隨著云計算技術的快速發(fā)展,數(shù)據(jù)中心業(yè)務規(guī)模不斷擴大,業(yè)務類型日趨多樣,為滿足用戶需求,提高服務質量（Quality of Service,Qos）,新型拓撲架構的數(shù)據(jù)中心網絡（Data Center Network,DCN）廣泛推廣應用。然而面對海量的網絡流量,現(xiàn)有的數(shù)據(jù)中心流量優(yōu)化算法仍然面臨諸多問題,本文關注的問題是:（1）數(shù)據(jù)中心網絡流量優(yōu)化算法參數(shù)與特定網絡場景綁定,在網絡特征變化后算法性能下降;（2）數(shù)據(jù)中心網絡節(jié)能算法以固定周期調整網絡設備的激活狀態(tài),忽視網絡負載變化造成網絡服務質量下降;（3）云計算場景下的虛擬機放置算法不適用于數(shù)據(jù)中心內部直播視頻流解碼過程,容易造成網絡擁塞,導致視頻流傳輸時延增加。采用人工智能方法來優(yōu)化數(shù)據(jù)中心網絡流量傳輸成為目前重要的研究趨勢,對簡化網絡管理,降低運營成本,改善網絡性能,具有重要的理論研究意義和現(xiàn)實應用價值,成為目前重要的研究趨勢。本文將深度強化學習算法引入到數(shù)據(jù)中心網絡的數(shù)據(jù)流傳輸優(yōu)化過程,圍繞數(shù)據(jù)中心網絡數(shù)據(jù)流的智能控制和調度策略開展研究,主要創(chuàng)新點如下:（1）針對“現(xiàn)有數(shù)據(jù)中心網絡流量調度算法與網絡場景綁定,應用場景受限”的問題... 

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景與意義
        1.1.1 數(shù)據(jù)中心網絡概述
        1.1.2 數(shù)據(jù)中心網絡的流量模式
        1.1.3 數(shù)據(jù)中心網絡的拓撲結構
        1.1.4 數(shù)據(jù)中心網絡面臨的挑戰(zhàn)
    1.2 研究現(xiàn)狀與問題提出
        1.2.1 研究現(xiàn)狀
        1.2.2 問題提出
    1.3 研究內容
    1.4 本文章節(jié)安排
第二章 基于流調度的數(shù)據(jù)中心網絡服務質量優(yōu)化機制
    2.1 引言
    2.2 服務質量優(yōu)化架構
        2.2.1 網絡架構
        2.2.2 模型建立
    2.3 算法設計
        2.3.1 強化學習算法模型
        2.3.2 服務質量優(yōu)化算法
    2.4 仿真分析
        2.4.1 實驗方案
        2.4.2 對比算法
        2.4.3 仿真結果與分析
    2.5 本章小結
第三章 基于流量整合的數(shù)據(jù)中心網絡節(jié)能算法
    3.1 引言
    3.2 問題描述與模型建立
        3.2.1 問題分析
        3.2.2 架構設計
        3.2.3 模型建立
    3.3 算法設計
    3.4 仿真分析
        3.4.1 仿真數(shù)據(jù)與環(huán)境
        3.4.2 對比方案
        3.4.3 結果分析
    3.5 本章小結
第四章 面向視頻流量傳輸?shù)臄?shù)據(jù)中心虛擬機放置策略
    4.1 引言
    4.2 問題描述
    4.3 模型建立
        4.3.1 符號定義
        4.3.2 虛擬機放置模型
    4.4 基于深度強化學習的虛擬機放置機制
    4.5 仿真驗證
        4.5.1 實驗環(huán)境
        4.5.2 評價指標
        4.5.3 結果分析
    4.6 本章小結
第五章 結束語
    5.1 研究工作總結
    5.2 后續(xù)工作展望
致謝
參考文獻
作者簡歷


【參考文獻】：
期刊論文
[1]軟件定義網絡（SDN）研究進展[J]. 張朝昆,崔勇,唐翯翯,吳建平.  軟件學報. 2015(01)
[2]數(shù)據(jù)中心網絡的研究進展與趨勢[J]. 李丹,陳貴海,任豐原,蔣長林,徐明偉.  計算機學報. 2014(02)
[3]數(shù)據(jù)中心網絡的體系結構[J]. 魏祥麟,陳鳴,范建華,張國敏,盧紫毅.  軟件學報. 2013(02)



本文編號：3680513