Core Concepts
알 수 없는 간섭과 공급업체 종속적인 구현으로 인해 WiFi 네트워크의 QoS를 최적화하기 위해 강화 학습 기반 스케줄링 프레임워크를 제안하고 구현했습니다.
Abstract
이 논문에서는 알 수 없는 간섭에 시달리는 실용적인 무선 LAN(WLAN)의 애플리케이션 계층 QoS를 최적화하기 위한 강화 학습 기반 스케줄링 프레임워크를 제안하고 구현했습니다. 특히, EDCA 메커니즘이 있는 WLAN에서 파일 전송과 지연에 민감한 통신(예: 화면 프로젝션)과 같은 애플리케이션 계층 작업을 경쟁 창 크기와 애플리케이션 계층 처리량 제한을 조정하여 공동 스케줄링하여 처리량과 왕복 시간과 같은 QoS를 최적화했습니다. 알 수 없는 간섭과 공급업체 종속적인 네트워크 인터페이스 카드 구현으로 인해 스케줄링 정책과 시스템 QoS 간의 관계를 알 수 없기 때문에, 새로운 Q-네트워크를 제안하여 과거 스케줄링 매개변수와 QoS 관찰을 현재 스케줄링 작업에 매핑했습니다. 실험에서는 제안된 프레임워크가 기존 EDCA 메커니즘보다 훨씬 나은 QoS를 달성할 수 있음을 보여줍니다.
Stats
파일 전송 작업의 처리량은 최대 600Mbps입니다.
지연에 민감한 작업 1의 데이터 전송률은 50Mbps이고, 작업 3과 4의 데이터 전송률은 25Mbps입니다.
지연에 민감한 작업 1의 최대 허용 RTT는 16ms이고, 작업 3과 4의 최대 허용 RTT는 28ms입니다.
Quotes
"알 수 없는 간섭과 공급업체 종속적인 구현으로 인해 스케줄링 정책과 시스템 QoS 간의 관계를 알 수 없기 때문에, 강화 학습 방법을 제안했습니다."
"실험에서는 제안된 프레임워크가 기존 EDCA 메커니즘보다 훨씬 나은 QoS를 달성할 수 있음을 보여줍니다."