面向 5G 核心中基于深度强化学习的 VNF 部署与 SFC 供给的 GenAI 辅助方法
网络与互联网体系结构
2025-09-30 v1
摘要
虚拟化技术，即网络功能虚拟化（Network Function Virtualization, NFV），为通信和 5G 核心网络技术提供了动态高效分配资源的灵活性，同时降低了物理基础设施的成本与依赖性。在 NFV 语境下，业务功能链（Service Function Chain, SFC）是指各种虚拟网络功能（Virtual Network Functions, VNF）的有序排列。为了提供一种能够满足具有超可靠低延迟通信（URLLC）要求的 SFC 请求的自动化 SFC 供给算法，文献中对人工智能（AI）模块和深度强化学习（DRL）算法进行了详细研究。本研究提出了一种由生成式变分自编码器（Variational Autoencoder, VAE）辅助的高级 DRL 模块，用于处理网络配置和请求量可发生变化的动态环境中的 SFC 请求。采用结合生成式 VAE 和 DRL 的混合方法，该算法利用了多项优势，如 VAE 侧的降维和更好的泛化能力，以及 DRL 模型的探索和试错学习。结果表明，在 SFC 供给方面，GenAI 辅助的 DRL 在 SFC 接受率、端到端（E2E）延迟和吞吐量最大化上均超越了最先进的 DRL 模型。
引用
@article{arxiv.2411.12851,
title = {GenAI Assistance for Deep Reinforcement Learning-based VNF Placement and SFC Provisioning in 5G Cores},
author = {Murat Arda Onsu and Poonam Lohan and Burak Kantarci and Emil Janulewicz},
journal= {arXiv preprint arXiv:2411.12851},
year = {2025}
}
备注
6 pages, 5 figures