典型文献
基于深度增强学习与子流耦合感知的多路传输控制机制
文献摘要：
为了解决多路传输中子流耦合感知缺乏与传输控制效率低下等的问题,针对未来异构、动态的网络环境,提出了一种基于耦合感知与深度Q网络的多路传输控制机制(WaveLet and Deep Q Network based multipath transmission control mechanism,WL-DQN).利用小波去噪技术,消除子流单向传输时延中由非耦合路段及系统随机产生的噪声,并基于子流互相关系数对子流耦合特性进行提取;在此基础上,依据深度增强学习理论对多路传输控制进行建模,并提出多路DQN拥塞控制算法,实现了异构、动态网络环境下的智能多路拥塞控制.仿真结果表明,所提算法在传输吞吐量、传输时延、数据包重传避免等方面均优于标准及相似的代表性解决方案.
文献关键词：
多路传输;耦合识别;深度增强学习;拥塞控制;网络感知体
中图分类号：
作者姓名：
秦久人;许长桥;杨树杰;高楷;张宏科
作者机构：
北京邮电大学网络与交换技术国家重点实验室,北京100876;北京交通大学电子信息工程学院,北京100044
文献出处：
引用格式：
[1]秦久人;许长桥;杨树杰;高楷;张宏科-.基于深度增强学习与子流耦合感知的多路传输控制机制)[J].电子学报,2022(02):346-357
A类：
子流耦合,感知缺乏,WaveLet,网络感知体
B类：
深度增强学习,多路传输,传输控制,控制机制,中子流,控制效率,网络环境,Deep,Network,multipath,transmission,control,mechanism,WL,DQN,小波去噪,去噪技术,单向传输,传输时延,延中,路段,互相关系数,对子,耦合特性,学习理论,拥塞控制算法,动态网络,吞吐量,数据包,重传,耦合识别
AB值：
0.340507
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
