Resumen

Estudiamos un problema de control de red de colas en línea multi-origen y multi-destino caracterizado por una estructura de red autoorganizadora y enrutamiento de trabajos autoorganizador. Descomponemos el problema de control de red de colas autoorganizadoras en una serie de Procesos de Decisión de Markov interrelacionados y construimos un modelo de decisión de control para ellos basado en la arquitectura de aprendizaje por refuerzo acoplado (RL). Para maximizar el rendimiento promedio ponderado del tiempo de los trabajos a través de la red, proponemos un algoritmo de aprendizaje por refuerzo con recompensa promedio en el tiempo para manejar el modelo de decisión de control y obtener una política de control que integre la estrategia de selección de enrutamiento de trabajos y la estrategia de secuenciación de trabajos. Experimentos computacionales verifican la capacidad de aprendizaje y la efectividad del algoritmo de aprendizaje por refuerzo propuesto aplicado en el problema de control de red autoorganizadora investigado.

• Materias:Comportamiento asintótico Entropía del gráfico Seguridad dinámica Polinomios diferenciales Gráfico monocíclico
• Subjects:Asymptotic behavior Entropy of the graph Dynamic safety Differential polynomials Monocyclic graph
• Palabras claves:En línea; Red de colas; Autoorganización; Aprendizaje por refuerzo; Control; Algoritmo
• Keywords:Online; Queueing network; Self-organizing; Reinforcement learning; Control; Algorithm