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。

     

一种基于5G云接入网络架构下的能耗获取方法

给出一种5G云接入网架构下能耗“读取/获取”的具体方式,通过“采集-存储-读取-计算”几个步骤,新增采集装置、计算装置及数据库几个功能单元,解决了按照预设时间周期,对目标网络子单元进行灵活的能耗读取S/获取问题,能够按需、灵活“输出”云接入无线接入网各子单元的能耗数据;能够配合现有技术,实现CU及DU网络子单元的能效评估。     

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。     

基于AI算法的5G多接入协同方案及关键技术

AI是5G Advanced及6G的核心技术之一,它与移动通信网络的深入融合可推动运营商网络向自智化方向演进,提升运营商生产和运营效率,在运营商网络中,多种接入方式将长期共存,需要考虑多接入的协同问题.针对此需求,论述了基于AI算法的5G多接入协同方案,分析了网络全息感知、自适应模型算法、实时闭环验证及隐私保护等关键技...     

5G无线接入网络架构的设计探究

5G是在4G基础上通过增强性能而产生的,能够应对当前更多新的应用场景,特别是IOT。为此基于5G的应用场景及无线网络的接入要求,针对5G无线接入网络架构进行了分析讨论,指出设计中应根据当前技术实际,选择合适的无线接入网络架构,并预留充足的升级扩展空间,以便在技术进步后可随时进行升级扩展。     

多场景5G网络接入技术研究与应用

为解决因室外营销、业务演示等临时网络搭建造成的线缆资源重复利用率低、单次投入成本高、二次调整操作困难的问题,以市场为导向,坚持"贴近网络、贴近业务、贴近用户"的创新工作方针,通过采用客户前置终端(CPE)接入5G核心网满足客户端互联网访问需求,对多场景下5G网络接入关键参数进行试验研究,得到相关应用的接入指标,以减少线缆布放、光路调度、设备调试等过程,提升网络搭建便利性,提高5G网络的利用率。     

5G无线接入网络演进探讨

随着5G技术的成熟和商用期限的到来,各类与5G相关的应用或产业,都加快步伐,正紧锣密鼓进行研发与部署。相比2G-4G蜂窝移动通信网络,5G最大优势在于高可靠性、低时延、高带宽以及基于海量连接的万物互联,确保业务的连续性和永远在线。结合5G的特点,文章参考4G网络的特性,对5G网络无线接入网络的演进行了剖析,目的在于解读5G网络的先进性,为后期新型业务的开发和网络搭建做好技术层面的理论支撑。     

基于5G虚拟专网的业务网络设计

相较于以往的移动通信技术,5G具有低时延、大带宽、广连接的优点。目前,我国已建成全球规模最大的5G网络,正处于5G建设到5G应用的关键时期,政府出台了一系列政策大力推进5G应用发展。在此背景下,本文介绍了5G行业专网的3种部署模式,并针对某业务的实际需求,设计了基于5G虚拟专网部署模式的业务专网。     

5G网络中基于覆盖区域优先级的微基站休眠算法

随着5G移动通信技术日渐成熟,移动终端数量快速增长,5G无线通信系统基站密集能耗问题突出,提出一种微基站区域分级休眠算法。考虑微基站负载、站间距离、层间配合对微基站休眠的影响,宏基站与宏基站之间重叠覆盖区域中微基站状态转换次数少,优先休眠操作节能效果好。仿真结果表明,节能率为23%,能适应不同的网络规模,在大规模网络中节能效果更优越。     

5G系统接入网络性能优化思路

随着我国社会经济及信息技术不断发展,通信技术经历了多次换代,从2G到5G,实现了传输速度的几何式增长。在大数据时代背景下,5G通信技术成为全球各国政府、企业及民众十分关注的对象。本文首先阐述了目前5G系统接入网络相关技术的研究现状和面临的问题,然后从核心算法的优化以及调度器的升级等角度,对5G接入网络性能的优化思路和策略进行探讨。     

基于深度确定性策略梯度的虚拟网络功能迁移优化算法

针对NFV/SDN架构下,服务功能链(SFC)的资源需求动态变化引起的虚拟网络功能(VNF)迁移优化问题,该文提出一种基于深度强化学习的VNF迁移优化算法。首先,在底层CPU、带宽资源和SFC端到端时延约束下,建立基于马尔可夫决策过程(MDP)的随机优化模型,该模型通过迁移VNF来联合优化网络能耗和SFC端到端时延。其次,由于状态空间和动作空间是连续值集合,提出一种基于深度确定性策略梯度(DDPG)的VNF智能迁移算法,从而得到近似最优的VNF迁移策略。仿真结果表明,该算法可以实现网络能耗和SFC端到端时延的折中,并提高物理网络的资源利用率。

     

基于深度信念网络资源需求预测的虚拟网络功能动态迁移算法

针对5G网络场景下缺乏对资源需求的有效预测而导致的虚拟网络功能(VNF)实时性迁移问题,该文提出一种基于深度信念网络资源需求预测的VNF动态迁移算法。该算法首先建立综合带宽开销和迁移代价的系统总开销模型,然后设计基于在线学习的深度信念网络预测算法预测未来时刻的资源需求情况,在此基础上采用自适应学习率并引入多任务学习模式优化预测模型,最后根据预测结果以及对网络拓扑和资源的感知,以尽可能地减少系统开销为目标,通过基于择优选择的贪婪算法将VNF迁移到满足资源阈值约束的底层节点上,并提出基于禁忌搜索的迁移机制进一步优化迁移策略。仿真表明,该预测模型能够获得很好的预测效果,自适应学习率加快了训练网络的收敛速度,与迁移算法结合在一起的方式有效地降低了迁移过程中的系统开销和服务级别协议(SLA)违例次数,提高了网络服务的性能。     

一种基于联邦学习资源需求预测的虚拟网络功能迁移算法

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。     

基于改进深度强化学习的虚拟网络功能部署优化算法

针对网络功能虚拟化/软件定义网络 (NFV/SDN)架构下,网络服务请求动态到达引起的服务功能链(SFC)部署优化问题,该文提出一种基于改进深度强化学习的虚拟网络功能(VNF)部署优化算法。首先,建立了马尔科夫决策过程 (MDP)的随机优化模型,完成SFC的在线部署以及资源的动态分配,该模型联合优化SFC部署成本和时延成本,同时受限于SFC的时延以及物理资源约束。其次,在VNF部署和资源分配的过程中,存在状态和动作空间过大,以及状态转移概率未知等问题,该文提出了一种基于深度强化学习的VNF智能部署算法,从而得到近似最优的VNF部署策略和资源分配策略。最后,针对深度强化学习代理通过ε贪婪策略进行动作探索和利用,造成算法收敛速度慢等问题,提出了一种基于值函数差异的动作探索和利用方法,并进一步采用双重经验回放池,解决经验样本利用率低的问题。仿真结果表示,该算法能够加快神经网络收敛速度,并且可以同时优化SFC部署成本和SFC端到端时延。     

一种面向运营成本优化的虚拟网络功能部署和路由分配策略

随着网络功能虚拟化(NFV)技术的发展,虚拟网络功能(VNF)可以通过服务功能链(SFC)的形式部署在如虚拟机的通用平台中,为管理带来灵活性。但是对于服务提供商来说,由于网络基础设施的复杂性和日益增长的服务需求,给VNF的部署带来了高昂的运营成本(OPEX)。针对此问题,该文提出一种面向OPEX优化的策略,旨在最小化OPEX中的激活、能耗和传输成本,得到VNF部署和路由分配优化方案。为此建立一种全新的混合整数线性规划(MILP)模型,并设计包括遗传算法(GA)在内的3种OPEX优化算法。仿真实验评估在不同资源配给下MILP和3种算法的OPEX及其性能,其中GA算法在节点资源配比60%以上时可以得到近似于MILP模型的解决方案。

     

一种基于Viterbi算法的虚拟网络功能自适应部署方法

为了应对移动数据流量的爆炸性增长,5G移动通信网将引入新型的架构设计。软件定义网络和网络功能虚拟化是网络转型的关键技术,将驱动移动通信网络架构的创新,服务链虚拟网络功能的部署是网络虚拟化研究中亟待解决的问题。该文针对已有部署方法未考虑服务链中虚拟网络功能间顺序约束和移动业务特点的问题,提出一种基于Viterbi算法的虚拟网络功能自适应部署方法。该方法实时感知底层节点的资源变化并动态调整拓扑结构,采用隐马尔科夫模型描述满足资源约束的可用的底层网络节点拓扑信息,基于Viterbi算法在候选节点中选择时延最短的服务路径。实验表明,与其它的虚拟网络功能部署方法相比,该方法降低了服务链的服务处理时间,并提高了服务链的请求接受率和底层资源的成本效率。     

面向时延与可靠性优化的服务功能链部署方法

针对5G网络高可靠性、低时延的服务需求,该文提出一种面向时延与可靠性优化的服务功能链(SFC)部署(DROSD)方法。在不预留冗余资源的情况下,首先通过功能互斥约束来确定SFC中相邻虚拟网络功能(VNF)是否可聚合;其次通过功能性约束、资源约束选择可聚合物理节点集合,实现负载均衡,提高SFC可靠性;然后通过跳数约束进行优化,进一步筛选可聚合物理节点集合以降低SFC的端到端时延;最后通过节点可用资源、节点度以及与原节点跳数指标进行降序排列,取最大值物理节点部署VNF。SFC的路由选择,采用K-最短路径算法。仿真实验表明,该文所提算法提高了请求接受率、长期平均收益开销比,增强了SFC可靠性,降低了端到端时延,减小了平均带宽开销。     

一种支持硬件加速的虚拟网络功能部署模型

为解决以软件实现的虚拟网络功能(VNF)性能受限问题,软件定义网络和网络功能虚拟化(SDN/NFV)等新型网络架构引入了硬件加速资源。硬件加速资源的部署,使得VNF能够为日益增长的数据流量提供服务保障。该文针对已有研究未考虑具有高性能数据处理需求的服务链VNF部署问题,提出一种支持硬件加速的VNF部署模型。该模型基于硬件加速资源的承载特性,在保证未加速VNF到商用服务器的优化部署下,优先实现交换机中加速资源的复用,并根据网络业务的性能需求,灵活调整加速资源与VNF的映射约束。仿真实验表明,与其他典型部署方法相比,在引入相同硬件加速资源的情况下,该模型可以承载更多的业务流量,满足服务链高性能数据处理需求,有效提高了部署在网络中加速硬件的资源利用率。