保护型负载均衡问题：基于神经网络的非凸优化近似
网络与互联网体系结构
2023-01-11 v1
摘要
当前，集中式路径计算单元（PCE）集成了控制平面算法，以持续优化路由和负载均衡。当链路发生故障时，根据负载均衡器的配置，流量负载会自动转移到剩余路径上。在此背景下，我们提出了一种负载均衡方法，可预判负载转移，以确保流量针对任何共享风险链路组（SRLG）故障受到保护。该方法的主要目标是相比现有方法更好地利用带宽。其内容包括在链路上预留最少量的额外带宽，以保证流量的重路由。我们针对最小化带宽预留成本的问题提出了一个非线性非凸模型。我们引入了一种基于神经网络的新近似方法以使问题凸化，并应用Kelley割平面法求解该问题。最后，我们表明，与使用SCIP求解器求解的紧凑模型相比，我们的算法显著改善了CPU时间。
引用
@article{arxiv.2301.03645,
title = {Protected load balancing problem: Neural-network based approximation for non-convex optimization},
author = {Youcef Magnouche and Sébastien Martin and Jérémie Leguay},
journal= {arXiv preprint arXiv:2301.03645},
year = {2023}
}
备注
Accepted at IEEE Noms 2023