基于5G接入网络的多优先级虚拟网络功能迁移开销与网络能耗联合优化算法

针对5G接入网络中虚拟网络功能(VNF)部署完成后,其资源需求发生动态变化,导致网络中物理机(PM)资源利用率过高或过低这一问题,该文首先将网络中PM的资源使用情况划分5个不同分区,提出一种多优先级VNF迁移请求队列调度模型。其次基于该模型,对VNF迁移开销的最小化及网络能耗的最小化建立联合优化模型。最后提出一种基于5G接入网络的多优先级VNF迁移开销与网络能耗联合优化算法对其进行求解。仿真结果表明,该算法在有效实现VNF迁移开销与网络能耗折中的同时,提高了PM资源利用率,保证了PM性能并均衡各PM负载。     

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。     

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...     

公用无线局域网的负载均衡策略

无线局域网与GPRS结合而成的公用无线局域网,是一种覆盖全球的宽带移动通信网,负载均衡策略是其中的一项关键技术.本文首先提出基于接入控制器(AC)的集中式负载均衡策略(CLBAC)以提高网络安全性,然后提出分布式负载均衡策略(DLB):各用户在接入网络的时侯,首先采用虚拟的分布式协调功能(VDCF)预测各小区的实时负载,然后接入负载最轻的小区.与集中式负载均衡策略比较,分布式负载均衡策略在网络资源开销和安全性等方面具有明显优势.仿真结果表明:VDCF算法预测小区负载快捷准确.     

基于深度强化学习的服务功能链可靠部署算法

针对当前关于服务功能链(SFC)的部署问题都未考虑到虚拟网络功能(VNF)的失效重要度,该文提出了基于深度强化学习的SFC可靠部署算法。首先建立VNF和虚拟链路可靠映射模型,为重要的VNF设置高可靠性需求,并通过链路部署长度限制尽可能保证虚拟链路可靠性需求。其次,以负载均衡为资源协调原则,与VNF可靠性联合优化,最终使用深度强化学习得到服务功能链部署策略。另外,提出了基于重要度的节点备份和链路备份策略,用于应对部署过程中VNF/链路可靠性难以满足的情况。仿真结果表明,该文的可靠部署算法在保证可靠性需求的基础上能够有效减少SFC失效损失,同时使虚拟网络更加稳定可靠。     

面向多模态网络业务切片的虚拟网络功能资源容量智能预测方法

为解决多模态网络场景中网络切片上的VNF部署方案调整不及时造成的切片性能下降问题,提出了一种基于时空特征提取的VNF资源容量预测方法,旨在通过预测为即将到来的切片需求进行VNF的预部署。所提方法首先对用于预测的数据流时间序列进行加权处理,然后把处理后的时间序列及其依赖的空间拓扑信息输入网络模型中,通过图卷积网络重组时间序列的空间分布特征,再由门控循环单元感知输入数据的时序依赖关系,最后基于数据流序列与VNF实例数量的映射关系,由前馈神经网络最终输出VNF资源需求预测视图。实验结果表明,所提方法比对照方法中预测精度最高的方法提高了6.54%的需求预测精度。     

基于集成深度神经网络流量预测的动态网络切片迁移算法

针对5G网络切片(NS)场景下由于缺乏提前对物理网络资源进行感知而导致切片迁移滞后的问题,该文提出一种基于集成深度神经网络流量预测的动态切片调整和迁移算法(DSAM)。首先建立了基于计算、内存、带宽资源配置的网络总惩罚模型;其次,提出基于集成深度神经网络的流量预测算法预测未来网络流量情况,并根据流量类型的不同将其转换成对未来时刻物理网络的资源占用及切片的资源需求感知;最后,根据感知结果,以尽可能大地降低运营商惩罚为目标,通过动态切片调整和迁移策略将虚拟网络功能(VNF)和虚拟链路迁移到满足资源限制的物理节点和链路上。仿真结果表明,所提算法有效提高了切片迁移的效率和网络资源利用率。     

5G电力虚拟专网中基于联邦对抗学习的分布式异常检测算法

针对5G电力虚拟专网中高维、不均衡和分布式的数据特征，提出了一种基于联邦对抗学习的分布式异常检测算法。首先，鉴于生成对抗网络在获取高维复杂数据分布方面的优势，采用具有梯度惩罚的Wasserstien生成对抗网络(WGAN-GP)模型对网元中的多维运行数据进行分析和监控并获取其分布情况。其次，基于5G电力虚拟专网的管理架构，设计了一种基于联邦对抗学习的分布式异常检测框架，使分布式电力切片管理器能够协同训练全局异常检测模型，增强模型泛化能力。最后，通过数值仿真验证了基于联邦对抗学习的分布式异常检测算法的训练效率和检测性能。     

Workload Prediction Based Virtual Machine Migration and Optimal Switching Strategy for Cloud Power Management

Virtual Machine (VM) Migration has been popular nowadays, as it helps to balance the load effectively. Various VM migration-based approaches are modeled for better VM placement but remain the challenge because of inappropriate load balancing. Thus, workload prediction-based VM migration is introduced to improve the energy efficiency of the system. Importantly, load prediction is very important to enhance resource allocation and utilization. Chaotic Fruitfly Rider Neural Network is devised by combining Rider neural network and chaotic Fruitfly optimization algorithm to predict load. Moreover, the fitness for predicting the load is based on old-time load, resource constraint, and network parameters. Once the load is predicted, the power optimization is performed using VM migration and optimal switching strategy. When the load is found overloaded, the VM migration is performed using the proposed Harris Hawks spider monkey optimization (HHSMO). Thus, the optimal finding of VM for executing the removed task is found out using the proposed HHSMO. The fitness function utilized for the VM migration is based on power, load, and resource parameter. If the load predicted is underloaded, the optimal switch ON/OFF is done optimally by switch ON/OFF the servers using the proposed HHSMO algorithm. Through the migration and switching strategy, the power consumption is optimized. The performance of the proposed model is evaluated in terms of power consumption, load, and resource utilization. The proposed HHSMO achieves the minimal power consumption of 0.0181, the minimal load of 0.002, and the minimal resource utilization of 0.0376.

     

面向可靠性的5G网络切片重构及映射算法

针对传统网络切片映射方法资源利用率低且可靠性差的问题,该文提出了可靠性感知的网络切片(NS)重构及映射策略(RNSRE)。首先,建立了面向可靠性和资源的网络切片可靠映射效用函数。其次,综合考虑虚拟网络功能(VNF)的资源需求和位置约束,提出了一种VNF可靠性需求的度量方法。在此基础上,以最大化VNF可靠部署收益的同时最小化链路带宽资源开销为目标,建立了切片可靠映射整数线性规划模型。最后,针对不同的网络切片类型,提出了基于邻域搜索的网络切片映射算法和关键VNF备份的网络切片重构映射算法。仿真结果表明,所提算法在满足VNF可靠性需求的同时,提高了资源利用率,降低了映射的开销。     

特征关联的服务功能链可靠性优化算法

针对优化服务功能链(Service Function Chain,SFC)可靠性时资源利用率低的问题,提出了特征关联的服务功能链可靠性优化算法。首先,从底层节点的资源可用率、周边资源密集度、全网中心性评价其作为虚拟网络功能（Virtual Network Function,VNF）实例备选节点的优势,从VNF实例的节点度数与带宽流量评价其作为备选对象的优势。其次,逐个对优越性最高的VNF实例选择备份底层节点,直到所有SFC的可靠性满足客户要求。在为VNF实例选择备份底层节点时,提出了基于资源特征关联感知的备份节点选择算法,将当前VNF实例所映射的底层节点与其他待备份VNF实例的底层节点的邻接节点进行关联,为当前VNF实例选择最优备份底层节点的同时,减少为其他待备份VNF实例选择备份底层节点时链路的开销。仿真结果表明,相比于已有算法,该SFC可靠性优化算法下备份实例数降低了约29%,备份带宽资源消耗降低了约42%,SFC接受率提升了约12%。     

云环境下基于虚拟机动态迁移的调度策略研究

针对目前云环境资源调度采用静态负载均衡策略易于导致资源浪费的问题,提出了一种双限定值的虚拟机动态迁移的调度策略.该策略将当前负载状况与负载过重或过轻时两个限定值比较,选择介于二者之间能耗较低的虚拟机迁移至目标节点.仿真实验表明,该策略能够减少迁移次数,降低虚拟机迁移能耗,从而尽可能达到负载均衡和满足服务等级协议的需求.