| 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 | 2025-03-07 13:25 環境の変化に適応可能な強化学習利用型輻輳制御の基礎的評価 ○青木一真・三橋力麻・飯田勝吉・髙井昌彰（北大）  NS2024-242 |
|
| 抄録 | （和） | インターネットが社会基盤として不可欠な存在となる中、ネットワークの輻輳制御は通信品質を維持する 上で重要な役割を担っている。NewRenoやCUBICをはじめとする多くの輻輳制御アルゴリズムは、事前に定めた ルールに基づく静的なアルゴリズムとして動作するため、ネットワーク環境の変化に応じた最適化が難しい問題があ る。この問題を解決するため、強化学習を利用した動的なアルゴリズムによる輻輳制御の研究が始まっている。しか しながら、先行研究では行動の選択や報酬の与え方といった強化学習としての基本的な評価が十分に行われていない。 そこで本研究では、深層強化学習を用いた新しい輻輳制御アルゴリズム「RL-NewReno」を実装し、その性能評価を 行う。実験の結果、提案手法は既存のNewRenoに比べて平均スループットが最大で約2%向上することを確認した。 |
| （英） | As the Internet becomes an indispensable part of our social infrastructure, congestion control plays an important role in maintaining communication quality. Many congestion control algorithms, such as NewReno and CUBIC, operate as static algorithms based on predefined rules, and there is a problem with the difficulty of optimizing them in response to changes in the network environment. Tosolve this problem, research efforts have begun on congestion control using dynamic algorithms that utilize reinforcement learning. However, in the existing researches, the basic evaluation of reinforcement learning, such as the selection of actions and the way in which rewards are given, has not been sufficiently carried out. Therefore, in this research, we proposed and implemented the new congestion control algorithm RL-NewReno using deep reinforcement learning and evaluated its performance. Through simulation evaluations, we confirmed that the proposed method improved the average throughput by about 2% at maximum compared to the existing NewReno. |
|
| キーワード | （和） | 輻輳制御 / 機械学習 / 強化学習 / / / / / |
| （英） | Congestion control / machine learning / reinforcement learning / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 419, NS2024-242, pp. 274-280, 2025年3月. | |
| 資料番号 | NS2024-242 | |
| 発行日 | 2025-02-27 (NS) | |
| 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 | NS2024-242 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2025-03-06 - 2025-03-07 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2025-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | 環境の変化に適応可能な強化学習利用型輻輳制御の基礎的評価 |
| サブタイトル（和） | |
| タイトル（英） | Preliminary evaluation of a congestion control method using reinforcement learning for adopting environment changes |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 輻輳制御 / Congestion control |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | 強化学習 / reinforcement learning |
| キーワード(4)（和/英） | / |
| 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） | 青木 一真 / Kazuma Aoki / アオキ カズマ |
| 第1著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 三橋 力麻 / Rikima Mitsuhashi / ミツハシ リキマ |
| 第2著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 飯田 勝吉 / Katsuyoshi Iida / イイダ カツヨシ |
| 第3著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 髙井 昌彰 / Yoshiaki Takai / タカイ ヨシアキ |
| 第4著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-07 13:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2024-242 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.419 |
| ページ範囲 | pp.274-280 |
| ページ数 | 7 |
| 発行日 | 2025-02-27 (NS) |
[研究会発表申込システムのトップページに戻る]