SDNにおける負荷分散方式に用いる学習オートマトンの強化法

カテゴリ：部門大会

論文No：PS6-4

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Reinforcement Methods for Learning Automaton Used in Load Balancer in SDN

著者名：千田 和紀（千葉大学）,松村 太希（千葉大学）,中間 公啓（千葉大学）,小圷 成一（千葉大学）

著者名(英語)： Kazuki Chida (Chiba University),Taiki Matsumura (Chiba University),Kimihiro Nakama (Chiba University),Seiichi Koakutsu (Chiba University)

キーワード：負荷分散,学習オートマトン,強化学習,SDNネットワーキング,load balancing,learning automaton,reinforcement learning,SDN networking

要約(日本語)：近年, データセンタやクラウド環境におけるネットワークトラフィックの急速な増加に伴い, ネットワークの効率的な管理と負荷分散の重要性が増している。しかし, 従来のロードバランサを利用した負荷分散アルゴリズムは, 拡張性に乏しく, トラフィックパターンやネットワークの構成変動に適応できないといった問題を抱えている。この問題に対し, 先行研究ではSDN（Software Defined Networking）技術を取り入れたサーバファームネットワークにおけるパケットベースの負荷分散アルゴリズムに着目し, 学習オートマトン（Learning Automaton）による強化学習機能を取り入れた負荷分散方式が提案され, その有効性が示されている。
本稿では, 上述の負荷分散方式に用いられる学習オートマトンにおいて効果的な強化法を見い出すことを目的として, 先行研究とは異なる強化法を実装して, その有効性の検証を行う。

本誌掲載ページ：1636-1638p

原稿種別：日本語

PDFファイルサイズ：280Kバイト