Graph Pointer Network Assisted Deep Reinforcement Learning for Virtualized Network Embedding

Xinglong Pei

doi:10.1109/TGCN.2025.3548140

Graph Pointer Network Assisted Deep Reinforcement Learning for Virtualized Network Embedding

2025-03-05

0

PRE

AI

DOI：10.1109/TGCN.2025.3548140

原文链接

摘要

En 中文

网络功能虚拟化（NFV）提高了网络服务的灵活性和可扩展性，并降低了运营成本。作为网络虚拟化研究的核心，虚拟网络嵌入（VNE）旨在有效将服务请求部署在物理网络组件上并分配底层物理资源。然而，网络服务可能复杂多样，这使得现有嵌入方法难以有效利用服务的图结构、应对动态网络的复杂性，并提供有效的嵌入方案。为此，我们提出GPRL，一种基于图指针网络和深度强化学习（DRL）的在线VNE方法。通过结合图神经网络和指针网络，我们设计了一种新颖的图指针网络作为DRL代理。它采用图注意力网络对图特征数据进行编码，并通过指针网络架构解码以输出嵌入策略。此外，采用近端策略优化（PPO）算法对所设计的代理进行有效训练。仿真实验验证了GPRL的有效性和优越性，并表明GPRL的性能优于现有嵌入方法。

Keyword:

Network function virtualization

virtual network embedding

graph pointer network

reinforcement learning

Graph Pointer Network Assisted Deep Reinforcement Learning for Virtualized Network Embedding

摘要

期刊

机构

引用论文