基于网络服务邻近度的强化学习智能体领域自适应
机器学习
2023-12-29 v1 人工智能
摘要
无线网络中服务需求的动态与演化特性促使电信行业考虑采用智能自适应的强化学习(RL)智能体来控制不断增长的网络服务组合。随着未来 6G 网络的采用，预计会引入许多新型服务，有时这些服务由网络外部的应用定义。针对特定服务类型需求训练的 RL 智能体若未经领域自适应，可能并不适合管理不同类型的服务。我们提供了一种简单启发式方法来评估新服务与现有服务之间的邻近度度量，并表明最邻近服务的 RL 智能体可通过明确定义的领域自适应过程快速适应新服务类型。我们的方法使训练好的源策略能够在不重新训练新策略的情况下适应动态变化的新情况，从而显著实现计算与成本效益。此类领域自适应技术不久可能为面对快速演化的服务类型时更通用的基于 RL 的服务管理奠定基础。
引用
@article{arxiv.2303.01013,
title = {Domain Adaptation of Reinforcement Learning Agents based on Network Service Proximity},
author = {Kaushik Dey and Satheesh K. Perepu and Pallab Dasgupta and Abir Das},
journal= {arXiv preprint arXiv:2303.01013},
year = {2023}
}
备注
9 pages, Submitted to Netsoft 2023 conference