边缘使能的 6G 网络中近最优 VNF 放置
网络与互联网体系结构
2021-11-16 v1
摘要
软件化与虚拟化为需要超低时延的新兴产业的关键概念。仅当传统上集中于通信网络核心的计算资源被移至更靠近用户的网络边缘时，这才有可能实现。然而，在第六代（6G）移动网络中实现边缘计算（Edge Computing, EC）需要高效的资源分配机制以放置虚拟网络功能（Virtual Network Functions, VNFs）。机器学习（ML）方法，更具体地，强化学习（Reinforcement Learning, RL）是解决此问题的一个有前景的途径。本工作的主要贡献有两部分：首先，我们通过将问题数学形式化为有限马尔可夫决策过程（Markov Decision Process, MDP）并使用称为策略迭代（Policy Iteration, PI）的动态规划方法求解，获得了启用 EC 的 6G 网络中 VNF 放置的理论性能界。其次，我们使用 RL 开发了该问题的实用解决方案，其中使用 Q-Learning 处理该问题，在放置网络中 VNF 时同时考虑计算与通信资源。在系统参数不同设置下的仿真结果表明，Q-Learning 方法的性能接近最优 PI 算法（且无需其对服务统计的严格假设）。当 EC 资源稀缺且需要对其高效管理时，这一点尤为有趣。
引用
@article{arxiv.2111.07849,
title = {Near Optimal VNF Placement in Edge-Enabled 6G Networks},
author = {Carlos Ruiz De Mendoza and Bahador Bakhshi and Engin Zeydan and Josep Mangues-Bafalluy},
journal= {arXiv preprint arXiv:2111.07849},
year = {2021}
}
备注
This version of the paper is submitted to ICIN 2022