面向协作排队智能体的图卷积强化学习
网络与互联网体系结构
2022-05-25 v1 机器学习
摘要
在本文中，我们探索利用多智能体深度学习以及学会协作原则，针对一组分类网络流，在满足吞吐量与端到端时延方面的严格服务等级协议。我们考虑构建于加权公平排队算法之上的智能体，其持续为三个流组（金、银、铜）设置权重。我们依赖于一种新颖的基于图卷积的多智能体强化学习方法，即 DGN。作为基准，我们提出了集中式与分布式深度 Q 网络方法，并在不同的网络、流量与路由场景下评估其性能，突显了我们方案的有效性以及智能体协作的重要性。我们表明，我们基于 DGN 的方法在所有场景中均满足严格的吞吐量与时延要求。
引用
@article{arxiv.2205.12009,
title = {Graph Convolutional Reinforcement Learning for Collaborative Queuing Agents},
author = {Hassan Fawaz and Julien Lesca and Pham Tran Anh Quang and Jérémie Leguay and Djamal Zeghlache and Paolo Medagliani},
journal= {arXiv preprint arXiv:2205.12009},
year = {2022}
}