基于深度确定性策略梯度的虚拟网络功能迁移优化算法

作者：唐伦; 贺兰钦^*; 谭颀; 陈前斌

来源：电子与信息学报, 2021, 43(02): 404-411.

• 虚拟网络功能
• 深度强化学习
• SFC端到端时延
• 网络能耗

针对NFV/SDN架构下,服务功能链(SFC)的资源需求动态变化引起的虚拟网络功能(VNF)迁移优化问题,该文提出一种基于深度强化学习的VNF迁移优化算法。首先,在底层CPU、带宽资源和SFC端到端时延约束下,建立基于马尔可夫决策过程(MDP)的随机优化模型,该模型通过迁移VNF来联合优化网络能耗和SFC端到端时延。其次,由于状态空间和动作空间是连续值集合,提出一种基于深度确定性策略梯度(DDPG)的VNF智能迁移算法,从而得到近似最优的VNF迁移策略。仿真结果表明,该算法可以实现网络能耗和SFC端到端时延的折中,并提高物理网络的资源利用率。

• 单位
  通信与信息工程学院; 重庆邮电大学