CN119484249A 一种基于seanet的核应急通信快速恢复方法 （中广核智能科技(深圳)有限责任公司）

司道福中社区深南中路中广核大厦北楼一种基于SEANET的核应急通信快速恢复方法本发明公开了一种基于SEANET的核应急通2根据机器学习算法模型的判断结果，基于深度强化学习算法模基于ICMP协议，通过机器学习算法模型对日常核应急通信和快速根据核通信网络设备运行配置关系表和ICMP协议检测日志的历史数3根据每层资源优先调用等级和机器学习算法模型的判断结果，确定状态转移概率矩基于核通信历史数据和快速恢复核通信的通道链路的模根据状态转移概率矩阵和快速恢复核通信的通道链路奖励值，基于根据快速恢复核通信深度强化学习模型的训练与学习在快速恢复核通信深度强化学习模型自主选择过程中，判断式中，P(s)为核通信选择某个网络设备式中，vn(s)为选择第:个检测结果状态下的状态价值函数值，m(a/s)为在第s个检测结果状态下选择第a个等级资源r为在第s个检测结果状态和选择第a个等级资源下的反馈奖励值，为奖励衰减因子，p(s/s,a)为在第s个检测结果状态和选择第a个等级资源下的下一个状态价值函数值，为选择第个检测结果状态下的下一个状态价值4基于ICMP协议，通过机器学习算法模型获取ICMP协议日常检测对核应急通信进行恢复后的各个网络设备继续主动发送Ping命令所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被理器执行，以使所述至少一个处理器能够执行如权利要求1_6中任一所述的基于SEANET的器执行时实现权利要求1_6中任一项所述的基于SEANET的核应急5施的监管和维护，确保在突发核事故发生后各个网络设备间能够及时进行通信，随着6式中，f(x)为各个网络设基于核通信历史数据和快速恢复核通信的通道链路的模拟实验，基于大数据分7根据状态转移概率矩阵和快速恢复核通信的通道链路奖励值，基于贝尔曼方程，据每层资源优先调用等级基于大数据确定的个检测结果状态下的状态价值函数值，m(a/s)为在第s个检测结果状态下选择第a个等级资源的概率，p(r/s,a)为在第s个检测结果状态和选择第a个等级资源下的反馈奖励值的为选择第个检测结果状态下的下一个状态价值模型在不同状态下采取不同动作的概率值，通过对完成一组状态选择后的奖励值的训练，8图3为本发明的根据机器学习算法模型的判断结果，基于深度强化学习算法模型图4为本发明的基于ICMP协议，通过机器学习算法模型对日常核应急通信和快速9式中，f(x)为各个网络设基于核通信历史数据和快速恢复核通信的通道链路的模拟实验，基于大数据分根据状态转移概率矩阵和快速恢复核通信的通道链路奖励值，基于贝尔曼方程，个检测结果状态下的状态价值函数值，m(a/s)为在第s个检测结果状态下选择第a个等级资源的概率，p(r/s,a)为在第s个检测结果状态和选择第a个等级资源下的反馈奖励值的为选择第个检测结果状态下的下一个状态价值[0022]进一步的，根据本申请实施方式的方法也可以借助于图5所示的电子设备的架构等。电子设备500中的存储设备，例如ROM503或硬盘507可存储本申请提供的一种基于请实施方式的一种基于SEANET的核应急通信快速恢复方法。存储介质600包括但不限于例了核通信的抗风险能力以及提高核应急通信快速恢复效率