基于深度强化学习的数据中心网络流量优化技术研究

发布时间：2022-09-21 19:17

　　随着云计算技术的快速发展,数据中心业务规模不断扩大,业务类型日趋多样,为满足用户需求,提高服务质量（Quality of Service,Qos）,新型拓扑架构的数据中心网络（Data Center Network,DCN）广泛推广应用。然而面对海量的网络流量,现有的数据中心流量优化算法仍然面临诸多问题,本文关注的问题是:（1）数据中心网络流量优化算法参数与特定网络场景绑定,在网络特征变化后算法性能下降;（2）数据中心网络节能算法以固定周期调整网络设备的激活状态,忽视网络负载变化造成网络服务质量下降;（3）云计算场景下的虚拟机放置算法不适用于数据中心内部直播视频流解码过程,容易造成网络拥塞,导致视频流传输时延增加。采用人工智能方法来优化数据中心网络流量传输成为目前重要的研究趋势,对简化网络管理,降低运营成本,改善网络性能,具有重要的理论研究意义和现实应用价值,成为目前重要的研究趋势。本文将深度强化学习算法引入到数据中心网络的数据流传输优化过程,围绕数据中心网络数据流的智能控制和调度策略开展研究,主要创新点如下:（1）针对“现有数据中心网络流量调度算法与网络场景绑定,应用场景受限”的问题... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景与意义
        1.1.1 数据中心网络概述
        1.1.2 数据中心网络的流量模式
        1.1.3 数据中心网络的拓扑结构
        1.1.4 数据中心网络面临的挑战
    1.2 研究现状与问题提出
        1.2.1 研究现状
        1.2.2 问题提出
    1.3 研究内容
    1.4 本文章节安排
第二章 基于流调度的数据中心网络服务质量优化机制
    2.1 引言
    2.2 服务质量优化架构
        2.2.1 网络架构
        2.2.2 模型建立
    2.3 算法设计
        2.3.1 强化学习算法模型
        2.3.2 服务质量优化算法
    2.4 仿真分析
        2.4.1 实验方案
        2.4.2 对比算法
        2.4.3 仿真结果与分析
    2.5 本章小结
第三章 基于流量整合的数据中心网络节能算法
    3.1 引言
    3.2 问题描述与模型建立
        3.2.1 问题分析
        3.2.2 架构设计
        3.2.3 模型建立
    3.3 算法设计
    3.4 仿真分析
        3.4.1 仿真数据与环境
        3.4.2 对比方案
        3.4.3 结果分析
    3.5 本章小结
第四章 面向视频流量传输的数据中心虚拟机放置策略
    4.1 引言
    4.2 问题描述
    4.3 模型建立
        4.3.1 符号定义
        4.3.2 虚拟机放置模型
    4.4 基于深度强化学习的虚拟机放置机制
    4.5 仿真验证
        4.5.1 实验环境
        4.5.2 评价指标
        4.5.3 结果分析
    4.6 本章小结
第五章 结束语
    5.1 研究工作总结
    5.2 后续工作展望
致谢
参考文献
作者简历


【参考文献】：
期刊论文
[1]软件定义网络（SDN）研究进展[J]. 张朝昆,崔勇,唐翯翯,吴建平.  软件学报. 2015(01)
[2]数据中心网络的研究进展与趋势[J]. 李丹,陈贵海,任丰原,蒋长林,徐明伟.  计算机学报. 2014(02)
[3]数据中心网络的体系结构[J]. 魏祥麟,陈鸣,范建华,张国敏,卢紫毅.  软件学报. 2013(02)



本文编号：3680513