ORIENT：面向6G延迟敏感应用的优先级感知型高能效方法
网络与互联网体系结构
2024-02-13 v1 人工智能
分布式、并行与集群计算
机器学习
摘要
对6G到来的期待伴随着对计算和网络能耗日益增长的担忧。预计联网设备和资源需求型应用的激增将给能源资源带来前所未有的挑战。虽然过去已讨论过可持续资源分配策略，但这些工作主要集中于单域编排或忽略了6G提出的独特需求。为解决这一差距，我们研究了服务实例放置与分配、路径选择和请求优先级排序的联合问题，称为PIRA。目标函数是最大化系统整体收益，该收益是长期内并发支持请求数量的函数，同时最小化能耗。此外，还考虑了计算和网络资源的端到端延迟要求与资源容量约束，并利用排队论估计请求的信息年龄（AoI）。在将问题表述为非线性形式后，我们证明了其NP难解性，并提出了一种名为ORIENT的方法。该方法基于双重决斗深度Q学习（D3QL）机制，并利用图神经网络（GNN）进行状态编码。大量数值模拟表明，对于不同的系统规模和请求数量，ORIENT都能产生接近最优的解。
引用
@article{arxiv.2402.06931,
title = {ORIENT: A Priority-Aware Energy-Efficient Approach for Latency-Sensitive Applications in 6G},
author = {Masoud Shokrnezhad and Tarik Taleb},
journal= {arXiv preprint arXiv:2402.06931},
year = {2024}
}
备注
Conference, 6 pages, 2 figures, 28 equations, 1 table, 1 algorithm, and 16 references