論文の概要: Service Chain Composition with Failures in NFV Systems: A Game-Theoretic Perspective

• arxiv url: http://arxiv.org/abs/2008.00208v1
• Date: Sat, 1 Aug 2020 07:58:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 01:06:14.278660
• Title: Service Chain Composition with Failures in NFV Systems: A Game-Theoretic Perspective
• Title（参考訳）: NFVシステムの障害を考慮したサービスチェーン構成:ゲーム理論の視点から
• Authors: Simeng Bian, Xi Huang, Ziyu Shao, Xin Gao, Yang Yang
• Abstract要約: 最先端のネットワーク機能仮想化(NFV)システムでは、異なるネットワークサービス(NS)に対して、要求レイテンシが極端に低く、ネットワークの混雑を最小限に抑えながら効率的なサービスチェーンを構成することが重要な課題である。 本研究では, 異なるNSのサービスチェーン組成を, ほぼ最適遅延と最小混雑の両方でナッシュ平衡状態(NE)へ誘導する2つの効果的な分散スキームを提案する。
• 参考スコア（独自算出の注目度）: 20.179259105875474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For state-of-the-art network function virtualization (NFV) systems, it remains a key challenge to conduct effective service chain composition for different network services (NSs) with ultra-low request latencies and minimum network congestion. To this end, existing solutions often require full knowledge of the network state, while ignoring the privacy issues and overlooking the non-cooperative behaviors of users. What is more, they may fall short in the face of unexpected failures such as user unavailability and virtual machine breakdown. In this paper, we formulate the problem of service chain composition in NFV systems with failures as a non-cooperative game. By showing that such a game is a weighted potential game and exploiting the unique problem structure, we propose two effective distributed schemes that guide the service chain compositions of different NSs towards the Nash equilibrium (NE) state with both near-optimal latencies and minimum congestion. Besides, we develop two novel learning-aided schemes as comparisons, which are based on deep reinforcement learning (DRL) and Monte Carlo tree search (MCTS) techniques, respectively. Our theoretical analysis and simulation results demonstrate the effectiveness of our proposed schemes, as well as the adaptivity when faced with failures.
• Abstract（参考訳）: 最先端のネットワーク機能仮想化(nfv)システムでは、超低リクエストレイテンシと最小ネットワーク混雑を持つ異なるネットワークサービス(nss)に対して、効果的なサービスチェーン構成を行うことが依然として重要な課題である。 この目的のために、既存のソリューションは、プライバシーの問題を無視し、ユーザの非協力的な振る舞いを無視しながら、ネットワーク状態の完全な知識を必要とします。 さらに、ユーザ不使用や仮想マシンのダウンといった予期せぬ失敗に直面している場合もあります。 本稿では,非協調ゲームとして失敗するNFVシステムにおけるサービスチェーン構成の問題点を定式化する。 このようなゲームが重み付きポテンシャルゲームであることを示すことによって、異なるNSのサービスチェーン組成をNash平衡状態(NE)へ誘導する2つの効果的な分散スキームを提案する。 さらに, 深部強化学習 (DRL) とモンテカルロ木探索 (MCTS) に基づく2つの新しい学習支援スキームを比較として開発した。 提案手法の有効性と, 故障時の適応性について理論的解析およびシミュレーションにより検証した。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Hard-Constrained Neural Networks with Universal Approximation Guarantees [5.3663546125491735]
  HardNetは、モデルキャパシティを犠牲にすることなく、本質的に厳しい制約を満たすニューラルネットワークを構築するためのフレームワークである。 ニューラルネットワークの普遍近似能力はHardNetが保持していることを示す。
  論文  参考訳（メタデータ） (2024-10-14T17:59:24Z)
• Learning to Solve Combinatorial Optimization under Positive Linear Constraints via Non-Autoregressive Neural Networks [103.78912399195005]
  組合せ最適化(英: Combinatorial Optimization、CO)は、計算機科学、応用数学などにおける基本的な問題である。 本稿では, 正線形制約下でのCO問題の解法として, 非自己回帰ニューラルネットワーク群を設計する。 本研究では,施設位置,最大被覆率,旅行セールスマン問題を含む代表的CO問題の解決において,この枠組みの有効性を検証する。
  論文  参考訳（メタデータ） (2024-09-06T14:58:31Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。 エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth Soft-Thresholding [57.71603937699949]
  我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。 トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
  論文  参考訳（メタデータ） (2023-09-12T13:03:47Z)
• Effective Self-supervised Pre-training on Low-compute Networks without Distillation [6.530011859253459]
  報告された自己教師型学習のパフォーマンスは、標準的な教師付き事前学習よりも大きなマージンで遅れている。 以前の作業のほとんどは、低スループットネットワークのキャパシティボトルネックによるパフォーマンスの低下を理由としている。 我々は、現実的な制約の原因となる有害要因と、それらが自己監督型低コンプット設定に固有のものであるかどうかについて、より詳しく検討する。
  論文  参考訳（メタデータ） (2022-10-06T10:38:07Z)
• Distributed neural network control with dependability guarantees: a compositional port-Hamiltonian approach [0.0]
  大規模なサイバー物理システムは、制御ポリシーが分散されていること、すなわち、ローカルなリアルタイム測定と近隣エージェントとの通信にのみ依存することを要求する。 最近の研究でニューラルネットワーク(NN)分散コントローラのトレーニングが提案されている。 NNコントローラの主な課題は、トレーニング中と後、すなわちクローズドループシステムは不安定であり、勾配の消失と爆発によってトレーニングが失敗する可能性があることである。
  論文  参考訳（メタデータ） (2021-12-16T17:37:11Z)
• Low-Latency Federated Learning over Wireless Channels with Differential Privacy [142.5983499872664]
  フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。 本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
  論文  参考訳（メタデータ） (2021-06-20T13:51:18Z)
• Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
  我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。 我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-07-27T12:38:37Z)
• Machine Learning for Performance-Aware Virtual Network Function Placement [3.5558885788605323]
  サービス機能チェーン(SFC)を形成する仮想ネットワーク機能インスタンスの効率的な配置から学習する機械学習決定ツリーモデルを開発する。 このモデルは入力としてネットワークからいくつかのパフォーマンス関連の特徴を取り、依存するVNFインスタンス間の遅延を最小限に抑える目的で、ネットワークサーバ上の様々なVNFインスタンスの配置を選択する。
  論文  参考訳（メタデータ） (2020-01-13T14:08:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。