面向可扩展分布式 6G RAN 切片编排的 FDRL 智能体专用化研究
网络与互联网体系结构
2022-11-08 v1
摘要
网络切片支持在 5G 及更先进网络部署上实例化并定制多个虚拟网络，以满足异构用例需求。然而，由于集中式控制器需要全面掌握不同网络域的资源可用性与消耗情况，现有大多数方案在考虑大量切片时面临可扩展性问题。为应对这一挑战，我们设计了一种分层架构，以联邦方式管理网络切片资源。受深度强化学习（DRL）方案与开放无线接入网（O-RAN）范式快速发展的推动，我们提出一组流量感知的本地决策智能体（DAs），动态部署于无线接入网（RAN）中。这些联邦决策实体根据底层流量的长期动态定制其资源分配策略，形成专用化集群，从而实现更快的训练并降低通信开销。事实上，在流量感知智能体选择算法的辅助下，我们所提出的联邦 DRL 方法通过快速响应终端用户移动模式并减少与集中式控制器的高代价交互，提供了比基准方案更高的资源效率。
引用
@article{arxiv.2211.03088,
title = {On the Specialization of FDRL Agents for Scalable and Distributed 6G RAN Slicing Orchestration},
author = {Farhad Rezazadeh and Lanfranco Zanzi and Francesco Devoti and Hatim Chergui and Xavier Costa-Perez and Christos Verikoukis},
journal= {arXiv preprint arXiv:2211.03088},
year = {2022}
}
备注
15 pages, 15 Figures, accepted for publication at IEEE TVT