Online Network Resource Allocation (ONRA) for service provisioning is a fundamental problem in communication networks. As a sequential decision-making under uncertainty problem, it is promising to approach ONRA via Reinforcement Learning (RL). But, RL solutions suffer from the sample complexity issue; i.e., a large number of interactions with the environment needed to find an efficient policy. This is a barrier to utilize RL for ONRA as on one hand, it is not practical to train the RL agent offline due to lack of information about future requests, and on the other hand, online training in the real network leads to significant performance loss because of the sub-optimal policy during the prolonged learning time. This performance degradation is even higher in non-stationary ONRA where the agent should continually adapt the policy with the changes in service requests. To deal with this issue, we develop a general resource allocation framework, named RADAR, using model-based RL for a class of ONRA problems with the known immediate reward of each action. RADAR improves sample efficiency via exploring the state space in the background and exploiting the policy in the decision-time using synthetic samples by the model of the environment, which is trained by real interactions. Applying RADAR on the multi-domain service federation problem, to maximize profit via selecting proper domains for service requests deployment, shows its continual learning capability and up to 44% performance improvement w.r.t. the standard model-free RL solution.


翻译:在线网络资源分配(ONRA)对于服务提供是一个根本性的通信网络问题。作为在不确定性问题下的一个顺序决策,有希望通过强化学习(RL)与ONRA进行接触。但是,RL的绩效退化在非静止的ONRA中甚至更加严重,因为代理机构应不断根据服务要求的变化调整政策。为了解决这个问题,我们开发了一个名为RADAR的一般资源分配框架,即RADAR, 使用基于模型的RL解决ONRA的一类问题,即已知的对每项行动的直接奖赏。RADAR通过在背景中探索国家空间和在长期学习期间利用决策期间的政策,提高抽样效率。在非静止的ONRA中,这种绩效退化甚至更高,因为代理机构应不断根据服务要求的变化调整政策。为了解决这个问题,我们开发了一个名为RADAR的一般资源分配框架,使用示范性RL解决一系列问题,即立即奖励每一项行动。RAAR通过探索背景中的国家空间和利用决策期间的政策改进了绩效。通过经过培训的RADA标准化服务领域,通过模型,将经过培训的ASim Streal Streal eximal eximal repact in restial restial eximal replade pre avidudududustr vidustr vidududududustr vidududustr vidu vical vidu vi vidu vi vi vi vi vi vi vi vi vi vi vi vi vi vi vi vi vi vi vi 一种通过通过通过通过通过通过模型,通过模拟,通过通过通过通过经过经过经过对一个经过如何选择一个模拟选择一个模拟选择一个模型来选择一个模拟来选择一个模拟到一个可靠的的模型来选择一个可靠的的模型来选择一个模拟来选择一个真正的服务环境来选择一个真正的服务 vi vi vi 。

0
下载
关闭预览

相关内容

深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年12月13日
Arxiv
5+阅读 · 2020年6月16日
Arxiv
6+阅读 · 2018年12月10日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员