基于R-Learning的多域5G网络服务联邦接纳控制
网络与互联网体系结构
2021-10-05 v2
摘要
5G/B5G 网络中的服务联邦使服务提供商能够跨多个域编排网络服务，其中接纳控制是一个关键问题。对于每个需求，在不知晓未来需求的情况下，接纳控制器要么确定部署该需求的域，要么拒绝它，以最大化长期平均利润。本文中，首先，在已知需求到达率和离开率的假设下，我们通过将该问题建模为马尔可夫决策过程并获得最优接纳控制策略，该过程由策略迭代方法求解。作为一种实用方案，在速率未知的情况下，我们应用 Q-Learning 和 R-Learning 算法来逼近最优策略。大量仿真结果表明，学习方法优于贪婪策略，且虽然 Q-Learning 的性能依赖于折扣因子，R-Learning 算法的最优性差距至多 3-5%，与系统配置无关。
引用
@article{arxiv.2103.02964,
title = {R-Learning Based Admission Control for Service Federation in Multi-domain 5G Networks},
author = {Bahador Bakhshi and Josep Mangues-Bafalluy and Jorge Baranda},
journal= {arXiv preprint arXiv:2103.02964},
year = {2021}
}
备注
This is the version of the paper accepted to be published in IEEE GLOBECOM 2021