基于智能SDN的传输优化和流量分配机制研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩写 | 第11-15页 |
| 第1章 绪论 | 第15-18页 |
| 1.1 课题背景与现状 | 第15-16页 |
| 1.2 论文的主要贡献 | 第16-17页 |
| 1.3 论文的结构安排 | 第17-18页 |
| 第2章 SDN、SFC技术与相关算法介绍 | 第18-35页 |
| 2.1 SDN架构 | 第18-20页 |
| 2.2 SFC架构 | 第20-22页 |
| 2.3 神经网络 | 第22-30页 |
| 2.3.1 神经网络概述 | 第22-23页 |
| 2.3.2 神经元模型 | 第23-24页 |
| 2.3.3 BP神经网络 | 第24-26页 |
| 2.3.4 LSTM | 第26-28页 |
| 2.3.5 CNN | 第28-30页 |
| 2.4 强化学习 | 第30-34页 |
| 2.4.1 强化学习原理 | 第30-33页 |
| 2.4.2 深度强化学习 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于智能SDN的传输优化 | 第35-48页 |
| 3.1 基于智能SDN的系统架构 | 第35-36页 |
| 3.2 功能模块介绍 | 第36-42页 |
| 3.2.1 智能路径选择 | 第36-38页 |
| 3.2.2 重要节点分析 | 第38-40页 |
| 3.2.3 流量预测 | 第40-42页 |
| 3.3 仿真分析 | 第42-47页 |
| 3.3.1 智能路径选择仿真分析 | 第42-45页 |
| 3.3.2 重要节点仿真分析 | 第45-46页 |
| 3.3.3 流量预测分析 | 第46-47页 |
| 3.4 小结 | 第47-48页 |
| 第4章 基于深度强化学习的SFC流量分配 | 第48-61页 |
| 4.1 基于智能SDN的SFC架构 | 第48-49页 |
| 4.2 基于DQN的流量分配算法介绍 | 第49-53页 |
| 4.3 用户流量数据分析 | 第53-54页 |
| 4.4 仿真分析 | 第54-60页 |
| 4.4.1 仿真 | 第54-55页 |
| 4.4.2 训练过程 | 第55-57页 |
| 4.4.3 仿真结果对比 | 第57-60页 |
| 4.5 小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 论文总结 | 第61页 |
| 5.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69页 |
