Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Dynamic VNF Scheduling: A Deep Reinforcement Learning Approach Penjadualan VNF Dinamik: Pendekatan Pembelajaran Peneguhan Mendalam

Zixiao ZHANG, Fujun HE, Eiji OKI

  • pandangan teks lengkap

    3

  • Petikan Ini

Ringkasan:

Kertas kerja ini memperkenalkan pendekatan pembelajaran pengukuhan mendalam untuk menyelesaikan masalah penjadualan fungsi rangkaian maya dalam senario dinamik. Kami merumuskan model pengaturcaraan linear integer untuk masalah dalam senario statik. Dalam senario dinamik, kami mentakrifkan keadaan, tindakan dan ganjaran untuk membentuk pendekatan pembelajaran. Ejen pembelajaran digunakan dengan algoritma aktor-kritik kelebihan tak segerak. Kami menetapkan ejen induk dan beberapa ejen pekerja kepada setiap nod virtualisasi fungsi rangkaian dalam masalah. Ejen pekerja bekerja secara selari untuk membantu ejen induk membuat keputusan. Kami membandingkan pendekatan yang diperkenalkan dengan pendekatan sedia ada dengan mengaplikasikannya dalam persekitaran simulasi. Pendekatan sedia ada termasuk tiga pendekatan tamak, pendekatan penyepuhlindapan simulasi, dan pendekatan pengaturcaraan linear integer. Keputusan berangka menunjukkan bahawa pendekatan pembelajaran pengukuhan mendalam yang diperkenalkan meningkatkan prestasi sebanyak 6-27% dalam kes kami yang diperiksa.

Jawatankuasa
IEICE TRANSACTIONS on Communications Vol.E106-B No.7 pp.557-570
Tarikh penerbitan
2023/07/01
Diumumkan
2023/01/10
ISSN dalam talian
1745-1345
DOI
10.1587/transcom.2022EBP3160
Jenis Manuskrip
PAPER
kategori
rangkaian

Pengarang

Zixiao ZHANG
  Kyoto University
Fujun HE
  Kyoto University
Eiji OKI
  Kyoto University

Kata kunci

Contents [show]