多地点接続の報酬最大化呼受付・経路制御

• ファン ウ゛ァン ティエン

  早稲田大学大学院国際情報通信研究科

• 田中 良明

  早稲田大学大学院国際情報通信研究科

書誌事項

タイトル別名

• Reward-Maximized CAC and Routing for Multi-Point Connections

抄録

本稿では,複数のサービスクラスがある多地点接続の呼受付制御及び経路制御に強化学習(RL:Reinforcement Learning)を導入し,報酬最大化を行うことを検討している.まず,提案する呼受付制御及び経路制御を定式化し,実際の制御において処理し易い形に分解している.更に,RL及びMOSPF(Multicast extension to Open Shortest Path First)に基づく制御方式をシミュレーションにより比較し,提案するRLに基づく制御方式の特性が優れていることを示している.
This study introduces Reinforcement Learning (RL) to solve call admission control and routing problem for multi- point connections in networks serving multiple service classes. It presents a model formulating the CAC (Call Admission Control) and Routing as a problem of control, then decomposition is implemented to make the solution manageable. Finally, simulation results demonstrate the prominence of RL-based routing in comparison to MOSPF (Multicast extension to Open Shortest Path First) protocol.

収録刊行物

• 電子情報通信学会技術研究報告. NS, ネットワークシステム

  電子情報通信学会技術研究報告. NS, ネットワークシステム 102 (647), 29-32, 2003-02-11

  一般社団法人電子情報通信学会

キーワード

• 呼受付制御
• 経路制御
• 多地点接続
• 強化学習
• 報酬

詳細情報

• CRID: 1573387452236259840
• NII論文ID: 110003172393
• NII書誌ID: AA11546431
• 本文言語コード: en
• データソース種別:
  • CiNii Articles