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。     

基于在线双向拍卖的虚拟网络切片资源调度机制

为解决 5G网络切片间资源分配的问题,该文提出一种基于在线双向拍卖 (ODA)的资源调度机制。该机制首先针对不同的业务需求和业务收益确定网络切片的优先级和单位资源报价;其次明确最大化网络收益的目标建立线下单向拍卖模型;进一步,考虑资源的动态分配和回收利用,提出价格更新算法实时更新资源价格;最后,综合线下单向拍卖机制和价格动态变化机制建立在线双向拍卖模型,为切片动态分配资源。仿真结果表明,该机制在提高网络收益的同时可以保证各切片用户的QoS需求。     

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.     

5G移动通信中基于安全信任的网络切片部署策略探讨

我国传统的网络切片部署模式已经难以切实有效地控制网络流量,导致5G网络资源无法得到充分地应用,极大地影响到通信网络的安全性与稳定性。而构建基于安全信任的5G移动通信网络切片部署策略,能够为网络资源的有效处理,奠定坚实的构架基础,使网络资源得到有效的分配,提升网络资源的实效性与有效性。对此,结合网络切片部署策略的设计,以实验探究的方式,论证该策略的可行性与稳定性。     

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.     

基于流量预测的5G通信网络资源分配方法

为实现5G通信网络资源的最佳分配,提出基于流量预测的5G通信网络资源分配方法。在5G网络切片的资源分配情况下,形成基于Prophet-PFMGNet的5G通信网络流量预测模型,预测5G通信网络流量以及资源需求,采用布谷鸟优化资源分配结果,获取最佳5G通信网络资源分配。测试结果表明：该方法具备良好的网络流量预测效果,确定性相关系数取值均在0.92以上,可靠预测资源需求,应用后网络节点和链路两种资源的利用率均在0.93以上,用户的阻塞概率均低于0.06。     

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。     

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。     

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。     

5G网络切片技术综述与初期部署方案研究

除了传统的移动宽带通信服务,5G还将支持来自垂直行业的各种新用例。这些新场景带来了多样化和挑战性的需求,在现有网络中应用的一刀切设计理念已经不再可行。因此,对5G网络切片技术进行全面的调查研究。首先,介绍网络切片的驱动力和概念;其次,讨论网络功能虚拟化与模块化、传输切片、无线切片以及管理与编排等网络切片关键技术,介绍5G网络切片技术在各个领域的最新进展,并给出网络切片未来发展的几个重要的研究方向;最后,提出5G初期网络切片商用部署的建议。     

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。