失败乃良师：基于可用性与能耗的强化学习服务功能链放置方法
网络与互联网体系结构
2020-11-20 v2 机器学习
摘要
软件定义网络（SDN）和网络功能虚拟化（NFV）使网络可编程，从而更加灵活和敏捷。为满足服务等级协议、提高传统网络的利用率、加快服务部署并降低开支，电信运营商正在部署日益复杂的服务功能链（SFC）。尽管 SFC 有诸多益处，但从云到边缘日益增长的异构性和动态性带来了显著的 SFC 放置挑战，尤其是在保持可用性、服务质量并最小化成本的同时添加或移除网络功能。本文提出一种基于强化学习（RL）的可用性与能耗感知的动态 SFC 放置方案。基于巴西国家教学与研究网络骨干网（Rede Nacional de Ensino e Pesquisa, RNP）的真实网络拓扑仿真，对比了两种策略感知的 RL 算法——优势 actor-critic（A2C）和近端策略优化（PPO2）。仿真结果表明，PPO2 在接收率和能耗方面总体优于 A2C 和贪心方法。仅在网络服务器具有较多计算资源的场景下，A2C 优于 PPO2。
引用
@article{arxiv.2010.05711,
title = {The Greatest Teacher, Failure is: Using Reinforcement Learning for SFC Placement Based on Availability and Energy Consumption},
author = {Guto Leoni Santos and Theo Lynn and Judith Kelner and Patricia Takako Endo},
journal= {arXiv preprint arXiv:2010.05711},
year = {2020}
}