排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对当前映射解析系统存在的映射解析时延过高的问题,该文依据终端的活跃程度,提出一种基于活跃度的分级映射解析系统。该系统将通信对端的身份位置映射信息划分为活跃级、中性级和稳定级3个等级,并据此建立了一种3层的映射解析存储架构,映射副本可根据自身活跃度的变化在3层之间动态调整存储位置。为最小化映射解析时延,在系统构建过程中,针对传统DHT构建方式存在的非位置感知问题,将系统构建过程建模为马尔科夫决策过程,并提出一种马尔科夫决策构建算法用于求解该模型。仿真结果表明,该系统能够显著降低映射解析时延和提升路由性能,对网络结构的动态变化具有良好的适应性。 相似文献
4.
随着网络规模的不断增大以及网络复杂度的不断提高,传统路由算法面对网络流量在时空分布上的剧烈波动难以兼顾计算复杂度和算法效率.近年来,随着软件定义网络和人工智能技术的兴起,基于机器学习的自动路由策略生成逐渐受到关注.本文提出一种基于深度增强学习的智能路由技术SmartPath,通过动态收集网络状态,使用深度增强学习自动生成路由策略,从而保证路由策略能够动态适应网络流量变化.实验结果表明,本文所提出的方案能够不依赖人工流量建模动态更新网络路由,在测试环境下比当前最优方案减少至少10%的平均端到端传输时延. 相似文献
1