RAILS: Risk-Aware Iterated Local Search for Joint SLA Decomposition and Service Provider Management in Multi-Domain Networks

要約

第5世代（5G）テクノロジーの出現により、モバイルネットワークがマルチサービス環境に変換され、多様なサービスレベル契約（SLA）を満たすために効率的なネットワークスライシングが必要です。
さまざまなサービスプロバイダーが潜在的に管理する潜在的な複数のネットワークドメインにわたるSLA分解は、リアルタイムの基礎となるドメイン条件への可視性が限られているため、重要な課題をもたらします。
このペーパーでは、マルチドメインネットワークのSLA分解とサービスプロバイダーの選択に共同で対処するように設計された新しいリスクモデル駆動型メタヒューリスティックフレームワークである、リスク認識の繰り返しローカル検索（Rails）を紹介します。
オンラインリスクモデリングを繰り返しローカル検索原則と統合することにより、Railsはドメインコントローラーからの履歴フィードバックを利用して、複雑な最適化ランドスケープを効果的にナビゲートします。
共同問題を混合整数非線形プログラミング（MINLP）問題として定式化し、そのNPハードネスを証明します。
大規模なシミュレーションは、Railsが最適に近いパフォーマンスを達成し、最新のマルチドメインネットワークにおける適応SLA管理のための効率的でリアルタイムのソリューションを提供することを示しています。

要約(オリジナル)

The emergence of the fifth generation (5G) technology has transformed mobile networks into multi-service environments, necessitating efficient network slicing to meet diverse Service Level Agreements (SLAs). SLA decomposition across multiple network domains, each potentially managed by different service providers, poses a significant challenge due to limited visibility into real-time underlying domain conditions. This paper introduces Risk-Aware Iterated Local Search (RAILS), a novel risk model-driven meta-heuristic framework designed to jointly address SLA decomposition and service provider selection in multi-domain networks. By integrating online risk modeling with iterated local search principles, RAILS effectively navigates the complex optimization landscape, utilizing historical feedback from domain controllers. We formulate the joint problem as a Mixed-Integer Nonlinear Programming (MINLP) problem and prove its NP-hardness. Extensive simulations demonstrate that RAILS achieves near-optimal performance, offering an efficient, real-time solution for adaptive SLA management in modern multi-domain networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google