玩家私有网络的机器学习预测
分布式、并行与集群计算
2020-12-14 v1 机器学习
摘要
玩家私有网络（GPN）是 WTFast 创建的客户端/服务器技术，用于使在线游戏的网络性能更快、更可靠。GPN 使用中间段服务器和专有算法，更好地将在线视频游戏玩家通过广域网连接到其游戏服务器。在线游戏是一个庞大的娱乐市场，网络延迟是玩家竞争优势的关键方面。这一市场意味着不同竞争公司实现了许多不同的网络架构方法，且这些架构在不断演进。因此，确保 WTFast 客户端与其希望玩的在线游戏之间的最优连接是一个极难自动化的问题。我们使用机器学习分析了来自 GPN 连接的历史网络数据，以探索网络延迟预测的可行性，而网络延迟预测是优化的关键部分。我们的下一步将从 GPN Minecraft 服务器和机器人收集实时数据（包括客户端/服务器负载、数据包与端口信息以及特定游戏状态信息）。我们将在强化学习模型中结合延迟预测使用这些信息，以改变客户端和服务器的配置从而实现最优网络性能。这些调查与实验将提升 GPN 系统的服务质量与可靠性。
引用
@article{arxiv.2012.06480,
title = {Machine Learning Prediction of Gamer's Private Networks},
author = {Chris Mazur and Jesse Ayers and Gaetan Hains and Youry Khmelevsky},
journal= {arXiv preprint arXiv:2012.06480},
year = {2020}
}
备注
17 pages, 3 figures, FTC 2020 conference (preprint version)