基于强化学习的电力通信通道规划方法、装置及存储介质

1.一种基于强化学习的电力通信通道规划方法，其特征在于，包括以下步骤：获取起始站点、结束站点和通信通道参数；所述通信通道参数包括最大通道数量、端口类型、带宽、网络类型、传输段最大电路数量、最大网元数、最大公里长度、路由方式、是否配置SNCP、预留纤芯数和最大衰耗；将所述起始站点、结束站点和通信通道参数输入至基于深度强化学习的通信通道预测模型，输出最优通信通道；根据以下模型建立所述基于深度强化学习的通信通道预测模型：Q(s,c)←Q(s,c)+c[Re+Re·max c’ Q(s’, c’)-Q(s,c)]Q表示强化学习模型，s表示当前状态，c表示所述当前状态对应的输入数据，s’ 表示下一状态, c’ 表述所述下一状态对应的输入数据，Re表示奖励值；其中，根据以下步骤对所述基于深度强化学习的通信通道预测模型进行训练：步骤1：初始化Q值表、学习速率、折扣因子和探索速率；步骤2：从训练集中随机选择一组训练数据作为初始状态s输入至所述基于深度强化学习的通信通道预测模型；步骤3：判断当前步数是否大于总步数；若否，则获取0-1之间的随机数num；若是，转至步骤7；步骤4：判断随机数num是否大于探索速率α；若是，则选取当前状态最大Q值对应的动作；若否，则随机选取一个动作；步骤5：执行步骤4中选取的动作得到模型的下一个状态s’和奖励，并更新Q值表；步骤6：将s’设置为当前状态；判断s’是否为最终状态，若是，则进入下一步骤；若否，则转至所述步骤3；步骤7：更新探索速率α；步骤8：判断当前学习次数是否大于总学习次数；若是，则结束训练；若否，则转至步骤2。 2.一种基于强化学习的电力通信通道规划装置，其特征在于，包括规划数据获取模块和通信通道规划模块；所述规划数据获取模块用于获取起始站点、结束站点和通信通道参数；所述规划数据获取模块中的所述通信通道参数包括最大通道数量、端口类型、带宽、网络类型、传输段最大电路数量、最大网元数、最大公里长度、路由方式、是否配置SNCP、预留纤芯数和最大衰耗；所述通信通道规划模块用于将所述起始站点、结束站点和通信通道参数输入至基于深度强化学习的通信通道预测模型，输出最优通信通道；根据以下模型建立所述基于深度强化学习的通信通道预测模型：Q(s,c)←Q(s,c)+c[Re+Re·max c’ Q(s’, c’)-Q(s,c)]Q表示强化学习模型，s表示当前状态，c表示所述当前状态对应的输入数据，s’ 表示下一状态, c’ 表述所述下一状态对应的输入数据，Re表示奖励值;根据以下步骤对所述基于深度强化学习的通信通道预测模型进行训练：步骤1：初始化Q值表、学习速率、折扣因子和探索速率；步骤2：从训练集中随机选择一组训练数据作为初始状态s输入至所述基于深度强化学习的通信通道预测模型；步骤3：判断当前步数是否大于总步数；若否，则获取0-1之间的随机数num；若是，转至步骤7；步骤4：判断随机数num是否大于探索速率α；若是，则选取当前状态最大Q值对应的动作；若否，则随机选取一个动作；步骤5：执行步骤4中选取的动作得到模型的下一个状态s’和奖励，并更新Q值表；步骤6：将s’设置为当前状态；判断s’是否为最终状态，若是，则进入下一步骤；若否，则转至所述步骤3；步骤7：更新探索速率α；步骤8：判断当前学习次数是否大于总学习次数；若是，则结束训练；若否，则转至步骤2。 3.一种可读存储介质，其特征在于，所述可读存储介质包括存储的计算机程序，所述计算机程序执行时，控制所述可读存储介质所在的设备执行如权利要求1所述的基于强化学习的电力通信通道规划方法。