虛擬化云無線接入網絡下基于在線學習的網絡切片虛擬資源分配算法
摘要：針對現有研究中缺乏云無線接入網絡(C-RAN)場景下對網絡切片高效的動態資源分配方案的問題,該文提出一種虛擬化C-RAN網絡下的網絡切片虛擬資源分配算法。首先基于受限馬爾可夫決策過程(CMDP)理論建立了一個虛擬化C-RAN場景下的隨機優化模型,該模型以最大化平均切片和速率為目標,同時受限于各切片平均時延約束以及網絡平均回傳鏈路帶寬消耗約束。其次,為了克服CMDP優化問題中難以準確掌握系統狀態轉移概率的問題,引入決策后狀態(PDS)的概念,將其作為一種"中間狀態"描述系統在已知動態發生后,但在未知動態發生前所處的狀態,其包含了所有與系統狀態轉移有關的已知信息。最后,提出一種基于在線學習的網絡切片虛擬資源分配算法,其在每個離散的資源調度時隙內會根據當前系統狀態為每個網絡切片分配合適的資源塊數量以及緩存資源。仿真結果表明,該算法能有效地滿足各切片的服務質量(QoS)需求,降低網絡回傳鏈路帶寬消耗的壓力并同時提升系統吞吐量。
注: 保護知識產權,如需閱讀全文請聯系電子與信息學報雜志社
相關推薦
更多
