智能驱动分布式6G网络中面向多层编排的能效域内网络切片：利用无监督强化学习学习通用分配技能
网络与互联网体系结构
2024-10-31 v1
摘要
由于第六代（6G）无线网络有望提供新的网络服务级别并满足未来的新兴期望，它将是一个复杂而精密的网络系统。6G的复杂性与鲁棒性将伴随着各种挑战，需要新颖的策略来应对。本研究聚焦于6G网络的去中心化和多层级系统模型，并提出了一种能效自动化策略，用于边缘域管理和网络切片（NS），主要目标是通过利用可扩展性、效率和泛化能力来降低网络复杂性。因此，我们提出了一种预训练阶段，利用无监督强化学习（unsupervised RL）在网络边缘域中发现有用的分配技能。所提出的技术不依赖于域规格，因此适用于所有边缘域。我们的方法不仅实现了可扩展性和去中心化，还通过协助域控制器提供多种服务类型来提升效率。我们实现了预训练阶段，并监测到所发现的分配技能涵盖了每种服务类型的所有可能资源分配区间。
引用
@article{arxiv.2410.23161,
title = {Energy-Efficient Intra-Domain Network Slicing for Multi-Layer Orchestration in Intelligent-Driven Distributed 6G Networks: Learning Generic Assignment Skills with Unsupervised Reinforcement Learning},
author = {Navideh Ghafouri and John S. Vardakas and Kostas Ramantas and Christos Verikoukis},
journal= {arXiv preprint arXiv:2410.23161},
year = {2024}
}
备注
9 Pages, 4 Figures