一种物联网中基于深度强化学习的拥塞控制方法及装置
公开
摘要
本发明属于计算机技术领域，具体涉及一种物联网中基于深度强化学习的拥塞控制方法及装置，采用低功耗有损网络拓扑结构，将中央协调器作为根节点，智能体作为子孙节点；获取子孙节点的数据集并上传给中央协调器；构建基于DQN算法的神经网络模型，中央协调器从数据集中得到子孙节点下一时刻的状态输入训练好的神经网络模型；神经网络模型输出子孙节点下一时刻的动作并通过中央协调器分配给相应的子孙节点，实现网络的拥塞控制；本发明采用集中式方法收集网络节点信息，通过模型获取节点下一个动作，并根据中央协调器进行分配，无需每个节点自己来进行退避因子的计算，减少了整个网络的开销，降低网络的拥塞程度，减少数据包重传次数。
基本信息
专利标题 ：
一种物联网中基于深度强化学习的拥塞控制方法及装置
专利标题（英）：
暂无
公开（公告）号 ：
CN114567597A
申请号 ：
CN202210157995.7
公开（公告）日 ：
2022-05-31
申请日 ：
2022-02-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
雷建军黄昌鑫詹万科周盈
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区南山街道崇文路2号
代理机构 ：
重庆辉腾律师事务所
代理人 ：
王海军
优先权 ：
CN202210157995.7
主分类号 ：
H04L47/12
IPC分类号 ：
H04L47/12 H04L47/10 G06N3/04 G06N3/08
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
