A novel reinforcement learning algorithm for virtual network embedding

مجازی سازی شبکه، سهم یک شبکه فیزیکی را در بین چندین شبکه مجازی را فعال می کند. تعبیه شبکه مجازی، اثربخشی استفاده از منابع شبکه را تعیین می کند. الگوریتم های نقشه برداری اکتشافی سنتی از روش های استاتیک پیروی می کنند، بنابراین نمی توانند به طور خودکار بهینه سازی شوند، که منجر به تصمیم گیری های غیرقابتی و رتبه بندی می شود. برای حل این مشکل، یک روش یادگیری تقویت کننده را برای تعبیه شبکه مجازی معرفی می کنیم. در این مقاله، یک شبکه سیاستی را بر اساس یادگیری تقویتی طراحی و پیاده سازی می کنیم تا تصمیم گیری های نقشه برداری گره انجام شود. ما برای رسیدن به بهینه سازی به طور خودکار با استفاده از شیوه سیاست گذاری، با آموزش شبکه سیاست با داده های تاریخی بر اساس درخواست های شبکه مجازی، از گرادیان سیاست استفاده می کنیم. برای کسب اطلاعات بیشتر، این کار اولین بار است که از داده های درخواست های تاریخی برای بهینه سازی جاسازی شبکه به صورت خودکار استفاده می کند. عملکرد الگوریتم تعبیه پیشنهاد شده در مقایسه با دو الگوریتم دیگر که از قوانین مصنوعی بر اساس رتبه بندی گره استفاده می کنند، ارزیابی می شود. نتایج شبیه سازی نشان می دهد که یادگیری تقویت کننده ما قادر است از درخواست های تاریخی یاد بگیرد و از دو الگوریتم دیگر جاسازی شده بهتر عمل کند.