真实网络负载条件下基于深度强化学习的切片放置
网络与互联网体系结构
2021-09-28 v1 人工智能
摘要
我们提出演示一种基于深度强化学习（DRL）的网络切片放置优化方案，称为启发式控制DRL，该方案使用启发式方法来控制DRL算法的收敛。该方案适用于大规模且在非平稳流量条件（即网络负载）下的真实网络。我们展示了所提方案的适用性及其相对于非受控DRL方案更高且稳定的性能。演示场景包括具有多个易变网络切片放置请求到达的完全在线学习。
引用
@article{arxiv.2109.12857,
title = {DRL-based Slice Placement under Realistic Network Load Conditions},
author = {José Jurandir Alves Esteves and Amina Boubendir and Fabrice Guillemin and Pierre Sens},
journal= {arXiv preprint arXiv:2109.12857},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2010.08295