【标题】Evolutionary Deep Reinforcement Learning for Dynamic Slice Management in O-RAN

【作者团队】Fatemeh Lotfi, Omid Semiari, Fatemeh Afghah

【发表日期】2022.8.30

【论文链接】https://arxiv.org/pdf/2208.14394.pdf

【推荐理由】新一代无线网络需要同时满足各种服务和标准。O-RAN 切片正在被研究作为在面对不断变化的环境时确保网络服务质量 (QoS) 的关键策略。但是，必须对不同的网络切片进行动态控制，以避免环境快速变化导致的服务水平协议 (SLA) 变化。因此，本文介绍了一种新颖的框架，能够通过配置的资源智能地管理网络切片。由于多样化的异构环境，智能机器学习方法需要充分的探索来处理无线网络中最恶劣的情况并加速收敛。本文提出了一种基于进化的深度强化学习（EDRL）的新解决方案，以加速和优化无线接入网（RAN）智能控制器（RIC）模块中的切片管理学习过程。为此，O-RAN 切片表示为马尔可夫决策过程 (MDP)，然后使用 EDRL 方法对资源分配进行优化求解，以满足服务需求。仿真结果表明，所提出的方法优于 DRL 基线 62.2%。

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