排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
针对光网络资源分配中频谱资源利用率不高的问题,提出了一种改进的深度Q网络(DQN)强化学习算法。该算法基于ε-greedy策略,根据动作价值函数和状态价值函数的差异来设定损失函数,并不断调整ε值,以改变代理的探索率。通过这种方式,实现了最优的动作值函数,并较好地解决了路由与频谱分配问题。此外,采用了不同的经验池取样方法,以提高迭代训练的收敛速度。仿真结果表明:改进DQN强化学习算法不仅能够使弹性光网络训练模型快速收敛,当业务量为300 Er l ang时,比DQN算法频谱资源利用率提高了10.09%,阻塞率降低了12.41%,平均访问时延减少了1.27 ms。 相似文献
4.
5.
煤矿综采放顶煤工作面开采强度大、产尘尘源多、粉尘浓度高,因而对尘毒的治理难度大。为此,提出了治理的总体思路、防治方案并在几十个煤矿综采放顶煤工作面推广,取得了很好的效果。 相似文献
6.
7.
本文针对弹性光网络的资源分配过程,提出了一种基于强化学习的DQN算法。利用DQN中强化学习的决策能力和神经网络对特征感知能力,将资源分配过程建模成不同的状态和动作集合,通过对网络中的特征提取以及强化学习的训练,获得当前状态下的最佳路径和频谱分配方法。仿真实验结果表明,本文提出的DQN算法模型,不仅可以更好地提高光网络的频谱资源利用率,而且能够有效地降低网络业务阻塞率。 相似文献
8.
1