基于 SARSA 强化学习的大规模物联网流量增强型发布/订阅通信
人工智能
2021-01-05 v1 机器学习
网络与互联网体系结构
摘要
传感器正被广泛部署，并预计在未来几年以显著速率增长。它们通常在物联网（IoT）应用领域（如智能城市、智能交通系统、智能电网和电子健康）产生大量数据。云、边缘与雾计算是用于收集、处理和分发物联网数据的潜在且具竞争力的策略。然而，基于云、边缘和雾的解决方案需要通过受限且资源有限的网络基础设施高效分发大量物联网数据。本文使用基于 SARSA 算法的强化学习（RL）认知通信资源分配，解决通过具有有限通信资源（带宽）的网络传输大量物联网数据的问题。所提出的网络基础设施（PSIoTRL）使用发布/订阅架构来访问海量且高度分布的物联网数据。结果表明，PSIoTRL 中基于 SARSA 的缓冲刷新带宽分配改善了物联网聚合器缓冲占用与网络链路利用率。PSIoTRL 根据发布/订阅主题优先级与网络约束需求动态适配物联网聚合器流量刷新。
引用
@article{arxiv.2101.00687,
title = {Enhanced Pub/Sub Communications for Massive IoT Traffic with SARSA Reinforcement Learning},
author = {Carlos E. Arruda and Pedro F. Moraes and Nazim Agoulmine and Joberto S. B. Martins},
journal= {arXiv preprint arXiv:2101.00687},
year = {2021}
}
备注
3rd International Conference on Machine Learning for Networking - MLN 2020, Paris, 20 pages, 8 figures