基于虚拟网络架构的空天地一体化多域网络资源编排：一种深度强化学习方法
网络与互联网体系结构
2022-02-08 v1 人工智能
摘要
传统地面无线通信网络由于部署、覆盖与容量问题，无法为智能交通系统（ITS）等人工智能（AI）应用提供高质量服务。空天地一体化网络（SAGIN）已成为业界研究焦点。相比传统无线通信网络，SAGIN更灵活可靠，且具有更广覆盖与更高质量的无缝连接。然而，因其固有的异构、时变与自组织特性，SAGIN的部署与使用仍面临巨大挑战，其中异构资源编排是关键问题。基于虚拟网络架构与深度强化学习（DRL），我们将SAGIN的异构资源编排建模为多域虚拟网络嵌入（VNE）问题，并提出一种SAGIN跨域VNE算法。我们对SAGIN的不同网段进行建模，并根据SAGIN实际情况与用户需求设置网络属性。在DRL中，智能体由五层策略网络执行。我们基于从SAGIN提取的网络属性构建特征矩阵，并将其用作智能体训练环境。通过训练，可得出各底层节点被嵌入的概率。在测试阶段，我们依次基于该概率完成虚拟节点与链路的嵌入过程。最后，我们从训练与测试两方面验证了算法的有效性。
引用
@article{arxiv.2202.02459,
title = {Space-Air-Ground Integrated Multi-domain Network Resource Orchestration based on Virtual Network Architecture: a DRL Method},
author = {Peiying Zhang and Chao Wang and Neeraj Kumar and Lei Liu},
journal= {arXiv preprint arXiv:2202.02459},
year = {2022}
}