כתבה
arXiv cs.LG ·
השימוש באלטרנטיבות: למידה תקופתית דרך RL היררכי ל-VNEAP
Exploiting the Alternatives: Coordinated Learning via Hierarchical RL for Dynamic VNEAP
המחברים הציגו גישה חדשה ללמידה תקופתית ל-VNEAP, המשלבת RL היררכי ומשחקי כפליים. הגישה, המכונה HRL-VNEAP, מסוגלת לבחור את האלטרנטיבה הטובה ביותר ל-VNR ולהקים אותה על הרשת ה-Substrate.
תקציר מקורי באנגליתarXiv:2512.05207v3 Announce Type: replace-cross Abstract: Virtual Network Embedding (VNE) is a key enabler of network slicing, yet most formulations assume that each Virtual Network Request (VNR) has a fixed topology. Recently, VNE with Alternatives (VNEAP) was introduced to capture malleable VNRs, where each request can be instantiated using one of several functionally equivalent topologies that trade resources differently. This flexibility can improve embedding feasibility, but only if the orchestrator can jointly select suitable alternatives and embed them under dynamic arrivals. This paper proposes HRL-VNEAP, a hierarchical reinforcement learning approach for dynamic VNEAP. A high-level policy selects the most suitable alternative topology (or rejects the request), and a low-level poli
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית