[논문 리뷰] Proactive Resilient Transmission and Scheduling Mechanisms for mmWave Networks

Mine Gokce Dogan, Martina Cardone외 1명|arXiv (Cornell University)|2022. 11. 17.

Millimeter-Wave Propagation and Modeling인용 수 4

한 줄 요약

이 논문은 링크 차단을 견디기 위해 사전에 여러 고속 경로를 구성하는 mmWave 네트워크를 위한 수동적이고 내재된 전송 및 스케줄링 메커니즘을 제안한다. 다항 시간 휴리스틱 경로 선택과 소프트 액터-크리틱(DRL) 기반 온라인 적응 기법을 조합함으로써, 동적 차단 조건 하에서도 높은 엔드 투 엔드 패킷 전송률을 달성하며, 다양한 구조와 채널 조건에서 기존 대안들을 능가한다.

ABSTRACT

This paper aims to develop resilient transmission mechanisms to suitably distribute traffic across multiple paths in an arbitrary millimeter-wave (mmWave) network. The main contributions include: (a) the development of proactive transmission mechanisms that build resilience against network disruptions in advance, while achieving a high end-to-end packet rate; (b) the design of a heuristic path selection algorithm that efficiently selects (in polynomial time in the network size) multiple proactively resilient paths with high packet rates; and (c) the development of a hybrid scheduling algorithm that combines the proposed path selection algorithm with a deep reinforcement learning (DRL) based online approach for decentralized adaptation to blocked links and failed paths. To achieve resilience to link failures, a state-of-the-art Soft Actor-Critic DRL algorithm, which adapts the information flow through the network, is investigated. The proposed scheduling algorithm robustly adapts to link failures over different topologies, channel and blockage realizations while offering a superior performance to alternative algorithms.

연구 동기 및 목표

• 환경적 장애물로 인한 빈번하고 예측 불가능한 링크 차단에 대비한 mmWave 네트워크의 내재성 문제를 해결한다.
• 이미 알려진 링크 차단 확률만을 이용해 사전에 여러 내재된 경로를 구성하는 수동적 전송 메커니즘을 개발한다.
• 임의의 mmWave 네트워크에서 고속도 및 내재성을 확보하는 고속 경로를 식별하는 확장 가능한 다항 시간 경로 선택 알고리즘을 설계한다.
• 비밀통제된 네트워크 또는 채널 상태 정보 없이도 예기치 않은 링크 장애와 변화하는 네트워크 조건에 실시간으로 적응할 수 있도록 딥 강화학습(DRL) 구성요소를 통합한다.
• 최악의 경우와 평균적인 경우의 링크 차단 시나리오 모두에서 최적 또는 근사 최적의 엔드 투 엔드 패킷 전송률을 달성한다.

제안 방법

• 유량 보존 및 경로 활성화 제약 조건을 포함한 선형계획법(LPs)을 사용하여 최적의 최악의 경우 및 평균적인 경우 엔드 투 엔드 패킷 전송률을 수식화한다.
• 링크 차단 확률 하에서 예상 전송률이 높은 경로를 우선순위로 삼는 수정된 다익스트라 알고리즘 기반의 휴리스틱 경로 선택 알고리즘을 제안한다.
• 수동적 경로 선택과 온라인 DRL 적응 기법을 융합한 하이브리드 스케줄링 프레임워크를 도입하며, 소프트 액터-크리틱(SAC) 알고리즘을 사용한다.
• 링크별 차단 확률과 용량 값을 입력으로 사용하여 경로 가중치를 계산함으로써 내재성 있고 고용량 경로를 우선순위로 배치한다.
• 각 반복 후에 선택된 경로에서 가장 약한 링크를 제거하는 경로 정제 메커니즘을 구현하여 경로 선택의 다양성을 높이고 혼잡을 방지한다.
• SAC DRL 에이전트를 활용해 링크 장애 발생 시 실시간으로 트래픽을 재루팅함으로써, 전체 네트워크 구조나 채널 상태 정보 없이도 동작한다.

실험 결과

연구 질문

• RQ1 알려진 링크 차단 확률을 바탕으로 mmWave 네트워크에서 엔드 투 엔드 패킷 전송률을 최대화하기 위해 여러 내재된 경로를 사전에 구성할 수 있는 방법은 무엇인가?
• RQ2 비대칭적인 차단 확률을 가진 mmWave 네트워크에서 경로 다각화, 링크 용량, 내재성 간의 구조적 관계는 어떠한가?
• RQ3 휴리스틱 경로 선택 알고리즘이 다항 시간 내에 근사 최적 성능을 달성하면서도 다중 링크 장애에 대비한 내재성을 확보할 수 있는가?
• RQ4 수동적 경로 선택과 온라인 DRL 적응 기법을 융합한 하이브리드 접근 방식은 순수하게 반응형 또는 순수하게 수동적인 방법보다 어떻게 뛰어나게 작용하는가?
• RQ5 어떤 조건에서 겹치는 경로가 최적의 최악의 경우 또는 평균적인 경우 패킷 전송률을 달성하는 데서 간선-불연속 경로를 능가하는가?

주요 결과

• 최적의 최악의 경우 및 평균 패킷 전송률은 선형계획법(LPs)을 통해 특성화할 수 있으며, 최악의 경우 해는 네트워크 크기에서는 다항 시간이지만 차단된 링크 수에 대해 지수 시간이 소요된다.
• 1-2-1 mmWave 네트워크에서는 최대 $2N+2$개의 경로만으로도 최적의 평균 패킷 전송률을 달성할 수 있으며, 여기서 $N$은 릴레이 노드의 수이다.
• 링크 용량이 동일할 경우, 최적의 최악의 경우 및 평균 패킷 전송률은 항상 간선-불연속 경로를 활성화함으로써 달성된다.
• 용량이 다를 경우, 겹치는 경로가 간선-불연속 경로보다 더 뛰어난 성능을 낼 수 있으며, 달성된 패킷 전송률의 분산을 줄일 수 있다.
• 제안된 휴리스틱 경로 선택 알고리즘은 다항 시간 내에 실행되며, 모든 LP 제약 조건을 만족하는 타당한 해를 제공하며, 용량이 동일한 조건에서는 증명 가능한 최적성 보장을 갖는다.
• 수동적 경로 선택과 SAC 기반 온라인 적응 기법을 융합한 하이브리드 스케줄링 알고리즘은 다양한 네트워크 구조와 차단 실현 사례에서 뛰어난 안정성과 전송률을 유지하며, 다른 접근 방식보다 뛰어나게 성능을 발휘한다.