基于分层强化学习的 O-RAN 中意图驱动智能控制与编排
网络与互联网体系结构
2023-07-07 v1
摘要
在开放无线接入网（O-RAN）中，需要对 rApp 和 xApp 进行良好的控制与编排，以便它们在复杂的多厂商环境中提供有保障的网络性能。本文提出了一种基于分层强化学习（HRL）的新颖意图驱动智能控制与编排方案。所提方案可根据运营商优化特定关键性能指标（KPI）（如吞吐量、能效和时延）的意图来编排多个 rApp 或 xApp。具体而言，我们提出了一种具有元控制器和控制器双层架构。元控制器提供以 KPI 表示的目标性能，而控制器在较低层执行 xApp 编排。我们的仿真结果表明，所提出的基于 HRL 的意图驱动 xApp 编排机制相对于两个基线（即单一 xApp 基线和基于非机器学习的算法）分别实现了平均系统吞吐量 7.5% 和 21.4% 的提升。类似地，与相同基线相比，能效分别提升了 17.3% 和 37.9%。
引用
@article{arxiv.2307.02754,
title = {Intent-driven Intelligent Control and Orchestration in O-RAN Via Hierarchical Reinforcement Learning},
author = {Md Arafat Habib and Hao Zhou and Pedro Enrique Iturria-Rivera and Medhat Elsayed and Majid Bavand and Raimundas Gaigalas and Yigit Ozcan and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2307.02754},
year = {2023}
}
备注
Accepted by IEEE MASS 2023