本發(fā)明屬于人工智能技術(shù)領(lǐng)域，具體的說是涉及一種基于深度強(qiáng)化學(xué)習(xí)的網(wǎng)絡(luò)自主智能管控方法。本發(fā)明首先構(gòu)建網(wǎng)絡(luò)拓?fù)洌缓笠隒NN、LSTM層和延遲更新策略構(gòu)建基于DDPG強(qiáng)化學(xué)習(xí)算法的路由決策模型，最后對(duì)基于深度強(qiáng)化學(xué)習(xí)的路由決策模型進(jìn)行迭代訓(xùn)練。在每次迭代訓(xùn)練中，智能體根據(jù)測(cè)量得到的網(wǎng)絡(luò)狀態(tài)和神經(jīng)網(wǎng)絡(luò)獲得輸出的動(dòng)作，即一組鏈路權(quán)重，并根據(jù)鏈路權(quán)重使用最短路徑算法計(jì)算業(yè)務(wù)的路由。根據(jù)路由計(jì)算結(jié)果，智能體下發(fā)流表，并獲取業(yè)務(wù)的端到端時(shí)延和丟包率計(jì)算此次迭代的獎(jiǎng)勵(lì)值。算法具有良好的收斂性，能夠有效降低業(yè)務(wù)的端到端時(shí)延和丟包率。