文献

J-GLOBAL ID：202002246981071441   整理番号：20A2618948

ネットワーク内輻輳制御への分散強化学習アプローチ【JST・京大機械翻訳】

A Distributed Reinforcement Learning Approach to In-network Congestion Control

著者 (5件)： Mai Tianle (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,Beijing,China) ,  Yao Haipeng (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,Beijing,China) ,  Zhang Xing (Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Posts and Telecommunications,Beijing,China) ,  Xiong Zehui (School of Computer Science and Engineering, Nanyang Technological University,Singapore) ,  Niyato Dusit (School of Computer Science and Engineering, Nanyang Technological University,Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCC  ページ： 817-822  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ネットワークトラフィック揮発性のため,輻輳制御はネットワークオペレータが直面する挑戦的な問題である。現在のネットワークは,最悪ケース輻輳条件(例えば,約30%の容量で走行するリンク)を収容するために,しばしば過剰予測されている。効果的輻輳制御方式は,ネットワーク利用とより低いオペレータコストを強化することができる。今日,最も一般的に使用される輻輳制御技術は,ネットワーク(例えば,明示的輻輳通知(ECN)またはラウンドトリップ時間(RTT))からのフィードバック信号を用いて,伝送速度を調整する,エンドホストベースソリューション(例えば,付加的増加/乗算減少(AIMD))である。しかし,これらの解決策は,現在のネットワークにおけるミリ秒マイクロバーストトラフィックを検出し,応答するのが難しい。本論文では,10から100ミリ秒の時間スケールで起きる揮発性に焦点を当て,それは輻輳を引き起こすのに十分大きい。強化学習支援ネットワーク輻輳制御方式を提案した。輻輳制御アルゴリズムは,トラフィック揮発性に迅速に適応するためにスイッチ内部で直接実行される。さらに,分散スイッチ間のネットワーク規模協調制御を強化するために,集中型実行フレームワークによる集中型訓練を採用し,集中型批判を導入し,分散スイッチの訓練プロセスを容易化した。Omnet++上で広範なシミュレーションを行い,最先端の方式と比較して提案アルゴリズムを評価した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  オペレータ ,  *ネットワーク ,  分散強化 ,  乗算 ,  伝送速度 ,  制御方式 ,  揮発性 ,  協調制御 ,  *輻輳制御 ,  *強化学習
準シソーラス用語： ラウンドトリップ時間 ,  制御アルゴリズム ,  ネットワークトラフィック , 【Automatic Indexing@JST】

分類 (5件)： 符号理論  (ND02030R) ,  NMR一般  (BM07041R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 輻輳制御 ,  分散強化 ,  学習