大规模SR-TE可伸缩
首个将节点选择建模为强化学习的可伸缩SR-TE方法，在学习选择策略中兼顾拓扑与流量，实现性能与计算时间的更优权衡。
Linghao, Wang · Lu, Lu · Miao, Wang · Zhiqiang, Li · Hongwei, Yang · 朱树永 · 张玉军
IEEE Transactions on Network and Service Management 2024
将节点选择建模为强化学习，学习选择策略以在TE性能和计算时间之间取得更好权衡，显著减少LP模型的计算时间。
统一的框架不仅减少计算时间，还降低了控制开销和部署成本，尤其适用于部分部署的SR网络。
在选择节点时同时考虑拓扑和流量，与只考虑拓扑的现有启发式方法相比，能避免网络性能不佳。
方法也可以用于部分部署的SR网络，从而降低部署成本。