基于意图驱动的分层强化学习在O-RAN中的智能控制与编排
摘要：开放无线电接入网络（O-RAN）中需要有效地控制和编排rApps和xApps，以在复杂的多厂商环境中提供可靠的网络性能。本文提出了一种基于分层强化学习（HRL）的新颖意图驱动智能控制和编排方案。该方案可以根据运营商优化特定关键性能指标（KPI），如吞吐量、能效和延迟的意图，编排多个rApps或xApps。具体而言，我们提出了一个双层架构，包括元控制器和控制器。元控制器根据KPI提供目标性能，而控制器在较低层级上执行xApp的编排。我们的仿真结果表明，所提出的基于HRL的意图驱动xApp编排机制与两个基线相比，即单个xApp基线和非机器学习算法，平均系统吞吐量分别增加了7.5％和21.4％。同样，与相同基线相比，能效提高了17.3％和37.9％。
作者：Md Arafat Habib, Hao Zhou, Pedro Enrique Iturria-Rivera, Medhat Elsayed, Majid Bavand, Raimundas Gaigalas, Yigit Ozcan, Melike Erol-Kantarci
论文ID：2307.02754
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-07-07