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

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, 勝吉他

電子情報通信学会技術研究報告, 2025, 124(419), 274-280

Permalink : https://hdl.handle.net/2115/94120

このアイテムのアクセス数:197件（2026-08-15 04:45 集計）

閲覧可能ファイル

ファイル	フォーマット	サイズ	閲覧回数	説明
NS2024-242	pdf	2.09 MB	87

論文情報

ファイル出力 EndNote Basic出力 Mendeley出力

アクセス権	open access
URI	https://hdl.handle.net/2115/94120
タイトル	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
タイトル	Preliminary evaluation of a congestion control method using reinforcement learning for adopting environment changes
著者	青木, 一真 ; 三橋, 力麻 ; 飯田, 勝吉 ; 髙井, 昌彰
e-Rad_Researcher 90345546 著者名青木, 一真 Aoki, Kazuma
著者名三橋, 力麻 Mitsuhashi, Rikima
e-Rad_Researcher 00332768 著者名飯田, 勝吉 Iida, Katsuyoshi
e-Rad_Researcher 00206707 著者名髙井, 昌彰 Takai, Yoshiaki
言語	日本語
キーワード	輻輳制御
	機械学習
	強化学習
	Congestion control
	machine learning
	reinforcement learning
発行日	2025-02-27
出版者	IEICE / 電子情報通信学会
出版者	The Institute of Electronics, Information and Communication Engineers
収録物名	電子情報通信学会技術研究報告
収録物名	IEICE Technical Report
巻(号)	124(419)
ページ	274-280
記述	電子情報通信学会情報ネットワーク研究会 (IN)/ネットワークシステム研究会 (NS). 令和7年3月6日～令和7年3月7日. 沖縄産業支援センター、沖縄県.
記述	IEICE Technical Committee on Information Networks (IN)/Technical Committee on Network Systems (NS). 2025/03/06-2025/03/07. Okinawa Industry Support Center, Okinawa.
抄録	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。
抄録	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. To solve 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.
会議記述	会議名電子情報通信学会情報ネットワーク研究会 (IN)/ネットワークシステム研究会 (NS) 主催機関電子情報通信学会開催期間令和7年3月6日～令和7年3月7日開催会場沖縄産業支援センター開催地沖縄県開催国 Japan
会議記述	会議名 IEICE Technical Committee on Information Networks (IN)/Technical Committee on Network Systems (NS) 主催機関 IEICE 開催会場 Okinawa Industry Support Center 開催地 Okinawa
資源タイプ	学術雑誌論文
出版タイプ	Version of Record
権利情報	Copyright ©2025 IEICE
EISSN	2432-6380
NCID	AA11546431