基于深度強化學習的TSN流排序和調(diào)度

摘要： 針對現(xiàn)有研究尋找數(shù)據(jù)流最佳排序這一過程本身花費時間過多，沒有工程可行的尋找最佳排序的有效方法的問題，提出基于深度強化學習的流排序和調(diào)度框架PSNDRL.該框架包括3個關(guān)鍵模塊，即創(chuàng)建時間觸發(fā)（Time-Triggered,TT）流之間關(guān)系圖的預(yù)處理模塊、挖掘和量化TT流之間復雜的相關(guān)關(guān)系并選擇概率值最高的TT流的代理模塊、進行TT流調(diào)度和獎勵計算的環(huán)境模塊，利用圖卷積網(wǎng)絡(luò)和強化... （共10頁）