分布式控制器软件定义网络中用于请求调度的多智能体深度强化学习
网络与互联网体系结构
2023-05-19 v1 机器学习
多智能体系统
摘要
近来,分布式控制器架构在软件定义网络(SDN)中迅速普及。然而,分布式控制器的使用引入了一个崭新且重要的请求调度(RD)问题,其目标是让每个 SDN 交换机在所有控制器间恰当地调度其请求以优化网络性能。该目标可通过设计 RD 策略来指导各交换机的请求分布而实现。在本文中,我们提出一种多智能体深度强化学习(MA-DRL)方法,以自动设计出具有高适应性与高性能的 RD 策略。这是通过以多智能体马尔可夫决策过程(MA-MDP)形式的新问题建模、一种新的自适应 RD 策略设计以及一种称为 MA-PPO 的新 MA-DRL 算法来实现的。大量仿真研究表明,我们的 MA-DRL 技术能有效训练 RD 策略,显著优于人工策略、基于模型的策略以及通过单智能体 DRL 算法学习到的 RD 策略。
引用
@article{arxiv.2103.03022,
title = {Multi-Agent Deep Reinforcement Learning for Request Dispatching in Distributed-Controller Software-Defined Networking},
author = {Victoria Huang and Gang Chen and Qiang Fu},
journal= {arXiv preprint arXiv:2103.03022},
year = {2023}
}