机器学习在网络管理系统中动态资源分配的应用研究

林逍

摘 要：通信网络的发展将网络的维护和操作变得复杂化，在网络管理中减少人工操作有利于提高效率，规避错误。随着人工智能技术的发展和网络设备的智能化，网络管理的智能化将逐渐成为可能。

本文首先提出网络管理系统智能化需求点：动态资源分配。要实现的是对信道资源的合理分配，以降低全网小站申请、占用资源的平均时间。

本文对动态资源分配问题的模型进行抽象，据此仿真搭建了神经网络，并以强化学习算法进行训练，与传统的先到先分配、短任务优先分配、小任务优先分配、随机分配等算法共同进行测试，对所产生的结果进行对比分析。

关键词：网络管理系统，机器学习，动态资源分配

1 需求分析

对于网络管理系统，智能化就是指那些具有能动地满足网络管理员的各种需求的属性。

为保证通信系统长期可靠地服务，极为关键的一点功能需求有：对信道资源进行高效地分配管理。针对功能需求，本文希望网管能够能在其中能动地实现一些智能化。

资源分配的本质是资源的有限性，目标是使得整体价值最大。资源的目标有时候是互斥的，比如一项决定对A目标实现是有利的，而对B目标达成是有害的，所以需要对互斥的目标设定权重，从而决定是否要采取这项决定。

目前在网络管理系统中，可能存在约上千个终端小站，当有需要时，这些小站将通过返向链路传输文件，这就需要向中心站申请信道资源。而中心站所能分配的信道资源是有限的，这就不可避免地会存在传送任务需要排队的问题。

为了使得在最短时间内，完成所有终端小站的文件传输任务，分配算法的选择至关重要。目前常见的资源分配算法有先到先分配算法（First Come First Served，FCFS）、最短任务优先分配算法（Shortest Job First，SJF）、最小任务优先分配算法（Minimum Job First，MJF）及随机分配算法（Random）。

显然，在何时给哪个任务分配资源，这是一个非常典型的智能决策问题，非常适合采用强化学习方法进行。

2 模型设计

在本实验中，本文将动态资源分配问题抽象为以下模型：

已知网络管理系统中的各个终端小站，在有需求会向中心站申请资源传送文件，中心站所能分配的信道资源是有限的。将小站的文件传送申请称作一个任务，将中心站可分配的信道资源称为资源池。当任务申请到达中心站时，若资源池已满，则任务进入等待池。设定任务在每一个离散的时间步长t到达。智能体将在每一个时间步长选择一个或多个等待的任务进行分配。

假设每个任务的信道资源需求在它到达时是已知的，更具体地，对每个任务j，其所需要的资源是rj，它的任务持续时间，也就是所需要占用信道的时间是Tj。模型所分配的各个任务是同一优先级的，换句话说，同一优先级的任务将进入同一等待池。以任务平均完成时间的最小化作为网络训练的目标。

用当前资源池中的实时占用情况、等待资源分配的申请队列及后台日志来描述系统状态。如图1是资源池的初始状态及等待池中任务的示意图。不同颜色代表不同的任务。任务块横向格数代表资源需求，纵向格数代表时间需求。

行动空间用A = {     ，1，...，M}表示，其中a = i表示“对等待池第i个任务分配资源”; a =       表示资源池已满，即不可再分配任务。在每一个时间步，时间被冻结，直到智能体做完这些选择。一旦智能体选择了行动a =   ，则行动结束，进入下一个时间步，资源池图像上的任务下移一步，任何新到达的工作都会显现出来。

对能够降低所有任务平均完成时间的行动给予正的奖赏，反之给予负的惩罚。在每一个时间步设置奖励为-J，在这里J是当前系统中的任务数量总和，包括资源池、等待队列及后台日志中的所有任务。

3.仿真训练

将智能体的策略表示为一个神经网络，它的输入是环境当前状态空间构成的矩阵，输出是可能采取行动的概率分布。训练过程中，在每一个episode中，都有固定数量的任务到达，根据策略进行安排。当所有作业均执行完毕后，episode终止。本实验设置了多组不同的任务到达序列，每组称为一个任务序列。

在每次训练迭代中，模拟每个任务序列在每个episode里使用当前策略的可能操作，并使用結果数据来改善分配之后所有任务序列的策略。记录每个episode的每个时间步长的所有环境状态、行动及奖励信息，并使用这些值计算在每个episode每个时间步t的累计奖励vt。然后使用强化学习算法里的梯度下降策略来训练神经网络。

4.测试结果

当等待池中的最大任务数量M取5时，整个实验过程，用各个算法进行分配，所有的任务平均完成时间与任务到达率关系如图：

5.结论

以缩短全部任务平均完成时间为目标，本文所测试的几种不同的分配算法中，先到先分配（FCFS）算法表现最差，平均任务完成时间最长;次差为随机分配（Random）算法;当任务负载率较低时，强化学习所训练的RM算法、短任务优先算法（SJF）及小任务优先算法（MJF）的表现几乎没有区别;当任务负载率较高时，MJF算法的表现显著不如RM算法及SJF算法，此时RM算法优于SJF。而当任务负载率进一步提高之后，RM算法与SJF算法的表现趋于一致。

故而，本文所用的强化学习算法，在动态资源分配问题中，对于降低任务平均完成时间有着较好的表现，证明了强化学习算法的有效性。而强化学习算法在本实验中的表现，完全可以迁移到网络管理系统中的信道资源分配。

参考文献：

[1] 闻新，周露，王丹力，熊晓英等 MATLAB神经网络应用设计.北京科学出版社，2001.5.

[2] 张文鸽，吴泽宁，途洪波神经网络的改进及应用河南科学Vol.21，No2，2003.

[3] 戚涌，李千目，刘凤玉基于BP神经网络的网络智能诊断系统.微电子学与计算机，2004，21（10）：10-13，18.

[4] 焦李成，神经网络计算[M].西安：西安电子科技大学出版社，1993.9.

[5]陈桦，程云艳.BP神经网络算法的改进及在Matlab中的实现.陕西科技大学学报.Vol.22，No.2，2004.4.