基于深度强化学习的软硬混合切片框架以保障服务水平协议
网络与互联网体系结构
2022-04-08 v1 系统与控制
信号处理
系统与控制
摘要
网络切片是保障 5G 及未来网络中多样化服务水平协议（SLA）的关键驱动力。近年来，深度强化学习（DRL）已被广泛用于网络切片中的资源分配。然而，现有相关工作未考虑 DRL 初始探索阶段相关的性能损失。本文提出了一种新的性能保障切片策略，采用软硬混合切片设置。主要地，在训练神经网络时，应用一个公共切片设置来保障切片的 SLA。此外，随着 DRL 的训练直至收敛，公共切片的资源倾向于精确地重新分配给各切片。实验结果证实了我们所提出的切片框架的有效性：训练阶段的切片 SLA 可以得到保障，且所提出的算法在收敛后能在 SLA 满足率、隔离度和频谱最大化方面达到接近最优的性能。
引用
@article{arxiv.2204.03502,
title = {A Hard and Soft Hybrid Slicing Framework for Service Level Agreement Guarantee via Deep Reinforcement Learning},
author = {Heng Zhang and Guangjin Pan and Shugong Xu and Shunqing Zhang and Zhiyuan Jiang},
journal= {arXiv preprint arXiv:2204.03502},
year = {2022}
}
备注
5 pages, 5 figures, accepted by VTC2022-Spring