基于图结构特征与强化学习的光突发交换网络自适应突发路由技术

《Scientific Reports》：Adaptive burst routing in optical burst switching networks via graph-derived structural features and reinforcement learning

　　

摘要

光突发交换网络需要具备自适应且可解释的路由机制，以应对动态变化的流量以及复杂的网络结构。本研究旨在设计一个以基准测试为导向的框架——OBS-GraphSyn-2025，该框架结合了基于图的结构性建模、流量的时间表示方法以及基于PPO的强化学习技术，用于评估突发路由的自适应能力。该框架将357万个真实流量转换为199,870个包含拓扑信息的路由流、79,133个突发级路由状态以及15,000个适用于PPO的训练样本。研究还提出了流量突发复杂度指数-图模型（TBCI-G），通过跳数、路径复杂度、边负载和路由唯一性等指标来量化路由的复杂程度。PPO策略基于时空融合后的状态信息，能够通过奖励信号在受控的基准条件下实现自适应路由。经过250次实验测试后，该策略表现出稳定的学习性能，平均奖励值为0.5610±0.0068，吞吐量为0.6717±0.0709，稳定性评分则为0.5856±0.0627。可扩展性分析表明，系统运行时间仅会有适度增加（0.32–1.56秒），而奖励保留率则基本保持不变（0.97–1.00）。通过重复实验来评估策略行为的一致性，30次独立实验中的变异系数均低于1.20%。研究结果表明，OBS-GraphSyn-2025提供了一种具有可扩展性、可解释性且结果可重复的复杂度评估方法，可用于评估受光层特性影响的突发交换网络中的路由状态。