国家计算机网络与信息安全管理中心河南分中心，郑州 450000
针对光网络资源分配中频谱资源利用率不高的问题，提出了一种改进的深度Q网络(DQN)强化学习算法。该算法基于ε-greedy策略，根据动作价值函数和状态价值函数的差异来设定损失函数，并不断调整ε值，以改变代理的探索率。通过这种方式，实现了最优的动作值函数，并较好地解决了路由与频谱分配问题。此外，采用了不同的经验池取样方法，以提高迭代训练的收敛速度。仿真结果表明：改进DQN强化学习算法不仅能够使弹性光网络训练模型快速收敛，当业务量为300 Erlang时，比DQN算法频谱资源利用率提高了10.09%，阻塞率降低了12.41%，平均访问时延减少了1.27 ms。
弹性光网络 改进深度Q网络强化学习算法 资源分配 elastic optical network, improved reinforcement le
