基于深度强化学习的网络切片多目标配置
网络与互联网体系结构
2022-08-16 v4 机器学习
摘要
网络切片(NS)对于在下一代网络中高效支持异构网络应用至关重要。然而，网络服务中复杂的服务质量(QoS)需求和多样的异构性使得网络切片配置(NSP)优化需要很高的计算时间。传统优化方法难以满足网络应用的低时延和高可靠性。为此，我们将实时NSP建模为在线网络切片配置(ONSP)问题。具体而言，我们将ONSP问题公式化为一个在线多目标整数规划优化(MOIPO)问题。然后，我们通过将近端策略优化(PPO)方法应用于流量需求预测来近似求解MOIPO问题。我们的仿真结果表明，与最先进的MOIPO求解器相比，所提方法具有更低的SLA违约率和网络运营成本。
引用
@article{arxiv.2207.13821,
title = {Multi-Objective Provisioning of Network Slices using Deep Reinforcement Learning},
author = {Chien-Cheng Wu and Vasilis Friderikos and Cedomir Stefanovic},
journal= {arXiv preprint arXiv:2207.13821},
year = {2022}
}