基于案例推理的带宽分配模型认知管理——面向动态 BAM 重配置的证据
网络与互联网体系结构
2019-04-03 v1
摘要
在现今异构大规模网络(如云、物联网、车载和 MPLS 网络)中,管理是一项复杂任务。同样,研究人员与开发者设想利用人工智能技术创建认知与自治管理工具,以更好地辅助并增强管理过程周期。带宽分配模型(BAMs)是一种面向需以灵活动态方式共享和优化带宽、光纤或光时隙等有限资源的网络的资源分配方案。本文提出并评估了在 MPLS 网络中使用案例推理(CBR)对 BAM 重配置进行认知管理。结果表明 CBR 学习了与当前网络状态相关的带宽请求轮廓(LSP 请求),并能够动态定义或辅助 BAM 重配置。所采用的 BAM 重配置方法基于在可用 BAM 实现(MAM、RDM 和 ATCS)间切换。所提出的认知管理实现了 BAM 自配置,并优化了网络资源利用。
引用
@article{arxiv.1904.01149,
title = {Cognitive Management of Bandwidth Allocation Models with Case-Based Reasoning -- Evidences Towards Dynamic BAM Reconfiguration},
author = {Eliseu M. Oliveira and Rafael Freitas Reale and Joberto S. B. Martins},
journal= {arXiv preprint arXiv:1904.01149},
year = {2019}
}
备注
IEEE Symposium on Computers and Communications - ISCC 2018