【源码】基于Python和Ryu框架的智能路由系统

项目简介

本项目是一个基于深度强化学习的动态路由选择系统，以Ryu框架作为网络控制器，结合深度强化学习（DQN）算法，能在给定网络状态下学习并确定最佳路由选择策略。代码实现了深度强化学习模型，具备网络监控、状态更新和路径计算等功能。

项目的主要特性和功能

1. 深度强化学习模型：利用DQN算法，依据网络状态学习并选择最优路由。
2. 网络监控：监控网络状态，包括带宽、延迟和丢包率等信息，并用于学习过程和路由选择。
3. 状态更新：根据网络变化（如节点和链接的添加、删除或更改）更新网络状态。
4. 路径计算：计算源节点到目标节点的多条最短路径，同时考虑带宽、延迟和丢包率等路径指标。
5. 可视化：实现网络状态、路径指标和路由选择结果的可视化。

安装使用步骤

安装依赖

1. 安装Mininet： bash cd mininet/util ./install.sh 安装完成后，可在终端确认是否正确安装： bash sudo mn
2. 安装Ryu框架： bash cd ryu/ryu/topology 对switches.py文件进行修改：在class PortData中添加self.delay = 0；在lldp_packet_in_handler函数中添加recv_timestamp = time.time()等代码。 修改完成后，回到ryu文件夹进行安装： bash python3 setup.py install pip3 uninstall . 安装完成后，可在终端确认是否正确安装： bash ryu-manager
3. 安装Python所需的库：安装numpy、matplotlib等库。

运行代码

1. 复制项目代码： bash cd Intelligent-Routing/geant_traffic 完成此文件夹内的前置作业后，使用geant.py建立Mininet环境： bash sudo python3 geant.py
2. 启动Ryu控制器： bash cd Intelligent-Routing/ours ryu-manager --observe-link simple_monitor.py
3. 运行深度强化学习模型： bash python3 myDRL.py 输入1让DRL agent进行转发布路径的学习；训练完成后，输入2进行效能测试模式。

交互和观察

1. 观察网络状态的变化，如带宽、延迟和丢包率等。
2. 查看路由选择的结果，观察其对网络性能的影响。

请注意，运行项目前需确保已正确安装Mininet和Ryu框架，并按项目指导正确配置网络拓扑。此外，可根据具体环境和需求调整代码中的参数设置。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】