A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Dynamic VNF Scheduling: A Deep Reinforcement Learning Approach Programação dinâmica de VNF: uma abordagem de aprendizagem por reforço profundo

Zixiao ZHANG, Fujun HE, Eiji OKI

  • Exibições de texto completo

    3

  • Cite isto

Resumo:

Este artigo apresenta uma abordagem de aprendizagem por reforço profundo para resolver o problema de escalonamento de funções de redes virtuais em cenários dinâmicos. Formulamos um modelo de programação linear inteira para o problema em cenários estáticos. Em cenários dinâmicos, definimos o estado, a ação e a recompensa para formar a abordagem de aprendizagem. Os agentes de aprendizagem são aplicados com o algoritmo ator-crítico de vantagem assíncrona. Atribuímos um agente mestre e vários agentes trabalhadores a cada nó de virtualização de função de rede no problema. Os agentes trabalhadores trabalham em paralelo para ajudar o agente mestre a tomar decisões. Comparamos a abordagem introduzida com abordagens existentes, aplicando-as em ambientes simulados. As abordagens existentes incluem três abordagens gananciosas, uma abordagem de recozimento simulado e uma abordagem de programação linear inteira. Os resultados numéricos mostram que a abordagem de aprendizagem por reforço profundo introduzida melhora o desempenho em 6-27% nos casos examinados.

Publicação
IEICE TRANSACTIONS on Communications Vol.E106-B No.7 pp.557-570
Data de publicação
2023/07/01
Publicitada
2023/01/10
ISSN online
1745-1345
DOI
10.1587/transcom.2022EBP3160
Tipo de Manuscrito
PAPER
Categoria
Network

autores

Zixiao ZHANG
  Kyoto University
Fujun HE
  Kyoto University
Eiji OKI
  Kyoto University

Palavra-chave