基于图神经网络的调度：在广义干扰模型下提升吞吐量
系统与控制
2021-11-03 v1 信息论
机器学习
网络与互联网体系结构
系统与控制
math.IT
摘要
在这项工作中，我们提出了一种基于图卷积神经网络（GCN）的 adhoc 网络调度算法。具体而言，我们考虑一种称为 -容忍冲突图模型的广义干扰模型，并为著名的最大权重（Max-Weight）调度算法设计了一种高效的近似方法。本工作的一个显著特点是，所提方法不需要用于训练神经网络的标记数据集（计算为 NP-hard）。相反，我们设计了一个利用现有贪心方法的损失函数，并训练一个 GCN 以提升贪心方法的性能。我们大量的数值实验表明，使用我们的 GCN 方法，可以显著提升（4%-20%）传统贪心方法的性能。
引用
@article{arxiv.2111.00459,
title = {Graph Neural Network based scheduling : Improved throughput under a generalized interference model},
author = {S. Ramakrishnan and Jaswanthi Mandalapu and Subrahmanya Swamy Peruru and Bhavesh Jain and Eitan Altman},
journal= {arXiv preprint arXiv:2111.00459},
year = {2021}
}
备注
10 pages, Accepted at EAI VALUETOOLS 2021 - 14th EAI International Conference on Performance Evaluation Methodologies and Tools