Distributed Artificial Intelligence for Agentic Intent-Based Networking in Mobile Networks

Iacovos Ioannou

doi:10.3390/fi18100530

Distributed Artificial Intelligence for Agentic Intent-Based Networking in Mobile Networks

2026-10-01

0

OA

AI

DOI：10.3390/fi18100530

原文链接

原文求助

摘要

En 中文

通过意图网络（IBN），网络目标被声明式指定，但在移动网络中，其实现跨越了争夺耦合的无线、传输和计算资源的行政域，但无法共享本地模型和遥测数据。提出了一种基于信念-欲望-意图-执行（BDIX）循环的分布式人工智能（DAI）控制器，以共享空间协调为中心。每个域代理的本地决策通过Gi映射到一个共同的p维资源空间，这样只有资源贡献和一个共同的价格向量跨越域，经过最小松弛可行性证书认证并在信任准入门之后。类型细化、赤字反馈和冲突调解支持其运行。在一个协调层基准测试（4到64个域，二十个种子）中，全信息目标与报告的数值精度相匹配，且无需披露本地模型（成本差距为0.00%），而在主要β=0.60设置下，仅聚合分配损失2.27%到3.83%，而平分损失25.21%到37.67%。当12.50%到25.00%的域将贡献低估五倍时，诚实域成本在没有门的情况下上升24.48%到50.95%，而在有门的情况下最多上升2.26%，而轻微的虚假行为无法被信任门可靠检测，使其控制依赖于委托的资源边界。在单域分析装置（二十个保留种子）中，控制器达到显示的最高联合得分（0.80），最低平均延迟，且比十一项比较器中的七项得分显著更高；端到端工作流执行通过桥接演练单独演示。因此，共享空间协调是在无法共享本地模型时的首选分配方式。

Keyword:

intent-based networking

distributed artificial intelligence

multi-agent systems

mobile networks

O-RAN

network slicing

distributed optimisation

Lyapunov control

shared-space coordination

zero-touch management

Distributed Artificial Intelligence for Agentic Intent-Based Networking in Mobile Networks

摘要

期刊

机构

引用论文