← 返回列表
基于深度Q网络的网络性能优化系统和方法
摘要文本
基于深度Q网络的网络性能优化系统和方法用于网络性能的自动优化，具体包括：模型构建单元构建深度Q网络模型，得到DQN模型；模型训练单元训练所述DQN模型，得到优化DQN模型；性能优化单元使用优化DQN模型预测指定网络状态下所有可能执行动作的预期收益Q值；性能优化单元选择预期收益Q值最大的执行动作作为优化操作，并进行网络性能的优化。本发明学习网络状态到优化操作的映射关系，实现网络性能的自动优化，避免了人工设定规则和参数；根据实时的网络状态，动态选择最优的动作，实现网络性能的动态优化，具有很强的泛化能力，可以应对各种网络环境和变化；适用当前网络环境，易于实现。 来自：马 克 团 队
申请人信息
- 申请人:融鼎岳(北京)科技有限公司
- 申请人地址:100097 北京市海淀区紫竹院路116号2层D座206
- 发明人: 融鼎岳(北京)科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度Q网络的网络性能优化系统和方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311819897.6 |
| 申请日 | 2023/12/27 |
| 公告号 | CN117749625A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | H04L41/0823 |
| 权利人 | 融鼎岳(北京)科技有限公司 |
| 发明人 | 赵敏; 邱志坚; 段玉龙; 杨硕 |
| 地址 | 北京市海淀区紫竹院路116号2层D座206 |
专利主权项内容
1.基于深度Q网络的网络性能优化方法，用于网络性能的自动优化，其特征在于，包括以下步骤，步骤A、构建深度Q网络模型，得到DQN模型；步骤B、训练所述DQN模型，得到优化DQN模型；步骤C、使用优化DQN模型预测指定网络状态下所有可能执行动作的预期收益Q值；步骤D、选择预期收益Q值最大的执行动作作为优化操作，并进行网络性能的优化。