基于深度强化学习的自适应网络拓扑动态重构方法及系统

本发明提供基于深度强化学习的自适应网络拓扑动态重构方法及系统，涉及深度强化学习技术领域，包括获取当前网络的拓扑状态信息、业务流量分布信息与历史重构记录；通过图卷积运算提取节点间拓扑关联特征，结合业务流量信息生成融合状态表征；将融合状态表征输入深度强化学习模型识别瓶颈节点与冗余链路，输出重构动作候选集；通过蒙特卡洛树搜索评估候选动作的长期累积收益，筛选最优重构动作序列；利用图着色算法分配时间槽并处理资源冲突，生成资源可行的拓扑调整方案；通过张量分解提取网络演化规律，构建拓扑优化关联映射图谱。本发明能够智能识别网络瓶颈，动态优化网络拓扑结构，有效提升网络性能和资源利用率。