35、网络中的深度学习与多臂老虎机算法解析

网络中的深度学习与多臂老虎机算法解析

1. 资源需求预测与VNF迁移基础

1.1 资源需求预测模型

在网络资源分配中，随机VNF数据包处理延迟$dS = d/T_S$（以小时间间隔数量表示），对应延迟界限$D_S = D/T_S$。为以最小资源为VNF提供概率性QoS保证（即$Pr(dS > D_S) \leq \epsilon$），需找到最小资源$R_{min}$，其表达式为：
$R_{min} = \sup_{t \geq 0} \frac{\lambda t + \sqrt{-2 \log \epsilon} \sigma t^H}{t + D_S}$
通过令$R_{min}$关于$t$的导数为零，即：
$\frac{\sqrt{-2 \log \epsilon} \sigma D_S H t^{H - 1} + \sqrt{-2 \log \epsilon} \sigma H t^H + \lambda D_S}{(t + D_S)^2} = 0$
可求得使$R_{min}$取最大值时的$t$值。利用fBm资源供应模型，第$k$个平稳流量段的预测资源需求（以包/秒为单位）$R(k)$，可根据学习到的fBm流量参数${\lambda(k), \sigma(k), H(k)}$、QoS要求和小时间间隔长度$T_S$计算得出。

1.2 VNF迁移问题

BOCPD算法可定位非平稳流量的未知变化点，这些变化点确定了连续平稳流量段之间的边界，也是VNF缩放和必要迁移的连续决策周期的边界。决策周期$k$的长度为$\frac{M_{k + 1} - M_k}{T_M}$。检测到变化点$M_k$后，预测即将到来的第$