10.19678/j.issn.1000-3428.0049561
基于Q-learning的虚拟网络功能调度方法
针对现有调度方法多数未考虑虚拟网络功能在实例化过程中的虚拟机选择问题, 提出一种新的虚拟网络调度方法.建立基于马尔科夫决策过程的虚拟网络功能调度模型, 以最小化所有服务功能链的服务延迟时间.通过设计基于Q-learning的动态调度算法, 优化虚拟网络功能的调度顺序和虚拟机选择问题, 实现最短网络功能虚拟化调度时间.仿真结果表明, 与传统的随机虚拟机选择策略相比, 该方法能够有效降低虚拟网络功能调度时间, 特别是在大规模网络中调度时间可降低约40%.
网络功能虚拟化、服务功能链、调度模型、马尔科夫决策过程、Q-学习
45
TP391(计算技术、计算机技术)
国家高技术研究发展计划2015AA01A706;国家自然科学基金61521003;国家重点研发计划2016YFB0801605
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
64-69