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

Joint Virtual Network Function Deployment and Scheduling via Heuristics and Deep Reinforcement Learning Penerapan dan Penjadualan Fungsi Rangkaian Maya Bersama melalui Heuristik dan Pembelajaran Peneguhan Dalam

Zixiao ZHANG, Eiji OKI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Kertas kerja ini memperkenalkan pendekatan heuristik dan pendekatan pembelajaran pengukuhan yang mendalam untuk menyelesaikan masalah penggunaan dan penjadualan fungsi rangkaian maya bersama dalam senario dinamik. Kami merumuskan masalah sebagai masalah pengoptimuman. Berdasarkan penerangan matematik masalah pengoptimuman, kami memperkenalkan tiga pendekatan heuristik dan pendekatan pembelajaran pengukuhan mendalam untuk menyelesaikan masalah. Kami mentakrifkan objektif untuk memaksimumkan nisbah permintaan kelewatan yang berpuas hati sambil meminimumkan purata kos sumber untuk senario dinamik. Dua pendekatan tamak kami yang diperkenalkan masing-masing dinamakan tamak masa tamat dan tamak sumber pengiraan. Dalam pendekatan tamak masa penamat, kami membuat setiap permintaan diselesaikan secepat mungkin walaupun kos sumbernya; dalam pendekatan tamak sumber pengiraan, kami membuat setiap permintaan menempati sesedikit mungkin sumber walaupun masa selesai. Pendekatan penyepuhlindapan simulasi kami yang diperkenalkan menjana penyelesaian yang boleh dilaksanakan secara rawak dan menumpu kepada penyelesaian anggaran. Dalam pendekatan berasaskan pembelajaran kami, rangkaian saraf dilatih untuk membuat keputusan. Kami menggunakan persekitaran simulasi untuk menilai prestasi pendekatan kami yang diperkenalkan. Keputusan berangka menunjukkan bahawa pendekatan pembelajaran peneguhan mendalam yang diperkenalkan mempunyai prestasi terbaik dari segi manfaat dalam kes kami yang diperiksa.

Jawatankuasa
IEICE TRANSACTIONS on Communications Vol.E106-B No.12 pp.1424-1440
Tarikh penerbitan
2023/12/01
Diumumkan
2023/08/01
ISSN dalam talian
1745-1345
DOI
10.1587/transcom.2023EBP3039
Jenis Manuskrip
PAPER
kategori
rangkaian

Pengarang

Zixiao ZHANG
  Kyoto University
Eiji OKI
  Kyoto University

Kata kunci

Contents [show]