MEC 中的服务功能链：一种平均场博弈与强化学习方法
网络与互联网体系结构
2022-12-21 v1
摘要
多接入边缘计算（MEC）与网络虚拟化技术是第五代（5G）网络交付多样化应用与服务的重要使能技术。服务通常通过服务功能链（SFC）以全连接虚拟网络功能（VNF）的形式提供。然而，在网络边缘分配 SFC 资源的问题仍面临诸多与 VNF 放置、链接与调度方式相关的挑战。本文中，为解决这些问题，我们提出一种基于博弈论的方法，目标是在网络边缘 SFC 场景下降低服务时延。SFC 资源分配问题可划分为两个子问题：1) VNF 放置与路由子问题；2) VNF 调度子问题。对前者，我们将其建模为平均场博弈（MFG），其中 VNF 被建模为争夺边缘资源的实体，以降低 MEC 节点资源消耗并减少用户时延。我们提出一种基于强化学习的技术，使用 Ishikawa-Mann 学习算法（IMLA）。对后者，我们将其建模为 VNF 与边缘资源间的匹配博弈，以在降低时延的同时确定 VNF 的执行顺序。为高效求解，我们提出多对一延迟接受算法（DAA）的改进版本，称为增强多步延迟接受算法（eMSDA）。为展示所提方法的性能，我们进行了大量仿真。所得结果表明，所提方法优于其他基准的先进方法。
引用
@article{arxiv.2105.04701,
title = {Service Function Chaining in MEC: A Mean-Field Game and Reinforcement Learning Approach},
author = {Amine Abouaomar and Soumaya Cherkaoui and Zoubeir Mlika and Abdellatif Kobbane},
journal= {arXiv preprint arXiv:2105.04701},
year = {2022}
}