| 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
|
