論文の概要: BeNNS: A Surrogate Model for Hybrid Online-Offline Evolution of SFC Embedding
- arxiv url: http://arxiv.org/abs/2509.16856v1
- Date: Sun, 21 Sep 2025 00:51:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 14:55:55.350205
- Title: BeNNS: A Surrogate Model for Hybrid Online-Offline Evolution of SFC Embedding
- Title（参考訳）: BeNNS:SFC埋め込みのハイブリッドオンラインオフライン進化のためのサロゲートモデル
- Authors: Theviyanthan Krishnamohan, Lauritz Thamsen, Paul Harvey,
- Abstract要約: Service Function Chains (SFC) は、コンピュータネットワーク内の機能とサービスのプログラムによる制御を可能にする。
SFCを基盤となる物理ネットワークと計算インフラに埋め込むことの課題はNPハードの問題である。
生成したソリューションを評価するためのハイブリッドオンラインオフラインアプローチを導入する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Service Function Chains (SFCs) enable programmatic control of the functions and services in a computer network. By leveraging Software Defined Networking to control the links between virtualised network functions, SFCs provide a scalable approach to dealing with the increased pressures on network operation and management. Unfortunately, the challenge of embedding SFCs onto the underlying physical network and compute infrastructure is an NP-hard problem. Genetic Algorithms (GAs) have been used to address this issue, but they require significant time to evaluate solution quality (fitness) \textit{online}, with most solutions instead adopting \textit{offline} simulations or analytical evaluations. To enable online use of GAs in solving the SFC embedding problem, we introduce a hybrid online-offline approach to evaluate generated solutions. At the core of this is BeNNS--a topology, traffic, and SFC-embedding agnostic surrogate model that approximates fitness. We evaluate our approach across six experiments, varying available resources and traffic loads. Our results demonstrate that our approach is capable of exploring thousands of potential configurations and generating deployable solutions in 36.8 minutes on average, compared to online-only approaches, which take 17.9 hours on average to explore tens of solutions, which do not converge on an optimal solution.
- Abstract（参考訳）: Service Function Chains (SFC) は、コンピュータネットワーク内の機能とサービスのプログラムによる制御を可能にする。
Software Defined Networkingを活用して、仮想ネットワーク関数間のリンクを制御することにより、SFCはネットワーク操作と管理の増大に対処するスケーラブルなアプローチを提供する。
残念ながら、SFCを基盤となる物理ネットワークと計算インフラに埋め込むことの課題はNPハードの問題である。
遺伝的アルゴリズム(GA)はこの問題に対処するために使われてきたが、ソリューションの品質(適合性)であるtextit{online} を評価するのにかなりの時間を要する。
SFC埋め込み問題の解決において,GAのオンライン利用を可能にするために,生成されたソリューションを評価するためのハイブリッドオンラインオフラインアプローチを導入する。
この中心となるのは、トポロジー、トラフィック、およびフィットネスを近似するSFC埋め込み型サロゲートモデルであるBeNNSである。
我々は、利用可能なリソースとトラフィック負荷の6つの実験にまたがってアプローチを評価した。
我々の手法は, 最適解に収束しない数十のソリューションを探索するために, 平均17.9時間を要するオンラインのみのアプローチと比較して, 数千の潜在的構成を探索し, 平均36.8分で展開可能なソリューションを生成することができることを示した。
関連論文リスト
- Network Diffuser for Placing-Scheduling Service Function Chains with Inverse Demonstration [46.98496077944134]
Service Function Chains (SFC) は、SFC (Service Function Chains) として知られる、チェーンアップされた仮想ネットワーク機能と関連するトラフィックフローである。
オンライン方式でSFCのシーケンシャルな到着に対処するには、SFCをネットワーク内のサーバ/リンクにマップするSFC配置問題と、各SFCの実行時期を決定するSFCスケジューリング問題という、密接に結合した2つの問題を考える必要がある。
生成AIと拡散モデルの最近の進歩により、言語記述から高品質な画像/ビデオと決定軌道を生成することが可能になった。
論文 参考訳（メタデータ） (2025-01-10T02:51:58Z) - 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) - QCQP-Net: Reliably Learning Feasible Alternating Current Optimal Power
Flow Solutions Under Constraints [4.1920378271058425]
本稿では,ACOPFネットワークに計算効率よく入力をマッピングする新しい計算学習ACOPFを提案する。
提案手法は,既存のアプローチが失敗する状況において,優れた実現可能性率とコストを達成できることをシミュレーションにより示す。
論文 参考訳（メタデータ） (2024-01-11T20:17:44Z) - ILP-based Resource Optimization Realized by Quantum Annealing for Optical Wide-area Communication Networks -- A Framework for Solving Combinatorial Problems of a Real-world Application by Quantum Annealing [5.924780594614675]
近年の研究では、D-Wave AdvantageTM量子アニールシステムに組み込むことができる2次非拘束二元最適化(QUBO)問題として、そのような問題をいかに実装できるかを実証した。
本稿では、システムパラメータの最適化に関する調査と、ソリューションの品質をさらに向上させるために機械学習(ML)技術をどのように取り入れているかについて報告する。
我々は、このNNを単純な整数線形プログラミング(ILP)の例で実装し、D-Waveが取得しなかった解空間をNNが完全にマッピングする方法を実証した。
論文 参考訳（メタデータ） (2024-01-01T17:52:58Z) - Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [55.08287089554127]
基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。
本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。
提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
論文 参考訳（メタデータ） (2023-09-04T17:30:21Z) - A Multi-Domain VNE Algorithm based on Load Balancing in the IoT networks [22.63148849159129]
本稿では,ハイブリッド遺伝的アルゴリズムに基づく仮想ネットワークマッピング戦略を提案する。
アルゴリズムの柔軟性を向上させるために、クロス確率とフェロモンベースの突然変異遺伝子選択戦略を使用する。
平均見積もりのマッピング、リンクロードバランシング、マッピングコスト-ベネフィット比、受け入れ率、実行時間など、多くのパフォーマンス指標でうまく機能する。
論文 参考訳（メタデータ） (2022-02-07T01:01:21Z) - Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural
Networks [52.32646357164739]
最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。
提案されたSIDNNは、幅広いOPFスキームと互換性がある。
他のLearning-to-OPFスキームとシームレスに統合できる。
論文 参考訳（メタデータ） (2021-03-27T00:45:23Z) - On Topology Optimization and Routing in Integrated Access and Backhaul
Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。
我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。
メッシュベースのIABネットワークを実現する上での課題について論じる。
論文 参考訳（メタデータ） (2021-02-14T21:52:05Z)
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。