摘要：为了应对在未来复杂的战场环境下,由于通信受限等原因导致的集中式决策模式难以实施的情况,提出了一个基于多智能体深度强化学习的分布式作战体系任务分配算法,该算法为各作战单元均设计一个独立的策略网络,并采用集中式训练、分布式执行的方法对智能体的策略网络进行训练,结果显示,经过学习训练后的各作战单元具备一定的自主协同能力,即使在没有中心指挥控制节点协调的情况下,依然能够独立地实现作战任务的高效分配.

摘要：为了在韧性信息服务云环境中多个控制器间均衡数据流,以便更好地承载业务数据流,提出了基于控制器负载和基于时延的控制器选择策略。在该策略下,每个交换机从所有可用的控制器中选择一个最优控制器,从而有效减少数据流的最大响应时间。试验结果表明,设计的2个自适应控制器选择策略能够有效减少数据流的最大响应时间,进而提高系统吞吐量。