大会名称 |
---|
2020年 総合大会 |
大会コ-ド |
2020G |
開催年 |
2020 |
発行日 |
2020-03-03 |
セッション番号 |
B-7 |
セッション名 |
情報ネットワーク |
講演日 |
2020/3/18 |
講演場所(会議室等) |
総合科学部 L棟2F L201講義室 |
講演番号 |
B-7-27 |
タイトル |
マルチエージェント深層強化学習による動的仮想リソース割当手法のスケール性評価 |
著者名 |
○鈴木晃人, 原田薫明, |
キーワード |
NFV, 仮想ネットワーク制御, リソース割当, 強化学習 |
抄録 |
近年,トラヒックやサーバのリソース需要変動が激化しており,リソースの需要変動に追従した動的仮想リソース割当手法が求められている.筆者らは,マルチエージェント深層強化学習による動的仮想リソース割当手法を提案した.ただし,過去の報告では,トラヒック需要を正弦波でモデル化している点や,VN数が小さい点など,実用的な評価条件から乖離している点も多い. そこで本稿では,より実用的な条件下における有効性評価を目的として,自己回帰移動平均(ARMA)モデルで生成したトラヒック需要に対して,VN数のスケール性について定量評価した結果を報告する. |
本文pdf |
PDF download
|