【标题】Multi-agent reinforcement learning for intent-based service assurance in cellular networks

【作者团队】Satheesh K. Perepu, Jean P. Martins, Ricardo Souza S, Kaushik Dey

【发表日期】2022.8.7

【论文链接】https://arxiv.org/pdf/2208.03740.pdf

【推荐理由】最近，由于对许多用例的严格性能要求，基于意图的管理在电信网络中受到了广泛关注。现有研究的几种方法采用电信领域的传统方法来实现 KPI 的意图，可以将其定义为闭环。然而，这些方法认为每个闭环相互独立，这会降低组合闭环的性能。此外，当需要许多闭环时，这些方法不易扩展。多智能体强化学习 (MARL) 技术已在传统闭环控制不足的许多领域显示出显著的前景，通常用于循环之间的复杂协调和冲突管理。本文提出了一种基于MARL的方法来实现基于意图的管理，而不需要底层系统的模型。此外，当存在相互冲突的意图时，MARL 智能体可以通过优先考虑重要的 KPI 来隐式激励循环进行合作，而无需人工交互。已经在网络仿真器上进行了优化三项服务的 KPI 的实验，所提出的系统表现良好，并且能够在有足够资源时实现所有现有意图，或者在资源稀缺时优先考虑 KPI。

内容中包含的图片若涉及版权问题，请及时与我们联系删除