大家好，我是毛毛。
今天是Day 15。
今天繼續看論文的內容~ ヽ(✿ﾟ▽ﾟ)ノ

Reinforcement learning-based QoS/QoE-aware service function chaining in software-driven 5G slices

這篇是2018年七月刊登在Trans. Emerg. Telecommun. Technol.上的論文。

昨天講到QoE客觀性的算法，WFL和IQX。

• Weber-Fechner Law（WFL）
  • WFL反映的是消費者對價格變化的感受更多取決於變化的百分比
  • 用來處理positive的QoS metrics，像是頻寬等…
  • 
    上圖是WFL的示範圖
  • 以上圖為例，假設要去飲料店買飲料， A和B兩家店都有賣，而現在有Test1和Test2兩種情況，在Test1中，A和B的價格分別是$20與$15；在Test2中，A和B的價格分別是$120與$115。兩者的價差雖然都是$5，但是在Test1中有68%的人會選擇到B店購買，而Test2中只有29%的人會選擇到B店購買，這就是WFL所表達的「消費者對價格變化的感受更多取決於變化的百分比」。
  • 下圖是WFL的數學式
    

• Exponential Interdependency of QoE and QoS（IQX）hypothesis
  • 這個方法是在「A generic quantitative relationship between quality of experience and quality of service. IEEE Netw. 24(2): 36-41 (2010)」中提出的
  • 用來處理negative的QoS metrics，像是延遲、抖動等…
  • 這個方法是假設QoE和QoS呈指數的關係
  • 下圖是IQX的數學式
    

• 在WFL和IQX數學式中的alpha、beta、gamma和theta是使用者可自行微調的參數，在這篇論文中皆設為1
• 一條SFC的整體QoE計算如下
  • 
  • 因為positive metrics要愈大愈好，negative metrics則要愈小愈好，因此才取兩者的差距

明天再來講penalty的部分啦~
大家明天見