計算効率のためのエッジインテリジェンスにおけるDRLに基づく適応型SFC管理とオーケストレーション
Adaptive SFC Management and Orchestration Based on DRL in Edge Intelligence for Computation Efficiency
本論文では、Beyond 5G/6Gネットワークをサポートするネットワーク機能仮想化(NFV)技術を活用し、エッジコンピューティング能力上で仮想ネットワーク機能(VNF)を実装することで、ネットワークサービスの俊敏性を高め、管理コストを削減する手法を提案する。特に、モノのインターネット(IoT)ネットワークリソースの監視において、サービス機能チェイニング(SFC)の仮想化が用いられるが、リソース可用性と効率性を満たしつつ、遅延に敏感なアプリケーションのレイテンシ要件とオーケストレーション時の省エネルギー化という課題に直面している。この課題に対し、グラフニューラルネットワーク(GNN)と深層強化学習(DRL)を用いたGNN-PPOというタスク管理を考慮したSFCとオーケストレーションのスキームを提案する。GNNはモバイルエッジコンピューティング(MEC)ノードの状態を捉え、VNFをグラフネットワークに変換してトラフィック変動の最適な分析を管理する。DRLはProximal Policy Gradient(PPO)を利用してネットワーク決定を行う。提案手法は、リソース利用率の最適化とMECサーバーのエネルギー消費の促進を目的としており、実験結果は、参照スキームと比較して、報酬、平均リクエスト受付数、SFC成功率、パケット配信率、スループット、リソース利用率において、提案手法の拡張性と実用的な適合性を確認した。
本論文は、エッジコンピューティング環境におけるSFC管理にGNNとDRL(PPO)を組み合わせた新たなオーケストレーション手法を提案している。Beyond 5G/6Gエッジネットワークのリソース最適化と省エネルギー化に寄与する具体的手法であり、通信インフラの運用効率向上に直結するテーマである。ただし、あくまで研究段階の提案であり、実サービスへの適用や商用化の見通しは不明であるため、投資判断の根拠とするには時期尚早。