Dec, 2023

iOn-Profiler：智能在线多目标 VNF 配置文件分析与强化学习

PDF
TL;DR通过改进的强化学习方法，我们的研究提供了一种多目标优化的虚拟网络功能资源分配方案，实现了关键绩效指标的目标达成，同时最小化多种资源类型的消耗，并优化了虚拟网络功能的输出速率。
virtualised network functionsmachine learningreinforcement learningresource allocationmulti-objective optimisation
发现论文，激发创造
  • 应对异构资源需求和时变流量动态的网络切片深度强化学习

    本研究提出了一种基于深度强化学习的网络分片动态资源分配问题解决方案，模拟数据和真实负载驱动跟踪的模型评估表明，相比于基准均等分片策略，我们的解决方案提高了总资源利用率，降低了时延性能，并满足了更多的需求。

    Aug, 2019

  • 面向成本和时延敏感的虚拟网络功能部署和路由的多智能体深度强化学习

    本文提出了一种基于多智能体深度强化学习的有效而新颖的方法，用于解决联合虚拟网络功能（VNF）部署和路由问题，该问题涉及多个不同需求的服务请求同时交付，并通过其延迟和成本敏感因素反映服务请求的不同需求，提出了基于参数移植的模型重新训练方法来处理网络拓扑发生更改的情况。

    Jun, 2022

  • 基于深度强化学习的云原生无线网络资源分配

    基于容器虚拟化的云原生无线网络架构，应用深度强化学习算法来监控网络状态和动态分配资源，优化了网络分片和多接入边缘计算等场景的资源分配，大幅提高了网络效率。

    May, 2023

  • 联合优化部分卸载和 SFC 映射：一种合作的双代理深度强化学习方法

    本研究使用深度强化学习算法解决在 NFV-enabled MEC 环境下的部分卸载和服务功能链映射问题，旨在在执行延迟，移动设备的能量消耗和边缘计算的使用费用方面优化。研究结果表明，所提出的算法在累积和平均随机回报方面优于三种深度强化学习算法的组合，并在执行延迟，能量消耗和使用费用方面胜过众多基准算法。

    May, 2022

  • 基于跨域虚拟网络嵌入的无线网络多目标资源优化

    本研究提出了一种多目标优化的虚拟网络嵌入算法，旨在高效分配无线网络资源，实验结果表明，该算法在映射成本、网络延迟和虚拟网络请求接受率等三个指标方面优于其他算法，并体现了该算法在无线网络资源分配中的有效性。

    Feb, 2022

  • 基于图卷积神经网络和强化学习的动态虚拟网络嵌入算法

    本文提出了一种基于强化学习和图卷积神经网络的动态虚拟网络嵌入算法，将自定义的适应度矩阵和适应值作为目标函数，实现了高效的动态虚拟网络嵌入，有效降低了资源碎片化程度，并验证了该算法具有优秀的灵活性和基本 VNE 特性。

    Feb, 2022

  • 基于多目标优化的 IoD 架构下的工业 4.0 多域 VNE 算法

    该论文提出一种基于多域架构和遗传变异因素优化的多域虚拟网络嵌入算法，通过加权累加法将多目标问题转化为单目标问题，选择相应物理域上的成本最低点作为备选节点，此算法在延迟、成本、综合性指标等方面都优于 MC-VNM、LID-VNE 和其他算法。

    Feb, 2022

  • 网络分割资源管理的机器学习：综述

    本文综述了多租户网络分片技术在 5G 蜂窝网络中的重要性，其提供了作为一种新类型公共云服务的网络切片，因此增加了服务的灵活性和增强了网络资源效率，并探讨了机器学习在其中的角色。

    Jan, 2020

  • V2X 网络中资源分配的联邦强化学习

    在车联网（V2X）网络中，我们通过联邦强化学习（FRL）框架探索资源分配，并使用非精确交替方向乘子法（ADMM）实现了算法 PASM，在 V2X 网络中解决资源分配问题，并与基线方法进行了比较。

    Oct, 2023

  • 面向有效的 VNF 分析的联邦传输组件分析

    本文提出了一种基于联邦传输组件分析的方法，通过训练生成对抗网络模型并使用已有和目标虚拟网络功能的数据，实现了资源消耗的预测，同时保护数据隐私。实验结果表明，该方法能有效地减少回归模型的均方根误差指标，并提高决定系数度量值。

    Apr, 2024