MAGNNETO：一种基于图神经网络的多智能体流量工程系统
网络与互联网体系结构
2023-04-03 v1 机器学习
多智能体系统
摘要
当前网络领域趋势提出将机器学习（ML）用于多种网络优化任务。为此，人们已做出许多努力以产生基于ML的流量工程（TE）解决方案，而TE是ISP网络中的基本问题。如今，最先进的TE优化器依赖传统优化技术，如局部搜索、约束规划或线性规划。本文中，我们提出MAGNNETO，一种分布式的基于ML的框架，它利用多智能体强化学习和图神经网络进行分布式TE优化。MAGNNETO在网络中部署一组智能体，这些智能体通过相邻智能体间的消息交换以分布式方式学习与通信。具体而言，我们应用该框架优化OSPF中的链路权重，以最小化网络拥塞。在我们的评估中，我们在超过75种拓扑（最多153个节点和354条链路）中将MAGNNETO与若干最先进TE优化器比较，包括真实流量负载。实验结果表明，得益于其分布式特性，MAGNNETO以显著更短的执行时间实现了与最先进TE优化器相当的性能。此外，我们基于ML的解决方案展现出强大的泛化能力，可成功运行于训练期间未见过的新网络。
引用
@article{arxiv.2303.18157,
title = {MAGNNETO: A Graph Neural Network-based Multi-Agent system for Traffic Engineering},
author = {Guillermo Bernárdez and José Suárez-Varela and Albert López and Xiang Shi and Shihan Xiao and Xiangle Cheng and Pere Barlet-Ros and Albert Cabellos-Aparicio},
journal= {arXiv preprint arXiv:2303.18157},
year = {2023}
}
备注
IEEE Transactions on Cognitive Communications and Networking (2023). arXiv admin note: text overlap with arXiv:2109.01445