سال انتشار:

2014

---

ترجمه فارسی عنوان مقاله:

طراحی و ارزیابی الگوریتم های یادگیری برای مدیریت دینامیک منابع در شبکه های مجازی

---

عنوان انگلیسی مقاله:

Design and Evaluation of Learning Algorithms for Dynamic Resource Management in Virtual Networks

---

منبع:

978-1-4799-0913-1/14/$31.00 c 2014 IEEE

---

نویسنده:

Rashid Mijumbi∗, Juan-Luis Gorricho∗, Joan Serrat∗, Maxim Claeysy, Filip De Turcky and Steven Latre

---

چکیده انگلیسی:

Network virtualisation is considerably gaining attention as a solution to ossification of the Internet. However, the success of network virtualisation will depend in part on how efficiently the virtual networks utilise substrate network resources. In this paper, we propose a machine learning-based approach to virtual network resource management. We propose to model the substrate network as a decentralised system and introduce a learning algorithm in each substrate node and substrate link, providing self-organization capabilities. We propose a multiagent learning algorithm that carries out the substrate network resource management in a coordinated and decentralised way. The task of these agents is to use evaluative feedback to learn an optimal policy so as to dynamically allocate network resources to virtual nodes and links. The agents ensure that while the virtual networks have the resources they need at any given time, only the required resources are reserved for this purpose. Simulations show that our dynamic approach significantly improves the virtual network acceptance ratio and the maximum number of accepted virtual network requests at any time while ensuring that virtual network quality of service requirements such as packet drop rate and virtual link delay are not affected.
Keywords: Network virtualization | Dynamic Resource Allocation | Virtual Network Embedding | Artificial Intelligence | Machine Learning | Reinforcement Learning | Multiagent Systems

---

چکیده فارسی:

مجازی سازی شبکه بعنوان راه حلی برای قالب بندی-تقویت ساختار اینترنت، توجه زیادی را بخود جلب نموده است. اگرچه، بخشی از موفقیت مجازی سازی شبکه بستگی به این خواهد داشت که تا چه اندازه شبکه های مجازی از منابع فرعی شبکه بطرز موثری استفاده می کنند. در این مقاله، رویکرد مبتنی بر یادگیری ماشین برای مدیریت منابع شبکه مجازی پیشنهاد می شود. ما پیشنهاد می کنیم تا شبکه فرعی بصورت سیستم غیرمتمرکز مدل سازی شود و الگوریتم یادگیری را در هر گره فرعی و لینک فرعی معرفی می کنیم، که سبب ایجاد توانایی های خودسازماندهی می شود. همچنین الگوریتم یادگیری چندعاملی را پیشنهاد می کنیم که مدیریت منابع شبکه فرعی را به روش هماهنگ و غیرمتمرکز انجام می دهد. وظیفه این عامل ها (نماینده ها) استفاده از فیدبک تخمینی برای یادگیری ترفندی بهینه است تا بصورت دینامیک منابع شبکه را به گره ها و لینک های مجازی اختصاص دهند. عامل ها اطمینان می دهند که درحین اینکه شبکه های مجازی دارای منابعی هستند که در زمان های معین به ان ها نیاز دارند، تنها منابع مورد نیاز برای این منظور ذخیره می شوند. نتایج شبیه سازی ها نشان می دهند که روش دینامیکی ما، بطور قابل توجهی نرخ پذیرش شبکه مجازی و حداکثر تعداد درخواست های مورد قبول شبکه مجازی را در هر زمان بهبود می دهد حال انکه اطمینان می-دهد کیفیت نیازهای خدماتی شبکه مجازی مانند نرخ رهاسازی بسته و تاخیر لینک مجازی تحت تاثیر قرار نمی گیرند.
کلمات کلیدی: مجازی سازی شبکه | تخصیص دینامیک منابع | تعبیه شبکه مجازی | هوش مصنوعی | یادگیری ماشین | یادگیری تقویت | سیستم های چند عاملی

---

---

---

---

حجم فایل: 412 کیلوبایت

---

قیمت: 32000 تومان  25600 تومان(20% تخفیف)

---

توضیحات اضافی:

---

---

---