Algorithmes en ligne pour le contrôle d’admission
Résumé
By offloading the control plane to powerful computing platforms running on commodity hardware, Software Defined Networking (SDN) unleashes the potential to operate computation intensive machine learning tools and solve complex optimization problems in a centralized fashion. This paper studies such an opportunity under the framework of the centralized SDN Admission Control (AC) problem. We first review and adapt some of the key AC algorithms from the literature, and evaluate their performance under realistic settings. We then propose to take a step further and build an AC meta-algorithm that is able to track the best AC algorithm under unknown traffic conditions. To this aim, we exploit a machine learning technique called Strategic Expert meta-Algorithm (SEA).
En délégant le contrôle d’un réseau à des serveurs de calcul puissants, les architectures orientées logiciel permettent désormais l'utilisation en ligne d'outils apprentissage et d'optimisation. Dans ce contexte, ce papier étudie le problème du contrôle d'admission pour maximiser dans le temps le volume de trafic accepté. Il formule le problème de routage comme un problème de sac à dos, puis propose des adaptations d’algorithmes en ligne issues de la littérature. Il suggère ensuite d'utiliser l'algorithme expert intitulé Strategic Expert meta-Algorithm (SEA) pour décider en temps réel de l'algorithme en ligne à utiliser en fonction des conditions de trafic. Le papier présente une évaluation de cette architecture dans des conditions réalistes et illustre le gain en terme de trafic réseau accepté.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...
