面向SFC的均值场博弈与强化学习MEC资源供给
网络与互联网体系结构
2022-01-31 v1
摘要
在本文中，我们解决多接入边缘计算（MEC）基础设施中服务功能链（SFC）的虚拟网络功能（VNFs）放置与链接方面的资源供给问题，以降低服务延迟。我们将VNFs视为系统主要实体，并提出均值场博弈（MFG）框架对其放置与链接行为进行建模。随后，为在不考虑系统控制参数的情况下获得最优资源供给策略，我们将所提MFG化简为马尔可夫决策过程（MDP）。由此，我们利用带执行者-评论者方法的强化学习，使MEC节点学习复杂的放置与链接策略。仿真结果表明，我们的方法优于基准SOTA方法。
引用
@article{arxiv.2201.11830,
title = {Mean-Field Game and Reinforcement Learning MEC Resource Provisioning for SFC},
author = {Amine Abouaomar and Soumaya Cherkaoui and Zoubeir Mlika and Abdellatif Kobbane},
journal= {arXiv preprint arXiv:2201.11830},
year = {2022}
}