基于深度强化学习的云原生无线网络资源分配
网络与互联网体系结构
2023-05-11 v1 机器学习
摘要
云原生技术已革新 5G 及后 5G 与 6G 通信网络，带来前所未有的运营自动化、灵活性与适应性。然而，繁多的云原生服务与应用对动态云计算环境中的资源分配提出了新挑战。为应对该挑战，我们研究一种采用基于容器虚拟化的云原生无线架构，以实现灵活的服务部署。进而研究两个代表性用例：网络切片与多接入边缘计算。为优化这些场景中的资源分配，我们利用深度强化学习技术并引入两种无模型算法，能够监控网络状态并动态训练分配策略。我们在基于 Free5gc 搭建的测试平台上验证了算法的有效性。结果表明网络效率显著提升，凸显了所提技术在释放云原生无线网络全部潜力方面的前景。
引用
@article{arxiv.2305.06249,
title = {Deep Reinforcement Learning Based Resource Allocation for Cloud Native Wireless Network},
author = {Lin Wang and Jiasheng Wu and Yue Gao and Jingjing Zhang},
journal= {arXiv preprint arXiv:2305.06249},
year = {2023}
}
备注
11pages, 8figures