王桂芝 吕光宏 贾吾财 贾创辉 张建申

1(四川大学计算机学院 成都 610065) 2(7584部队 广西桂林 541001)

随着网络规模的增大和新型网络应用的不断出现，网络流量呈指数级增长，给网络带来了负载不均衡、带宽消耗严重等一系列问题.单纯的扩容提速，不仅成本高，而且由于缺少系统性的流量管理机制，网络资源利用率低.此外，许多应用程序不仅需要带宽，还需要保证服务质量(quality of service, QoS),如端到端时延、抖动、丢包率等.因此根据网络的状态和需求找到一种实时的自适应的可定制路由是提高网络资源和服务质量的关键性因素.

在传统网络中，控制和转发紧耦合的网络架构与“尽力而为”的服务模式，需要在每个节点上执行特定的路由协议和算法以此来找到源到目的地的最佳路径.正是因为这个分布式体系，使得每个节点只有部分视图，导致很多全局性策略难以实施[1]，所以很难进行智能路由.而软件定义网络作为一种新的网络体系架构，通过将控制平面与数据平面分离，提供了灵活高效的网络控制，简化了网络管理过程，使管理员可以通过网络编程的方法定义和控制网络，降低了为数据流提供路由优化服务的难度[2].

近年来，随着人工智能的迅速发展，机器学习在数据处理、分类、智能决策等方面皆取得非常不错的进展，受到了学术界的广泛关注[3].许多研究者开始尝试通过使用机器学习算法来解决路由优化问题.一方面，机器学习可以通过训练快速地计算出接近最优解的路由解决方案；……