13、智能流量控制：QMIX 辅助的容忍延迟网络路由

智能流量控制：QMIX 辅助的容忍延迟网络路由

1. 流量控制难题与智能解决方案

在有线网络和无线网络中，如何进行有效且可靠的流量控制一直是备受关注的问题。然而，目前大多数解决方案严重依赖手动流程。为了解决这一问题，我们引入了多种人工智能方法来进行网络流量控制。

1.1 控制方法概述

• 在容忍延迟网络（DTN）的路由设计中，引入基于社交的机制，并提出采用集中训练和分布式执行学习范式的协作多智能体强化学习（QMIX）辅助路由算法。
• 在传统网络中，为网络路由器赋予新的身份——向量，并据此设计基于这些向量和神经网络的新路由原则。
• 在 5G 移动网络环境下，构建基于抖动图的网络模型和基于泊松过程的流量模型，并设计基于深度强化学习（DRL）的面向 QoS 的自适应路由方案。
• 基于软件定义网络（SDN）架构，提出考虑队列利用率（QU）的一对机器学习辅助负载均衡路由方案，将路由过程分为降维、QU 预测和负载均衡路由三个步骤。

2. QMIX 辅助的基于社交的容忍延迟网络路由

2.1 容忍延迟网络（DTN）简介

DTN 是一种新兴的通信方案，旨在在极端条件（如缺乏连续网络连接）和长距离通信中有效运行。在 DTN 中，通信面临着间歇性连接的挑战，传统的自组织路由协议难以建立端到端的路由路径。因此，DTN 路由协议采用“存储 - 转发”机制，数据包在整个网络中逐步移动和存储，以期望到达目的地。

DTN 最初是为行星际互联网（IPN）架构开发的，用于处理深空通信中的消息损坏和不可避免的延迟。随着 5G 应用的发展，