随着信息技术的不断进步,机器学习早已成为现代信息化生产的必要辅助。强化学习是机器学习的重要分支,在网络路径管理领域有着广泛的应用。传统互联网结构要承担大量而种类繁多的网络数据流。为了改善计算机网络在应对多样网络需求时的表现,在软件定义网络技术框架下,利用强化学习技术手段来处理网络多种数据流的路由转发,是近年来主流的研究方向。软件定义网络作为未来网络的发展趋势,其控制功能与转发系统的分离可编程设计,为设计新型路由转发算法提供了便利条件,也吸引了大量的学者来进行SDN(Software Defined Network)的路由转发功能设计与研究。强化学习通过它在动作决策学习上的强大优势,非常适合应用在网络转发路径的选择上,以尽可能少的改动硬件设备为前提,优化网络的路由转发处理能力,具有现实的研究意义。本文进行强化学习领域的SARSA(State-Action-Reward-State-Action)Learning算法在软件定义网络架构下的应用研究,SARSA Learning是一种典型的强化学习算法。通过对网络环境的探索和学习,可以在变化的网络环境下得出优化路由的策略,用于网络数据流的路径选择与转发控制。针对基于强化学习的路由转发策略选择,本文设计了SDN系统方案与仿真网络拓扑结构,同时改进了基于SARSA的在策略(On-Policy)路径选择算法,通过SARSA-Learning的学习矩阵来动态寻找网络链路中当前表现最好的网络链路,将其用于网络数据的转发,有效地提高了网络的性能。本文改进了ε-贪婪策略值算法(V-G算法)的参数设计,以可变参数的方式进行路由优化策略计算。V-G路由算法将ε-贪婪函数中引入可变因子,同时结合模拟退火系数进行概率计算。改进的算法保持了SARSA Learning的学习效率,同时加速了各网络节点中路由策略模型的收敛速度。研究通过动态计算链路状态反馈奖励的方式,解决SDN网络的最优路由选择问题,降低了SDN数据包等待延迟,减少了网络的拥塞,提高网络链路传输速度。仿真实验证明,可变贪婪函数使SARSA算法更适合SDN环境,V-G路由算法取得了较好的优化效果。