arXiv cs.MA· Pengxin Wang, Nakjung Choi, Jingdi Chen·· 23 小时前AI 评分22
CoSlice:面向 5G 网络切片分配的协同多智能体强化学习框架
CoSlice: Coordinated Multi-Agent Reinforcement Learning for 5G Network Slicing Allocation
AI 导读
CoSlice 是一个面向 O-RAN 切片间物理资源块分配的协同多智能体强化学习框架,用偏好条件化的切片智能体做快速资源分配,并由基于 LLM 的协调器在更慢时间尺度上依据全局网络观测调整各智能体目标。
正文 · AI 翻译
摘要:无线接入网(RAN)切片是一个共享资源分配问题:每个切片都力求以最少的无线资源消耗满足其服务等级协议(SLA),而所有切片都在争夺有限的资源预算。这既造成了切片内在 SLA 保障与资源效率之间的权衡,也引发了切片间对共享资源的冲突,因而需要专门且协调的控制。在本工作中,我们提出 CoSlice,一个用于开放式无线接入网(O-RAN)中切片间物理资源块分配的协调式多智能体强化学习框架。CoSlice 使用偏好条件化的切片智能体进行快速资源分配,并使用基于 LLM 的协调器在较慢的时间尺度上利用全局网络观测来调整其目标。我们将该问题建模为多目标部分可观测随机博弈(mo-POSG),证明了偏好相关均衡的存在性,并推导出学习过程的次线性遗憾界。我们通过两阶段训练流程实现该算法,包括多目标预训练和联合优化。我们使用 ORANSlice 及其射频模拟器(RFsim)构建了网络切片评估环境,支持跨多个切片的真实协议栈执行和应用流量。实验结果表明,与其它集中式和多智能体基线相比,CoSlice 在多种切片工作负载下同时降低了平均和尾部 SLA 违规。
| 学科: | 网络与互联网架构(cs.NI);机器学习(cs.LG);多智能体系统(cs.MA) |
| 引用为: | arXiv:2611.23909 [cs.NI] |
| (或 arXiv:2611.23909v1 [cs.NI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.23909 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Pengxin Wang [查看邮箱]
[v1]
2026年11月18日星期三 06:00:04 UTC(3,615 KB)
来源:arXiv cs.MA · arxiv.org