| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-03-04 15:55 GNNを用いた最大フロー学習と光ネットワーク制御への応用 ○飯田裕介・下井舜也・湯浅颯士（名大）・森 洋二郎（豊田工大）・長谷川 浩（名大）  PN2024-86 |
|
| 抄録 | （和） | 光ネットワーク設計・制御への機械学習の導入が数多く試みられている．しかし，発見的手法に基づく単純なRWA手法からの顕著な性能向上は見られない．ネットワーク内への光パス配置を表現するパラメータ空間が広大であり，最適な戦略を獲得することが容易でない点が，性能向上が困難であることの要因だと考えられる．そこで本稿では，光パス配置の最適性を間接的に表現するノード間最大フローに着目し，光パス設立時に全ノード間のフロー値を，グラフ構造のデータ処理に長けたGraph Neural Networkにより推定する．続いて最大フロー値，すなわち光パス収容能力が偏在しないように光パスを収容する戦略を提案する．数値実験により，本手法の有効性を明らかにする． |
| （英） | Recent development of machine-learning (ML)-based routing and wavelength assignment (RWA) algorithms have garnered significant attention. However, despite ML’s success in various fields, its performance improvements over conventional heuristic methods in this domain remain limited. This difference should stem from the broadness of parameter space representing optical path distributions which prevents efficient acquisition of optimal strategy. Thus, in this paper, we introduce maximum flows between all node pairs to dynamic RWA as these values stand for the room for path accommodation to a network. A graph neural network is trained to approximate maximum flow values for different network utilization cases. For each path setup, maximum flows for all triples of node pairs, route candidates, and wavelengths are calculated using the GNN and select the pair of route and wavelength so that the maximum flows between node pairs are well-balanced. Numerical simulations elucidate the effectiveness of our proposed method. | |
| キーワード | （和） | 光ネットワーク / 経路波長割当 / グラフニューラルネットワーク / 最大フロー / / / / |
| （英） | Optical Network / Routing and Wavelength Assignment / Graph Neural Network / Maximum Flow / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 395, PN2024-86, pp. 155-159, 2025年3月. | |
| 資料番号 | PN2024-86 | |
| 発行日 | 2025-02-24 (PN) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PN2024-86 |
|
| 研究会情報 | |
| 研究会 | PN |
| 開催期間 | 2025-03-03 - 2025-03-04 |
| 開催地（和） | 宮古島平良港ターミナルビル 大研修室 |
| 開催地（英） | |
| テーマ（和） | フォトニックネットワーク関連技術，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PN |
| 会議コード | 2025-03-PN |
| 本文の言語 | 日本語 |
| タイトル（和） | GNNを用いた最大フロー学習と光ネットワーク制御への応用 |
| サブタイトル（和） | |
| タイトル（英） | Maximum Flow Learning with GNNs on Optical Network Control |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 光ネットワーク / Optical Network |
| キーワード(2)（和/英） | 経路波長割当 / Routing and Wavelength Assignment |
| キーワード(3)（和/英） | グラフニューラルネットワーク / Graph Neural Network |
| キーワード(4)（和/英） | 最大フロー / Maximum Flow |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 飯田 裕介 / Yusuke Iida / イイダ ユウスケ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 下井 舜也 / Shunya Shimoi / シモイ シュンヤ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 湯浅 颯士 / Hayato Yuasa / ユアサ ハヤト |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 森 洋二郎 / Yojiro Mori / モリ ヨウジロウ |
| 第4著者 所属（和/英） | 豊田工業大学 (略称： 豊田工大) Toyota Technological Institute (略称： Toyota Tech. Inst.) |
| 第5著者 氏名（和/英/ヨミ） | 長谷川 浩 / Hiroshi Hasegawa / ハセガワ ヒロシ |
| 第5著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-04 15:55:00 |
| 発表時間 | 20分 |
| 申込先研究会 | PN |
| 資料番号 | PN2024-86 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.395 |
| ページ範囲 | pp.155-159 |
| ページ数 | 5 |
| 発行日 | 2025-02-24 (PN) |
[研究会発表申込システムのトップページに戻る]