基于图卷积神经网络与强化学习的动态虚拟网络嵌入算法
网络与互联网体系结构
2022-02-07 v1 人工智能
摘要
网络虚拟化(NV)是一项具有广阔应用前景的技术。虚拟网络嵌入(VNE)是VN的核心方向，旨在为用户功能请求提供更灵活的底层物理资源分配。经典VNE问题通常用启发式方法求解，但该方法常限制算法灵活性并忽略时间限制。此外，物理域的划分自治与虚拟网络请求(VNR)的动态特性也增加了VNE的难度。本文提出一种新型VNE算法，将强化学习(RL)与图神经网络(GNN)理论应用于算法，特别是图卷积神经网络(GCNN)与RL算法的结合。基于自定义适应度矩阵与适应度值，我们建立算法实现的目标函数，实现一种高效的动态VNE算法，并有效降低资源碎片化程度。最后，我们使用对比算法评估所提方法。仿真实验验证了基于RL与GCNN的动态VNE算法具有良好的基础VNE特性。通过改变物理网络与虚拟网络的资源属性，可证明该算法具有良好的灵活性。
引用
@article{arxiv.2202.02140,
title = {Dynamic Virtual Network Embedding Algorithm based on Graph Convolution Neural Network and Reinforcement Learning},
author = {Peiying Zhang and Chao Wang and Neeraj Kumar and Weishan Zhang and Lei Liu},
journal= {arXiv preprint arXiv:2202.02140},
year = {2022}
}