学习实时网络流量,最后根据Q表格将交换机从高负载控制器动态迁移到低负载控制器上,实现控制器的负载均衡。仿真结果表明,所提算法能够获得较低的控制器负载标准方差。
【作者单位】： 西安邮电大学通信与信息工程学院;西安交通大学电子信息学院;
【基金】：国家自然科学基金项目(61371087) 国家“863”计划项目(2015AA015702)
【分类号】：TP393.02
【正文快照】： 软件定义网络(Software Defined Network,SDN)[1]具有控制与传输分离、集中式控制、软件可编程特征,能够使网络控制与管理的成本降低,便于新业务的快速开发和部署,从而为网络设计规划与管理带来了极大的灵活性,解决网络结构的僵化问题成为了目前网络技术研究的重点之一[2]。

【相似文献】

中国期刊全文数据库 前5条

1 王帅;;煤矿井下基于Q-learning算法的移动机器人路径规划[J];现代电子技术;2008年24期

2 杨广铭,张汝波,顾国昌;基于Q-learning的机器人避碰控制方法的研究[J];哈尔滨工程大学学报;1999年05期

3 张凯;李鸥;杨白薇;;基于Q-learning的机会频谱接入信道选择算法[J];计算机应用研究;2013年05期

4 张春阳,陈小平,刘贵全,蔡庆生;Q-learning算法及其在囚徒困境问题中的实现[J];计算机工程与应用;2001年13期

5 ;[J];;年期

，

本文编号：1295268