大規模ネットワークスライシングの最適化のための効率的なベンダース分解アプローチ
本論文は、大規模ネットワークスライシング問題を効率的に解くためのカスタマイズされたベンダース分解アルゴリズムを提案する。このアルゴリズムは、困難な元の問題を相対的に容易な2つの部分問題に分解し、それらを反復的に解くことで、大規模問題に特に適している。さらに、ネットワークの特性を活用した2つの有効不等式族を提案し、分解アルゴリズムの収束を大幅に加速する。
認知無線ネットワークの多目的最適化
認知無線ネットワークの電力消費、スペクトル使用効率、人体への電磁波暴露を同時に最適化する新しいアルゴリズムを提案する。
在ネットワークを通じた過去の視点を活用した差分可能な方策最適化による神経在庫管理
過去の視点を活用した差分可能な方策最適化手法を提案し、在庫管理問題に適用することで、最適な在庫管理方策を導出できることを示した。
柔軟で一般化可能な強化学習フレームワークFlagVNEによるネットワークリソース割当
FlagVNEは、仮想ノードと物理ノードの共同選択を可能にする双方向アクションベースのMDPモデリングアプローチを提案し、探索の柔軟性を向上させる。また、メタ強化学習ベースの一般化可能な学習手法と段階的なカリキュラム学習戦略を導入し、様々なサイズの仮想ネットワークリクエストに対する高い適応性を実現する。
ネットワーク化された計算施設における分散最適化の最適タスク割当てと無秩序の価格
ネットワーク上の分散サーバ間でのタスク割当ての最適化と、分散的な選択による無秩序の価格について分析する。
量子コンピューティングの高い準備性を持つキューアウェアなネットワーク制御アルゴリズムを、ファットパイプネットワーク用の離散時間フローシミュレータで評価する
ファットパイプネットワークにおいて、量子アニーリングコンピューターで実行可能な集中型ネットワーク制御アルゴリズムを提案し、バースト性のあるトラフィックに対して、リソースの再割り当てによりトラフィック損失を大幅に削減できることを示す。
高速な決定アルゴリズムを用いたSDN制御ワイヤレスアクセスネットワークにおける効率的なアクセスポイント割り当て
本研究では、ユーザ端末の過去の利用履歴に基づいて極めて単純なネットワーク側の流量予測アルゴリズムを提案し、それを用いて迅速な決定を行うことで、最適な割り当てに近い高いネットワーク利用率を実現する。
© 2024 by Linnk AI