基于深度强化学习的网络流量控制与优化算法  

作　　者：刘静丽 

机构地区：[1]山东煤炭技术学院,山东淄博255100

出　　处：《电脑编程技巧与维护》2025年第2期155-157,共3页Computer Programming Skills & Maintenance

摘　　要：提出一种基于深度强化学习(DRL)的网络流量控制与优化算法,以提高网络吞吐量并降低延迟。算法结合策略网络和价值网络,通过动态调整网络流量分配,实现对复杂网络环境的有效控制。采用强化学习方法,对网络状态、流量动作和奖励函数进行量化建模,开发自适应流量控制机制。通过实验验证了算法在多种网络场景中的性能表现,相较于传统方法显著提升了网络性能。特别是在高动态性和高复杂度网络环境下,算法展示出优异的适应性和鲁棒性,能够有效应对流量变化并优化网络资源利用。研究结果表明,DRL在网络流量控制领域具有广阔的应用前景,为网络优化提供了一种新型的技术路径。

关 键 词：深度强化学习 网络流量控制 优化算法 网络管理 服务质量(QoS) 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP393.06[自动化与计算机技术—控制科学与工程]