基于SMDP的虚拟化无线传感网络资源分配策略

针对传统无线传感网络(WSN)中资源部署与特定任务的耦合关系密切从而造成较低的资源利用率问题，将虚拟化技术引入WSN，提出基于半马尔科夫决策过程(SMDP)的资源分配策略。定义虚拟化WSN的状态集、行为集、状态转移概率，考虑传感网能量受限以及完成虚拟传感网络请求(VSNR)的时间，给出奖励的表达式，并使用值迭代的方法求解特定状态下的行为，在提高资源利用率的同时最大化网络资源提供者的长期收益。数值结果表明，所提的资源分配策略能有效提高资源提供者的收益。     

基于半马尔科夫决策过程的虚拟传感网络资源分配策略

针对传统无线传感网络(WSN)中资源部署与特定任务的耦合关系密切,造成较低的资源利用率,进而给资源提供者带来较低的收益问题,根据虚拟传感网络请求(VSNR)的动态变化情况,该文提出虚拟传感网络(VSN)中基于半马尔科夫决策过程(SMDP)的资源分配策略。定义VSN的状态集、行为集、状态转移概率,考虑传感网能量受限以及完成VSNR的时间,给出奖赏函数的表达式,并使用免模型强化学习算法求解特定状态下的行为,从而最大化网络资源提供者的长期收益。数值结果表明,该文的资源分配策略能有效提高传感网资源提供者的收益。     

能耗和时延感知的虚拟化云无线接入网络资源分配机制

针对现有虚拟化云无线接入网络(C-RAN)资源利用率低、能耗高、用户服务质量无法得到保证等问题,该文提出一种能耗和时延感知的虚拟化资源分配机制。根据虚拟化C-RAN的网络特点及业务流量特征,考虑资源约束和比例公平,建立能耗和时延优化模型。进而,利用启发式算法为不同类型虚拟C-RAN和用户虚拟基站分配资源,完成资源的全局优化配置。仿真结果表明,所提资源分配机制在提高网络资源利用率的同时,不但使能耗节省了62.99%,还使时延降低了32.32%。     

基于云计算和动态贝叶斯博弈的WSN恶意程序传播优化抑制方法

为有效地应用入侵检测系统检测WSN（wireless sensor network,无线传感网络）恶意程序从而抑制WSN恶意程序传播,在考虑WSN节点资源有限和云计算平台资源几乎无限的现状基础上,借助云计算平台提出WSN入侵检测网络结构。依据传感节点和WSN入侵检测代理之间博弈过程的分析,使用动态贝叶斯博弈建立了考虑WSN入侵检测代理监控数据发送能耗和传感节点隐私保护需求的WSN恶意程序传播抑制博弈模型。依据建立的博弈类型,并基于精炼贝叶斯均衡提出抑制WSN恶意程序传播的优化策略,并给出具体的算法。实验分析了影响WSN入侵检测代理选择优化策略的因素,为具体应用提供了实验依据。     

无线虚拟网络中基于自回归滑动平均预测的在线自适应虚拟资源分配算法

该文针对无线虚拟化网络中业务的不确定和信息反馈的时延而引起虚拟资源分配不合理,提出一种基于自回归滑动平均(ARMA)预测的在线自适应虚拟资源分配算法。首先,该算法以保障虚拟网络队列上溢概率为目标对时频资源和缓存资源进行联合分配,并建立虚拟网络总成本最小化的理论分析模型。其次,考虑到虚拟网络对不同资源差异化的应用需求,设计了一种多时间尺度的资源动态调度机制,在长周期上基于ARMA模型的预测信息实现缓存资源的预留策略,在短周期上基于利用大偏差原理推导的队列上溢概率对虚拟网络优先级排序,并根据确定的优先级动态调度时频资源,从而满足各虚拟网络的业务需求。仿真结果表明,该算法可有效降低比特丢失率,同时提升物理资源的利用率。     

基于服务质量的层次化结构资源分配算法

无线传感器网络(wireless sensor network,WSN)具有节点体积小、成本低、感知能力强等优势,被广泛应用于物联网(internet of things,IoT)场景中。如何在保证WSN负载平衡的前提下,提高业务服务质量(quality of service,QoS)成为众多学者关注的问题。在研究WSN中基于启发式的资源分配方法和基于层次化结构的资源分配方法基础上,提出了一种基于服务质量的层次化结构资源分配算法(quality of service based hierarchical resource allocation algorithm,QoSHRA)。首先,利用基于低能耗自适应聚类层次(low-energy adaptive clustering hierarchy,LEACH)协议的资源分配方法使整个网络形成层次化结构;然后,利用QoSHRA进行资源分配。仿真结果表明,QoSHRA在保证网络负载平衡的前提下,进一步节约了网络传输能耗,保障了业务分配的有效性,提高了网络资源的QoS需求满足率。     

信任感知的安全虚拟网络映射算法

针对网络虚拟化技术带来的新的安全威胁,将信任关系和信任度引入到虚拟网络资源分配中,量化分析了网络虚拟化环境中的安全问题,构建了安全虚拟网络映射的数学模型,并在映射过程中考虑节点的局部和全局重要性,采用逼近理想排序法方法对节点进行多属性重要度排序,提出了一种信任感知的安全虚拟网络映射算法。仿真结果表明,该算法在满足虚拟网络请求可信需求的条件下,获得了较好的映射成功率、映射收益和资源利用率。     

一种支持云计算虚拟资源分配的可信多需求拍卖机制

使用拍卖方式来进行资源分配可以使得资源提供商获得更大的收益,是云计算领域近年来研究的重点。但现有研究多是基于非可信、单资源、单需求的前提。该文提出一种基于拍卖方式的云计算虚拟资源分配和定价机制(VRAP)。这种机制的特点在于,用户在一次拍卖中可以提出多个资源需求。证明了在这种机制下,资源提供商可以获得较以往拍卖机制更大的收益,同时能够保证用户出价是可信的。进而在具体资源分配问题上,提出一种单调的启发式算法能够在很短时间内计算出分配结果,通过资源稀有度概念设计了再分配策略,可以保证云资源提供商的收益极大化;在支付价格计算算法设计中,基于临界值理论计算支付价格,从而保证机制的公平可信。在社会福利、执行时间、资源利用率等多个方面对VRAP进行了测试分析,取得了很好的效果。     

未来网络虚拟化关键技术研究

网络虚拟化可使得多个服务提供商动态组合多个异构的共存却相互隔离的虚拟网。文章提出一种支持上下文感知的网络虚拟化实现方法,通过虚拟化网络资源和动态资源分配与控制技术建立底层资源与上层服务之间的映射关系,通过虚拟化层在应用层和底层基础网络间形成透明的隔离,同时采用认知管理的方式对虚拟化网络进行动态控制,以改善和提升互联网能力,满足端对端服务质量、安全性、可管理性等需求。     

分布式Alamouti空时码的信道容量及最优资源分配方案

该文针对基于译码转发协议的分布式Alamouti空时码(DF-DASTC)系统的信道容量以及最优资源分配策略问题。利用退化中继信道模型,推导得到了DF-DASTC系统在衰落信道下的信道容量闭式解。以DF-DASTC信道容量最大化为目标,对该系统在固定带宽分配时,中继及信源节点的最优功率分配方案进行了研究,推导得到了DF-DASTC系统的最优功率分配方案的闭式解。利用凸优化理论,将以DF-DASTC信道容量最大化为目标函数的多目标优化问题转换为非线性不等式约束的单目标凸优化问题,进一步得到了可变带宽分配时的DF-DASTC系统的最优带宽和功率分配策略。理论分析和系统仿真表明,该文所提出的资源分配策略,比平均分配的资源方案具有更大的信道容量。另外,该文的最优资源分配策略适用于具有多个中继节点的无线中继网络,具有普适性。     

基于业务感知和策略选择的认知路由算法

提出了一种基于业务感知和策略选择的认知路由(cognitive network routing)算法。该算法面向认知网络环境综合考虑了网络资源、业务流、策略选择等要素,在获知网络中业务流的宏观特征和需求的前提下,首先通过离线资源分配将网络资源按照业务流的固有分配特征预先配置给不同类型的业务流,然后通过在线路径计算实时得出各个业务流的最优路径。仿真实验验证了认知路由算法的有效性,对比于MIRA、SWP路由算法,CNR算法可以提高网络资源利用率,避免因资源不均衡产生的网络拥塞,能够在业务流和资源2个层面优化网络性能。     

可移动基站网络频谱资源块动态分配方法研究

首先从应用需求,引出了移动式基站的概念,然后设计了一种针对该网络资源分配的优先级策略并从提 高资源利用率和降低频谱重分配次数2个角度出发,提出了2种基于图论的资源分配策略,最后完整地提出了一 种低复杂度的分布式频谱资源块动态分配算法。仿真结果表明,所提算法有良好的性能。     

面向差异化业务请求的虚拟网络映射算法

网络虚拟化是克服当前网络僵化的重要方法,而资源分配是网络虚拟化实现的核心.为了解决业务差异性需求导致的物理网络资源分布不均,造成虚拟网络接受率下降的问题,提出面向差异化业务请求的虚拟网络映射算法.该算法首先定义反应节点和所连接链路资源比的节点饱和度,依此将虚拟节点映射在节点饱和度最接近虚拟网络请求的物理节点上,最后基于所映射的物理节点和节点饱和度约束,将虚拟链路映射在由物理链路组成的路径上.仿真结果表明该算法能够满足不同业务的差异化请求,具有较高的资源利用率和虚拟网络接受率.     

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。     

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.     

面向6G通感算融合的多粒度资源分配算法

面向6G通信-感知-计算(通感算)融合的发展需求,亟需突破其资源高效分配算法。提出一种面向6G通感算融合的多粒度资源分配算法,该算法根据感知的网络状态以及基站自身状态,在多时间粒度上调整资源分配策略时间。首先,该算法将通信、感知、计算资源联合优化问题建模为多时间粒度上的最大化效用函数问题;其次,采用决斗深度Q网络(Dueling Deep Q-network, Dueling DQN)算法关注重要状态,忽视不重要状态,可以较快地找到最佳动作;最后在所搭建的实验平台中,将所提算法与多种资源分配算法进行对比,提高网络频谱效率,并降低传输时延、处理时延和资源分配动作执行的成本。     

时分波分无源光网络与云无线接入网联合架构中负载平衡的用户关联与资源分配策略

在时分波分无源光网络(TWDM-PON)与云无线接入网(C-RAN)的联合架构中,由于无线域的负载不均衡问题,限制了网络整体的传输效率。为了充分利用TWDM-PON与C-RAN联合架构的网络资源,并保证用户的服务质量(QoS),该文提出一种负载平衡的用户关联与资源分配算法(LBUARA)。首先根据不同用户的服务质量需求以及分布式无线射频头端(RRH)的负载对用户的影响,构建用户收益函数。进而,在保证用户服务质量的前提下,根据网络状态建立随机博弈模型,并基于多智能体Q学习提出负载均衡的用户关联和资源分配算法,从而获得最优的用户关联与资源分配方案。仿真结果表明,所提的用户关联和资源分配策略能够实现网络的负载均衡,保证用户的服务质量,并提高网络吞吐量。     

异构无线网络中基于Stackelberg博弈的分布式定价和资源分配算法

针对异构无线网络资源管理问题,结合多主多从Stackelberg博弈模型,提出了一种同时满足网络运营商和用户效用最大的异构无线网络定价和资源分配方案。首先设计了一种基于收益和花费的移动用户效用函数,并证明在运营商的价格确定后,效用函数满足凹函数的条件,保证了移动用户间非合作博弈的纳什均衡点存在。为了获取移动用户的最优带宽策略和运营商的最优价格策略,提出了一种分布式迭代算法。最后通过仿真实验取得了参与者的最优策略和子博弈完美纳什均衡。     

一种无线传感网络的最优分群数量的确定算法

无线传感网络(Wireless Sensor Networks,WSN)是通信、传感、计算机技术结合的产物,已成为当前研究的热点。分群是诸多研究中的重点,针对WSN的特点,提出了一种最优分群数量的确定方法,通过仿真表明,算法是正确的。     

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。