GT-RLProviDe-MI
feRramenta inteLigente, ágil e escalável para Provisionamento de recursos em reDes com Múltiplos Inquilinos
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/10/cropped-GettyImages-1153461651.jpg)
Coordenadora: Dianne Scherly Varela de Medeiros
MídiaCom | LabGen – TET / PPGEET / UFF
2020 – 2022
Sobre o Projeto
A alocação eficiente de largura de banda em provedores de infraestrutura é desafiadora devido ao compartilhamento dos recursos entre múltiplos inquilinos. Isso pode provocar ociosidade de recursos caso muitos inquilinos não utilizem a totalidade da banda contratada. A alocação dinâmica de recursos sob demanda permite otimizar o uso da infraestrutura, beneficiando clientes e provedores. Nesse contexto, ferramentas baseadas em aprendizado de máquina que promovam respostas adaptáveis a ambientes variantes no tempo permitem otimizar o uso dos recursos.
Objetivo Geral
O objetivo geral é promover a melhoria de desempenho de uma infraestrutura de rede compartilhada por múltiplos inquilinos ao mesmo tempo em que melhora a receita do provedor de infraestrutura. Para isso, o projeto propõe uma ferramenta baseada em aprendizado por reforço e lógica difusa, capaz de gerenciar automaticamente o acesso dos inquilinos aos recursos de rede do provedor de forma ágil e escalável.
Objetivos Específicos
A ideia principal da ferramenta proposta é garantir o aprendizado automático da política que maximiza o lucro do provedor, garantindo simultaneamente o desempenho mínimo requerido por cada inquilino. Para tanto, os seguintes objetivos específicos são almejados:
Produto Mínimo Viável (MVP)
O MVP identificado é uma ferramenta para alocação de recursos em um ambiente altamente dinâmico. Há preocupação em garantir as seguintes propriedades:
Diferencial
A proposta inova ao combinar aprendizado por reforço e lógica difusa para maximizar a receita de um provedor de infraestrutura, garantindo ainda os níveis mínimos de serviço contratados, sendo aplicada à alocação de recursos de rede nos provedores. Os principais destaques são:
Abordagem
A ferramenta utiliza uma abordagem de múltiplos agentes, em que cada agente é responsável por aprender as melhores políticas de alocação de banda para o inquilino. Para isso, cada agente utiliza informações de uso de largura de banda de todos os inquilinos e da capacidade ociosa da infraestrutura de rede a cada momento. O aprendizado tem como base o algoritmo Q-Learning e a inferência difusa. Assume-se que o problema segue um processo de decisão markoviano (Markov Decision Process – MDP), no qual os agentes são independentes, já que a decisão dos outros agentes não tem influência na ação tomada, havendo somente a restrição de que o tráfego total direcionado à infraestrutura não pode ultrapassar um limiar previamente estabelecido.
O desenvolvimento dos agentes leva em consideração os seguintes requisitos:
Equipe
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2022/12/cropped-dianne-150x150.jpg)
Dianne Medeiros
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/06/cropped-diogo-1-150x150.jpeg)
Diogo Mattos
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/11/servletrecuperafoto-2-150x150.jpg)
Pedro Pisa
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/11/cropped-guilherme-150x150.jpeg)
Guilherme Barbosa
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/11/cropped-nicollas-1-150x150.png)
Nicollas Oliveira
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/11/cropped-reiner-150x150.jpeg)
Reiner Santos
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/11/cropped-cropped-ricardo-150x150.jpg)
Ricardo Firmino
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2020/11/cropped-yago-150x150.jpeg)
Yago Rezende
Financiamento
![](https://www.labgen.lid.uff.br/site/wp-content/uploads/2023/02/rnp-300x169.png)