基于可靠性的5G网络切片在线映射算法

为了满足业务多样性对5G网络切片带来差异化需求的同时保证切片的可靠性,实现网络资源的优化配置。该文针对5G网络切片的动态映射、轻量级可靠映射问题,提出对计算资源、链路资源和RRU频谱资源联合分配方案。首先,该方案建立面向可靠性约束的多目标资源分配模型,引入李雅普诺夫优化模型,在保证队列稳定同时优化资源分配。其次,提出了基于队列稳定性的虚拟节点映射算法和基于可靠性的虚拟链路映射算法。最后,将时间离散为一系列连续的时间窗,利用时间窗动态处理到达的网络切片请求,实现在线的网络切片映射算法。仿真结果表明,该算法提高了资源利用率,并且保证网络可靠性。     

基于网络切片的网络效用最大化虚拟资源分配算法

为了实现网络资源的动态分配,提高网络资源利用率,满足用户业务多样性带来的切片网络差异需求,该文提出一种基于网络效用最大化的虚拟资源分配算法。该算法采用商业化模式将频谱资源作为收益载体,并对不同切片网络进行差异化定价。同时将计算资源和回程链路作为开销,还考虑了切片网络对计算资源和频谱资源的差异性需求,最后以最大化网络收益建立效用模型。并通过拉格朗日对偶分解设计了分布式迭代算法对效用模型进行求解。仿真结果表明,该算法提高了服务用户比例,并使得网络资源获得最大收益。     

基于强化学习的5G网络切片虚拟网络功能迁移算法

针对5G网络切片架构下业务请求动态性引起的虚拟网络功能(VNF)迁移优化问题,该文首先建立基于受限马尔可夫决策过程(CMDP)的随机优化模型以实现多类型服务功能链(SFC)的动态部署,该模型以最小化通用服务器平均运行能耗为目标,同时受限于各切片平均时延约束以及平均缓存、带宽资源消耗约束。其次,为了克服优化模型中难以准确掌握系统状态转移概率及状态空间过大的问题,该文提出了一种基于强化学习框架的VNF智能迁移学习算法,该算法通过卷积神经网络(CNN)来近似行为值函数,从而在每个离散的时隙内根据当前系统状态为每个网络切片制定合适的VNF迁移策略及CPU资源分配方案。仿真结果表明,所提算法在有效地满足各切片QoS需求的同时,降低了基础设施的平均能耗。

     

基于在线拍卖的网络切片资源分配算法

为满足未来移动通信网络中多样化的业务需求,为用户提供定制化服务的同时提升网络经济效益,该文提出一种基于在线拍卖的网络切片资源分配算法。根据业务类型将用户的服务请求转化为相应投标信息,以最大化拍卖参与者的社会福利为目标,将切片资源分配问题建模为基于多业务的在线赢家确定问题。结合资源分配与价格更新策略,实现基于在线拍卖的资源优化配置。仿真结果表明,该算法能够在满足用户业务需求的同时,提升网络经济效益。

     

基于5G网络切片的车联网资源分配优化方法

由于传统的资源分配方法存在一定不足,故文章提出了基于5G网络切片的物联网资源分配优化方法。首先,对5G切片的资源分配优化方法进行设计,如建立资源分配模型;其次,基于5G网络切片建立资源分配算法;最后,构建边缘服务器资源分配机制,基于以上步骤完成资源分配方法的设计。为验证所设计方法的有效性,文章建立了对比实验,选取基于灰狼优化和匈牙利算法的D2D资源分配策略与基于云雾混合计算的车联网联合资源分配算法作为对比方法对比3种方法性能,最终得出所提方法资源分配时间最短,有效性更高。     

网络切片下基于遗传算法的虚拟网资源分配算法

在网络切片环境下,虚拟网络的资源分配是重要的研究内容.为降低底层网络的开销、提升虚拟网资源分配的成功率,本文提出了基于遗传算法的虚拟网资源分配算法.首先,本文对虚拟网资源分配问题进行建模,并设计了底层网络开销和底层收益两个评价指标.其次,为提升资源分配算法性能,设计了虚拟网节点资源需求规模的评价指标.最后,对遗传算法的...     

基于时空特征提取的智能网络切片算法

5G网络作为新一代的移动通信网络,提供了差异多样的各类业务服务,而通过网络切片可以将5G网络的资源虚拟化并更为有效地分配给各类服务.然而,当用户的服务需求发生变化时,需要及时地进行切片资源的重新分配和管理.为了准确适配业务需求的时空变化,提升切片性能,考虑采用深度强化学习的人工智能算法对切片资源进行实时管理,提出了基于...     

基于深度强化学习的网络切片资源管理算法

随着第五代通信技术(5G)的发展,各种应用场景不断涌现,而网络切片可以在通用的物理网络上构建多个逻辑独立的虚拟网络来满足移动通信网络多样化的业务需求。为了提高移动通信网络根据各切片业务量实现资源按需分配的能力,本文提出了一种基于深度强化学习的网络切片资源管理算法,该算法使用两个长短期记忆网络对无法实时到达的统计数据进行预测,并提取用户移动性导致的业务数据量动态特征,进而结合优势动作评论算法做出与切片业务需求相匹配的带宽分配决策。实验结果表明,相较于现有方法,该算法可以在保证用户时延和速率要求的同时,将频谱效率提高约7.7%。     

5G网络切片场景中基于预测的虚拟网络功能动态部署算法

针对无线虚拟化网络在时间域上业务请求的动态变化和信息反馈时延导致虚拟资源分配的不合理,该文提出一种基于长短时记忆(LSTM)网络的流量感知算法,该算法通过服务功能链(SFC)的历史队列信息来预测未来负载状态。基于预测的结果,联合考虑虚拟网络功能(VNF)的调度问题和相应的计算资源分配问题,提出一种基于最大最小蚁群算法(MMACA)的虚拟网络功能动态部署方法,在满足未来队列不溢出的最低资源需求的前提下,采用按需分配的方式最大化计算资源利用率。仿真结果表明,该文提出的基于LSTM神经网络预测模型能够获得很好的预测效果,实现了网络的在线监测;基于MMACA的VNF部署方法有效降低了比特丢失率的同时也降低了整体VNF调度产生的平均端到端时延。     

面向B5G多业务场景基于D3QN的双时间尺度网络切片算法

为了有效满足不同切片的差异化服务质量需求,面向B5G多业务场景提出了一种基于竞争双深度Q网络（D3QN）的双时间尺度网络切片算法。研究了联合资源切片和调度问题,以归一化处理后的频谱效率和不同切片用户服务质量指数的加权和作为优化目标。在大时间尺度内,SDN控制器根据每种业务的资源需求利用D3QN算法预先分配给不同的切片,然后根据基站负载状态执行基站级资源更新。在小时间尺度内,基站通过轮询调度算法将资源调度到终端用户。仿真结果表明,所提算法在保证切片用户服务质量需求、频谱效率和系统效用方面具有优异的性能。与其他4种基准算法相比,所提算法的系统效用分别提升了3.22%、3.81%、7.48%和21.14%。     

ENI辅助的5G网络切片智慧运营

利用网络人工智能标准工作组(ENI)系统辅助完成5G网络端到端切片的创建、监控、编排管理及终止等一系列生命周期管理操作,实现基于人工智能的闭环自动化控制,可以确保切片的快速开通、网络资源的高效利用和服务等级协议(SLA)保证。提出ENI系统辅助的端到端5G网络切片管理框架。     

一种基于网络切片的车联网联合资源分配算法

针对V2I下行链路不同文件传输的差异化服务质量需求问题,提出了一种基于网络切片的联合资源分配算法。该算法以优化系统车辆下载文件平均时延为目标,通过将优化问题拆解为通信资源分配优化子问题和缓存资源分配与文件放置选择优化子问题进行单独求解,再结合两步迭代算法获得一个较好的次优解。仿真结果表明,该算法在满足文件最低性能要求下有效地降低系统车辆下载文件的平均时延。     

基于流量感知的网络切片资源智能分配方法

针对当前网络切片资源仅考虑时间域请求所导致切片资源分配不合理的问题,采用基于残差-预测框架的流量感知算法来预测网络流量,结合神经网络预测未来的网络负载状态;基于网络负载预测结果,利用VNF技术实现网络切片资源智能分配.实验表明,该方法能够提升虚拟服务功能链数据包调度的端到端时延和CPU利用率.     

5G网络切片技术研究

网络切片技术作为5G网络演进过程中的一项关键技术,其作为SDN框架体系中的核心内容,能够将网络设备控制面和数据面分离开来处理形成逻辑独立,实现网络流量的灵活控制和智能化网络管理,受到了越来越多的关注和研究。从网络切片技术架构出发,介绍了5G网络切片的建立和UE对网络切片的选择过程。着重分析探讨了当前5G网络切片的研究现状和技术热点,指出了网络切片技术的发展预测和研究趋势,为后续研究和系统演进提供指导。     

虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法

针对现有研究中缺乏云无线接入网络(C-RAN)场景下对网络切片高效的动态资源分配方案的问题,该文提出一种虚拟化C-RAN网络下的网络切片虚拟资源分配算法。首先基于受限马尔可夫决策过程(CMDP)理论建立了一个虚拟化C-RAN场景下的随机优化模型,该模型以最大化平均切片和速率为目标,同时受限于各切片平均时延约束以及网络平均回传链路带宽消耗约束。其次,为了克服CMDP优化问题中难以准确掌握系统状态转移概率的问题,引入决策后状态(PDS)的概念,将其作为一种“中间状态”描述系统在已知动态发生后,但在未知动态发生前所处的状态,其包含了所有与系统状态转移有关的已知信息。最后,提出一种基于在线学习的网络切片虚拟资源分配算法,其在每个离散的资源调度时隙内会根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。仿真结果表明,该算法能有效地满足各切片的服务质量(QoS)需求,降低网络回传链路带宽消耗的压力并同时提升系统吞吐量。     

基于电力光纤到户的网络切片资源管理方案

为解决电力光纤到户项目中网络管控不灵活、业务种类繁多且QoS复杂等问题,提出了基于电力光纤到户的网络切片资源管理方案和基于网络切片感知的多业务融合动态资源分配算法。仿真结果表明,所提方案能够有效实现不同切片的QoS保障,并显著提升网络资源利用率。     

一种5G网络切片的编排算法

网络切片是基于SDN/NFV的5G网络架构实现按需组网的一种重要技术.通过分析5G主要场景,提出了SDN/NFV架构下一种基于GA-PSO优化的网络切片编排算法.该算法利用粒子群算法能够快速收敛于全局最优解的特性,设计网络切片性能的评价函数.并且利用遗传算法快速随机搜索的能力,实现对网络切片的更新和优化,利用粒子群追逐局部最优解与全局最优解得到最优网络切片.仿真实验结果表明,该算法能够实现对多业务场景网络切片的个性化创建,充分发挥SDN的集中控制方式的优点,在降低网络能耗的同时,提高网络资源利用率.     

5G网络切片技术的应用研究

5G网络能够满足各种不同需求的服务,该时代的来临,加速了相关业务的发展,使各种网络切片相继出现。本文将简要阐述5G网络切片技术的前景,并分析其应用,为未来5G网络的发展以及其能够带给人们的便利打下良好的基础,并为相关需要的人士提供帮助。     

5G网络切片技术探讨

随着万物感知、万物智能及万物互联的5G网络时代来临,业务应用场景的网络需求逐渐复杂多样,通过5G网络切片技术,可以将一张物理网络划分出多个虚拟的专用逻辑隔离网络,以服务的形式满足各行业的定制化需求.本文具体分析5G网络切片思路,指出网络切片风险与挑战,对未来5G网络切片技术的应用进行展望.     

基于改进DQN强化学习算法的弹性光网络资源分配研究

针对光网络资源分配中频谱资源利用率不高的问题,提出了一种改进的深度Q网络（DQN）强化学习算法。该算法基于ε-greedy策略,根据动作价值函数和状态价值函数的差异来设定损失函数,并不断调整ε值,以改变代理的探索率。通过这种方式,实现了最优的动作值函数,并较好地解决了路由与频谱分配问题。此外,采用了不同的经验池取样方法,以提高迭代训练的收敛速度。仿真结果表明：改进DQN强化学习算法不仅能够使弹性光网络训练模型快速收敛,当业务量为300 Er l ang时,比DQN算法频谱资源利用率提高了10.09%,阻塞率降低了12.41%,平均访问时延减少了1.27 ms。