National and Kapodistrian University of Athens
Delay-based routing optimisation in self-defined networks with deep reinforcement learning
Abstract
dc:descriptionΗ μοντελοποίηση δικτύου είναι ένας βασικός παράγοντας για την επίτευξη αποτελεσματικής λειτουργίας δικτύου, καθοριζόμενη από λογισμικό (SDN). Ωστόσο, η κατασκευή τέτοιων μοντέλων απαιτεί: (1) λειτουργικά δίκτυα ακριβείας, ικανά να παράγουν προβλέψεις για Βασικούς Δείκτες Απόδοσης, όπως η καθυστέρηση πακέτων, η απώλεια πακέτων, κ.λπ., και (2) διαδικασίες εξαγωγής συμπερασμάτων που βασίζονται σε αυτούς τους Δείκτες Απόδοσης για την εφαρμογή πολιτικών δρομολόγησης, π.χ. συντομότερο μονοπάτι, σε μακροσκοπικό επίπεδο, αντί για το μικροσκοπικό επίπεδο που περιορίζεται στην πηγή και προορισμό ενός πακέτου. Σε αυτή την εργασία προτείνουμε ένα μοντέλο που (α) δημιουργεί κυκλοφοριακό φορτίο με έναν προσομοιωτή δικτύου σε επίπεδο πακέτων και (β) αξιοποιεί τα νευρωνικά δίκτυα γράφων για να προβλέψει καθυστερήσεις για ένα μοναδικό μονοπάτι από ένα πηγαίο κόμβο σε έναν τελικό κόμβο, (γ) αθροίζει τις προβλέψεις για καθυστερήσεις ανά πηγή/προορισμό για να λάβει πολλαπλές εναλλακτικές διαδρομές και καθυστερήσεις ως προς όλο το δίκτυο, για ένα μόνο ζεύγος πηγής-προορισμού και τέλος, (δ) αξιοποιεί τη βαθιά ενισχυτική μάθηση για να υπολογίσει τη συντομότερη διαδρομή, ως προς την καθυστέρηση πακέτου, σε μακροσκοπικό επίπεδο.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Ξαγοράρη Αικατερίνη
- Xagorari Aikaterini
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3331347