トポロジに着目したネットワークの最適制御

原 崇徳
research

ネットワーク機能仮想化（NFV）はネットワーク機能を従来の専用機器から分離し，仮想ネットワーク機能（VNF）として汎用機器上で実行することで，拡張性と柔軟性を備えたネットワークサービスを提供できます． NFVにおける資源割当問題の一つであるVNF配置・サービスチェイニング・ネットワークスライシングは資源制約の下で計算資源，ネットワーク帯域，必要な仮想ネットワーク機能の構成などのサービス要件が伴うサービス要求を満たすように，資源を配置することを目的としています． サービス要求の需要動向は時空間的な変化を伴うため，物理・仮想ネットワークのトポロジ特性を考慮することで，これらに対して適応可能なネットワークの最適制御手法の確立を目指します． 具体的には，グラフニューラルネットワーク（GNN）を用いた強化学習に基づく手法を提案し，トポロジに着目したネットワーク制御の自動化を実現します1．

  1. T. Hara and M. Sasabe, “Capacitated Shortest Path Tour Based Service Chaining Adaptive to Changes of Service Demand and Network Topology,” IEEE Transactions on Network and Service Management, vol. 21, no. 2, pp. 1344-1358, Apr. 2024. doi:10.1109/TNSM.2024.3351737 ↩︎

research ネットワーク 機械学習 強化学習 最適化 グラフニューラルネットワーク ネットワーク機能仮想化 サービスチェイニング スライスモビリティ
原 崇徳
原 崇徳
准教授