An Efficient and Decentralized Fuzzy Reinforcement Learning Bandwidth Controller for Multitenant Data Centers

Filho, Reiner H. Santos; Ferreira, Tadeu N.; Mattos, Diogo M. F.; Medeiros, Dianne S. V.

doi:10.1007/s10922-022-09667-3

Cited by 4 publications

(2 citation statements)

References 32 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Os algoritmos de aprendizado por reforço estimam a recompensa de uma ação a partir de um estado e escolhem as ações a serem tomadas de forma a maximizar a recompensa ao longo do tempo [Filho et al, 2022]. Diversos algoritmos podem ser utilizados para estimar essa recompensa.…”

Section: Non Real Time (Non-rt)unclassified

Gerenciamento e Orquestração de Serviços em O-RAN: Inteligência, Tendências e Desafios

Couto,

Mattos,

Moraes

et al. 2023

Minicursos Do XLI Simpósio Brasileiro De Redes De Computadores E Sistemas Distribuídos

View full text Add to dashboard Cite

As redes de acesso via rádio (Radio Access Networks -RANs) atuais adotam soluções monolíticas que implementam toda a pilha de protocolos das comunicações celulares. Essa abordagem monolítica não favorece a integração de infraestruturas de diferentes fornecedores ou o desenvolvimento de ferramentas de controle e gerenciamento agnósticas às interfaces proprietárias. As redes móveis de próxima geração (Next Generation -NextG) são nativamente baseadas em nuvem e construídas sobre arquiteturas desagregadas com hardware de diversos fabricantes e inteligência incorporada. As interfaces de controle padronizadas permitem a definição de laços de controle fechados que garantem a execução de redes autônomas e auto-otimizadas. A O-RAN Alliance é um consórcio formado por membros da indústria e instituições acadêmicas, que visa prover a arquitetura das redes móveis de próxima geração, em que as operadoras de telecomunicações usam interfaces padronizadas e abertas para controlar infraestruturas de diferentes fornecedores e entregar serviços de alto desempenho para os assinantes. O consórcio propõe uma arquitetura inovadora baseada em dois princípios básicos: (i) as funcionalidades da estação rádio-base (Radio Base Station -RBS) são virtualizadas como funções de rede e divididas em vários nós de rede, unidade central (O-RAN Central Unit -O-CU), unidade distribuída (O-RAN Distributed Unit -O-DU) e unidade de rádio (O-RAN Radio Unit -O-RU); e (ii) a existência de um controlador inteligente da rede de acesso via rádio (RAN Intelligent Controller -RIC), que fornece uma abstração centralizada da rede, permitindo que as operadoras implantem funções personalizadas do plano de controle. O consórcio O-RAN prevê laços de controle fechado operando em diferentes escalas de tempo, dependendo das ações de controle, gerenciamento e orquestração a serem implantadas na rede. O objetivo deste capítulo é apresentar a arquitetura O-RAN, com o foco na inteligência para o gerenciamento e a orquestração de serviços.

show abstract

Section: Non Real Time (Non-rt)unclassified

Gerenciamento e Orquestração de Serviços em O-RAN: Inteligência, Tendências e Desafios

Couto,

Mattos,

Moraes

et al. 2023

Minicursos Do XLI Simpósio Brasileiro De Redes De Computadores E Sistemas Distribuídos

View full text Add to dashboard Cite

show abstract

“…To describe this cumulative reward from a mathematical model perspective, it is necessary to introduce a cumulative discount reward mechanism that distinguishes the rewards through a weight. The immediate reward weight is the highest, while the future reward is only an expected estimate, and the weight gradually decreases [31,38]. A complete reinforcement learning model must have four core components: model policy, reward function, value function, and exploration method.…”

mentioning

confidence: 99%

Autonomous air traffic separation assurance through machine learning

Han,

Huang

2024

JIMO

View full text Add to dashboard Cite

With the increasingly severe airspace congestion problem, the aviation industry is facing huge challenges, including the surge in pressure on air traffic controllers, significant increase in flight delays, and frequent flight conflicts. Efficient conflict detection and resolution technology is the primary task to ensure flight safety, which is not only particularly important for complex and high-density airspace environments, but also has significance for maintaining flight order, preventing aircraft collisions, alleviating air traffic pressure, and ensuring air traffic safety. This paper proposes a flight separation assurance model based on reinforcement learning (RL) technology, aiming to address the shortcomings of existing conflict resolution models in terms of state and action dimensions that cannot meet the needs of real-world control scenarios. Based on the air traffic environment model, agents are allowed to learn separation assurance policies through simulation interaction. Simulation experiments show that the model can search for optimal policies, which can provide assistance for air traffic controllers in decision-making.

show abstract

Towards intent-based management for Open Radio Access Networks: an agile framework for detecting service-level agreement conflicts

de Oliveira,

Medeiros,

Moraes

et al. 2024

Ann. Telecommun.

View full text Add to dashboard Cite

An Efficient and Decentralized Fuzzy Reinforcement Learning Bandwidth Controller for Multitenant Data Centers

Cited by 4 publications

References 32 publications

Gerenciamento e Orquestração de Serviços em O-RAN: Inteligência, Tendências e Desafios

Gerenciamento e Orquestração de Serviços em O-RAN: Inteligência, Tendências e Desafios

Autonomous air traffic separation assurance through machine learning

Towards intent-based management for Open Radio Access Networks: an agile framework for detecting service-level agreement conflicts

Contact Info

Product

Resources

About