一种基于图注意力双DQN的时空感知弹性路由方法

本发明公开了一种基于图注意力双DQN的时空感知弹性路由方法，该方法结合了图神经网络以及融合混合专家机制的高效改进多头注意力模型，提取网络拓扑信息的空间关联特征，有效地增强了智能体对全局网络拓扑的感知能力，能根据网络中的关键节点和边的特征动态调整关注区域，使用门控循环单元，捕捉网络拓扑信息的时间序列动态变化趋势，通过Ghost卷积在卷积过程中减少冗余计算，并采用基于SumTree的优先级经验回放机制，使用区间查询的方式，快速地确定经验的采样概率。实验表明本发明提高了收敛速度，并在正常网络和包含异常节点的网络中均表现出较强的性能，智能体能够在网络状态不完全可知的情况下，通过不断调整路由路径，保证数据传输的稳定性和高效性。