Záleží nám na vašom súkromí
Pomocou súborov cookie a súvisiacich technológií, ako aj spracovaním vašich údajov môžeme lepšie prispôsobiť zobrazovaný obsah vašim potrebám.Udelením súhlasu s ukladaním informácií na vašom koncovom zariadení alebo s prístupom k informáciám a spracovaním údajov, a to aj v oblasti profilovania, trhu a štatistickej analýzy, budete môcť na stránkach Allegro ešte ľahšie nájsť presne to, čo hľadáte a čo potrebujete.Správcami vašich údajov bude spoločnosť Allegro, ako aj niektorí partneri, s ktorými spolupracujeme.
Jednoduchšie používanie našich stránok, zobrazovanie a meranie personalizovaného obsahu a reklám, vytváranie štatistík a zlepšovanie funkčnosti.Súhlas je dobrovoľný. Môžete ho kedykoľvek odvolať alebo obnoviť v záložke Nastavenia súborov cookie na hlavnej stránke. Odvolanie súhlasu nemá vplyv na zákonnosť spracovania vykonaného pred odvolaním.
zásady používania súborov cookiezásady ochrany osobných údajovParametre
Stav | Nové |
Faktúra | Vystavujem faktúry s DPH |
Jazyk vydania | Angličtina |
Názov | An Approach to Combine the Power of Deep Reinforcement Learning with a Graph Neural Network for Routing Optimization |
Autor | Chen, Bo |
Nosič | papierová kniha |
Obal knihy | brožovaná väzba |
Rok vydania | 2022 |
Nakladateľstvo | Eliva Press! |
Opis
An Approach to Combine the Power of Deep Reinforcement Learning with a Graph Neural Network for Routing Optimization
- Autor: Chen, Bo
- Wydawnictwo: Eliva Press
- Data wydania: 2022-03-21
- Liczba stron: 46
- Wymiary: 15.2 x 0.3 x 22.9
- Język: English: Published; English: Original Language; English
- ISBN: 9781636486062
Routing optimization has long been a problem in the networking field. With the rapid development of user applications, network traffic is continuously increasing in dynamicity, making optimization of the routing problem NP-hard. Traditional routing algorithms cannot ensure both accuracy and efficiency. The emergence of SDN enables network traffic to be steered from a global view of the network, which can provide more information for routing algorithms. However, the traffic distribution in the network is complicated and dynamically changes, making it difficult to design a good algorithm or policy to control the traffic throughout the whole network. Deep reinforcement learning (DRL) has recently shown great potential in solving networking problems. However, existing DRL-based routing solutions cannot process the graph-like information in the network topology and do not generalize well when the topology changes. In this paper, we propose AutoGNN, which combines a GNN and DRL for the automatic generation of routing policies. In AutoGNN, the traffic distribution in the network topology is processed by a GNN, while a DRL framework is used to train the parameters of neural networks without human expertise. Our experimental results show that AutoGNN can improve the average end-to-end delay of the network by up to 19.7% as well as present more robustness against topology changes.
Niektoré texty boli preložené automaticky. Dajte nám vedieť, ak ste si všimli jazykovú chybu.
Prezeráte si ponuky produktu An Approach to Combine the Power of Deep Reinforcement Learning with a Graph Neural Network for Routing Optimization Chen, Bo. Vidíte ponuku iného produktu? Nahláste nám to