一种基于联邦学习资源需求预测的虚拟网络功能迁移算法

摘要：

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法.该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求.基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略.仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡.

关键词：虚拟网络功能、预测、迁移、深度强化学习

所属期刊栏目：44

分类号：TN929.5

资助基金：国家自然科学基金;重庆市教委科学技术研究项目

在线出版日期：2022-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3532-3540