基于Q-learning的虚拟网络功能调度方法

作者：王晓雷; 陈云杰; 王琛; 牛犇

来源：计算机工程, 2019, 45(02): 64-69.

DOI：10.19678/j.issn.1000-3428.0049561

• 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

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%。