文献

J-GLOBAL ID：202202224622258108   整理番号：22A1169620

ドメイン間協調ルーティング最適化のためのFeudalマルチエージェント強化学習【JST・京大機械翻訳】

Feudal Multiagent Reinforcement Learning for Interdomain Collaborative Routing Optimization

著者 (9件)： Li Zhuo (Computer Network Information Center, Chinese Academy of Sciences, Beijing, China) ,  Li Zhuo (University of Chinese Academy of Sciences, Beijing, China) ,  Li Zhuo (Ghent University - imec, IDLab, Department of Information Technology, Gent, Belgium) ,  Zhou Xu (Computer Network Information Center, Chinese Academy of Sciences, Beijing, China) ,  Zhou Xu (University of Chinese Academy of Sciences, Beijing, China) ,  De Turck Filip (Ghent University - imec, IDLab, Department of Information Technology, Gent, Belgium) ,  Li Taixin (Computer Network Information Center, Chinese Academy of Sciences, Beijing, China) ,  Ren Yongmao (Computer Network Information Center, Chinese Academy of Sciences, Beijing, China) ,  Qin Yifang (Computer Network Information Center, Chinese Academy of Sciences, Beijing, China)
資料名： Wireless Communications & Mobile Computing  (Wireless Communications & Mobile Computing)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W1338A  ISSN： 1530-8669  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 突然のネットワーク変化を満たして,それに応じてルーティングポリシーを適応させるための従来のドメイン間ルーティング方式の不可能性を考慮して,ドメイン間ルーティング決定を最適化するために,Border Gatewayプロトコル(BGP)パラメータを修正し,ソフトウェア定義ネットワーク(SDN)を使用する多くの最適化方式を提案した。しかし,ネットワークデータ伝送のための需要の変化および増加によって,これらの機構の高い待ち時間および柔軟性は,ますます顕著になった。最近の研究は,ドメイン間要求を動的に満たすことができるマルチエージェント強化学習(MARL)を通してこれらの課題に対処して,マルチエージェントMarkov決定プロセス(MDP)を導入して,このルーティング最適化問題を構築した。したがって,本論文では,ドメイン間協調ルーティング方式をドメイン間協調アーキテクチャにおいて提案する。提案したFeudalマルチエージェントActor-Crit(FMAAC)アルゴリズムを,この競争-協調問題を解決するために,マルチエージェントアクター-批評とフェダル強化学習に基づいて設計した。このマルチエージェントは,エンドツーエンド遅延,スループット,平均配信率などの異なる最適化目的に焦点を当てた最適ドメイン間ルーティング決定について学習する。FMAACアルゴリズムの収束と有効性を検証するために,ドメイン間テストベッドで実験を行った。実験結果は,著者らのアプローチが,エンドツーエンド遅延の低減,スループットの増加,および90%以上の平均配信率の保証を含む,様々なサービス品質(QoS)指標を著しく改良できることを示した。Copyright 2022 Zhuo Li et al. 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 ,  *最適化 ,  最適化問題 ,  ネットワーク ,  遅れ ,  *経路選定 ,  情報配布 ,  スループット ,  待ち時間 ,  プロトコル ,  計算機アーキテクチャ ,  *エージェント ,  *強化学習
準シソーラス用語： データ伝送 ,  サービス品質 ,  *マルチエージェント ,  エンドツーエンド遅延 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

引用文献 (38件)：

• H. Yang, Y. Liang, J. Yuan, Q. Yao, A. Yu, J. Zhang, "Distributed blockchain-based trusted multidomain collaboration for mobile edge computing in 5G and beyond," IEEE Transactions on Industrial Informatics, vol. 16, no. 11, pp. 7094-7104, 2020.
• R. B. Silva, E. S. Mota, "A survey on approaches to reduce BGP interdomain routing convergence delay on the Internet," IEEE Communication Surveys and Tutorials, vol. 19, no. 4, pp. 2949-2984, 2017.
• J. Zhao, F. Li, D. Ren, J. Hu, Q. Yao, W. Li, "An intelligent inter-domain routing scheme under the consideration of diffserv QoS and energy saving in multi-domain software-defined flexible optical networks," Optics Communications, vol. 366, pp. 229-240, 2016.
• L. You, L. Wei, L. Junzhou, J. Jian, X. Nu, "An inter-domain multi-path flow transfer mechanism based on SDN and multi-domain collaboration," 2015 IFIP/IEEE International Symposium on Integrated Network Management (IM), pp. 758-761, Ottawa, ON, Canada, 2015.
• H. Mao, M. Alizadeh, I. Menache, S. Kandula, "Resource management with deep reinforcement learning," Proceedings of the 15th ACM workshop on hot topics in networks, pp. 50-56, 2016.

タイトルに関連する用語 (6件)： ドメイン ,  協調 ,  ルーティング ,  最適化 ,  マルチエージェント ,  強化学習