CN108990109B - 一种应用于超密集异构网络的基于双重博弈的负载均衡方法 - Google Patents

一种应用于超密集异构网络的基于双重博弈的负载均衡方法 Download PDF

Info

Publication number
CN108990109B
CN108990109B CN201810743594.3A CN201810743594A CN108990109B CN 108990109 B CN108990109 B CN 108990109B CN 201810743594 A CN201810743594 A CN 201810743594A CN 108990109 B CN108990109 B CN 108990109B
Authority
CN
China
Prior art keywords
load
infrastructure
game
spectrum
low
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810743594.3A
Other languages
English (en)
Other versions
CN108990109A (zh
Inventor
刘诚毅
陶宇
刘玉申
况亚伟
李方强
徐健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changshu Institute of Technology
Original Assignee
Changshu Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changshu Institute of Technology filed Critical Changshu Institute of Technology
Priority to CN201810743594.3A priority Critical patent/CN108990109B/zh
Publication of CN108990109A publication Critical patent/CN108990109A/zh
Application granted granted Critical
Publication of CN108990109B publication Critical patent/CN108990109B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0289—Congestion control

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种应用于超密集异构网络的基于双重博弈的负载均衡方法，利用SDN‑NFV技术对超密集异构网络进行网络架构的重新定义，并且利用超密集异构网络中虚拟网络在移动虚拟运营商MVNO的实时调度机制，根据组建虚拟网络基础设施的负载状况等信息进行动态基于双重博弈的频谱资源调整；本发明的第一重负载均衡博弈通过在高负载基础设施和该基础设施可用频谱资源间建立博弈机制，给出针对高负载基础设施售卖高于其负载容忍度的负载，缓解高负载状态下网络的拥塞情况；第二重负载均衡博弈通过在MVNO和低负载基础设施间建立博弈机制，给出针对低负载基础设施购买其负载余额的负载，实现基于SDN‑NFV技术的超密集异构网络中基础设施间的负载均衡。

Description

一种应用于超密集异构网络的基于双重博弈的负载均衡方法
技术领域
本发明涉及无线通信技术领域，尤其是一种应用于超密集异构网络的基于双重博弈的负载均衡方法。
背景技术
在超密集异构网络场景下的关键技术研究中，如何低成本、高效率地实现超密集异构网络同频干扰管理是无线通信研究的重点内容之一。面对无线网络容量的有限性，密集异构网络被提出应对数据流量的千倍增长，满足网络极高的流量密度需求。但是，密集部署热点高容量场景下的负载分布会更加不均衡，这将极大降低用户体验并造成网络资源利用效率的下降。因此，在下一代移动通信网络中，超密集异构网络中的负载均衡也是一个必须解决的关键问题。
现有的超密集异构网络中的负载均衡方法主要通过在不同负载状态的小区间进行负载转移的方式进行网络的负载均衡，在网络参数发生变化时，用户和业务在密集网络中的切换将会变得异常的频繁，导致网络长期处于信令开销过大的状态，不利于超密集异构网络的鲁棒性。而基于SDN-NFV的网络架构可在管控中心的监管下在虚拟网络内部进行负载的转移，有效避免了网络信令开销的增大。因此，需要新的负载均衡方法适用于新的基于SDN-NFV的超密集异构网络架构。
发明内容
本发明所要解决的技术问题在于，提供一种应用于超密集异构网络的基于双重博弈的负载均衡方法，能够在有效保证虚拟网络体验质量(QoE，Quality of Experience)需求的基础上，实现基于SDN-NFV技术的超密集异构网络中基础设施间的负载均衡。
为解决上述技术问题，本发明提供一种应用于超密集异构网络的基于双重博弈的负载均衡方法，包括如下步骤：
(1)根据组建虚拟网络的基础设施负载的饱和度大小的不同将基础设施集分成低负载基础设施、中负载基础设施和高负载基础设施；
(2)根据高负载基础设施的负载状态进行第一重高负载基础设施和该基础设施可用频谱资源间关于负载降低的博弈；
(3)根据第一重负载均衡博弈机制造成的虚拟网络性能损失的情况进行虚拟网络QoE保证机制的建立；
(4)将在第一重负载均衡博弈机制中释放的频谱资源通过NFV技术进行虚拟资源池的建立；
(5)根据低负载基础设施的负载状态进行第二重移动虚拟运营商(MVNO,MobileVirtual Network Operator)和低负载基础设施间关于负载提高的博弈；
(6)根据第一和第二重负载均衡博弈机制建立的针对高负载基础设施和低负载基础设施负载状态的优化调整结果进行虚拟网络关于负载均衡的有效配置。
优选的，步骤(2)中，第一重负载均衡博弈机制是以博弈理论对高负载基础设施负载降低问题进行数学建模并得到频谱分配变量，以最大化每个高负载基础设施购买该基础设施可用频谱资源以降低该基础设施负载状态为目标函数进行频谱资源分配；然后，上述高负载基础设施有偿降低可用频谱资源的使用；根据博弈理论以最大化可用频谱资源减少负载状态效益为目标，以高负载基础设施高出其负载容忍值的负载为约束对高负载基础设施进行频谱分配。
优选的，第一重负载均衡博弈机制中的博弈关系中的卖方(可用频谱资源)的效用函数定义为可用频谱不分配给该高负载基础设施所获得的收益，即卖方效用函数表示为
Figure BDA0001723799370000021
其中
Figure BDA0001723799370000022
表示为可用频谱ln售卖的价格，
Figure BDA0001723799370000023
为高负载基础设施与可用频谱ln的二元关联向量，ω0为子载波带宽，
Figure BDA0001723799370000024
为高负载基础设施n分配给第ln个子载波的功率值，
Figure BDA0001723799370000025
为信道增益，σ2为噪声，
Figure BDA0001723799370000026
表示频谱资源ln售卖给高负载基础设施n的单位代价。
优选的，第一重负载均衡博弈机制中的博弈关系中的买方(高负载基础设施)的效用函数定义为由于其购买可用频谱资源以降低其负载状态，即买方效用函数表示为
Figure BDA0001723799370000027
其中
Figure BDA0001723799370000028
为高负载基础设施n可用的频谱资源集合。
优选的，步骤(5)中，第二重负载均衡博弈机制是以博弈理论对低负载基础设施负载提高问题进行数学建模并得到频谱分配变量，以最大化每个低负载基础设施购买虚拟资源池中频谱资源以提高该基础设施负载状态为目标函数进行频谱资源分配，同时最大化MVNO通过售卖虚拟资源池中的频谱资源为目标。
优选的，第二重负载均衡博弈机制中的博弈关系中的卖方(MVNO)的效用函数定义为虚拟资源池中的频谱资源售卖给低负载基础设施所获得的收益，即卖方效用函数表示为
Figure BDA0001723799370000031
其中βn,l表示为可用频谱l售卖的价格，
Figure BDA0001723799370000036
为低负载基础设施与可用频谱l的二元关联向量，
Figure BDA0001723799370000032
为虚拟资源池中频谱资源集合，
Figure BDA0001723799370000033
为低负载基础设施集合，同时由于针对低负载基础设施的负载提高是以保证虚拟网络QoE为前提的，因此卖方MVNO售卖行为的约束为
Figure BDA0001723799370000034
其中：τ为虚拟网络因高负载基础设施的负载降低方法操作带来的网络数据传输速率的下降值，pn,l为低负载基础设施n分配给第l个子载波的功率值，Hn,l为信道增益。
优选的，第二重负载均衡博弈机制中的博弈关系中的买方(低负载基础设施)的效用函数定义为由于其购买虚拟资源池中的频谱资源以提高其负载状态，即买方效用函数表示为
Figure BDA0001723799370000035
本发明的有益效果为：本发明利用SDN-NFV技术对超密集异构网络进行网络架构的重新定义，并且利用超密集异构网络中虚拟网络在MVNO的实时调度机制，根据组建虚拟网络基础设施的负载状况等信息进行动态基于双重博弈的频谱资源调整；本发明的第一重负载均衡博弈通过在高负载基础设施和该基础设施可用频谱资源间建立博弈机制，给出针对高负载基础设施售卖高于其负载容忍度的负载，缓解高负载状态下网络的拥塞情况；第二重负载均衡博弈通过在MVNO和低负载基础设施间建立博弈机制，给出针对低负载基础设施购买其负载余额的负载，在有效保证虚拟网络QoE需求的基础上，实现基于SDN-NFV技术的超密集异构网络中基础设施间的负载均衡。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
如图1所示，一种应用于超密集异构网络的基于双重博弈的负载均衡方法，包括如下步骤：
(1)根据组建虚拟网络的基础设施负载的饱和度大小的不同将基础设施集分成低负载基础设施、中负载基础设施和高负载基础设施；
(2)根据高负载基础设施的负载状态进行第一重高负载基础设施和该基础设施可用频谱资源间关于负载降低的博弈；
(3)根据第一重负载均衡博弈机制造成的虚拟网络性能损失的情况进行虚拟网络QoE保证机制的建立；
(4)将在第一重负载均衡博弈机制中释放的频谱资源通过NFV技术进行虚拟资源池的建立；
(5)根据低负载基础设施的负载状态进行第二重MVNO和低负载基础设施间关于负载提高的博弈；
(6)根据第一和第二重负载均衡博弈机制建立的针对高负载基础设施和低负载基础设施负载状态的优化调整结果进行虚拟网络关于负载均衡的有效配置。
负载状态模块搜集构成虚拟网络的基础设施集合的负载状态参量，然后将上述基础设施按照其负载的饱和度大小分为三类：①低负载基础设施、②中负载基础设施以及③高负载基础设施。其中：①低负载基础设施定义为所承载的负载还未达到临界值的基础设施，因此可以通过接纳新的负载来提高其资源利用率；②中负载基础设施定义为所承载的负载已达到临界值的基础设施，因此接纳新的负载或剔除旧的负载均会影响该基础设施的资源利用率；③高负载基础设施定义为所承载的负载已经远远超过其所能承受负载的临界值的基础设施，因此必须通过负载转移的方法降低其负载。基础设施根据负载状态分类完成后，负载状态模块将虚拟网络各个基础设施的负载信息输出到第一重负载均衡博弈模块中用于高负载基础设施负载降低方案的设计。
第一重负载均衡博弈机制模块在高负载基础设施和该基础设施可用频谱资源间建立，其中：可用频谱资源通过售卖频谱资源的方式获得收益；而高负载基础设施通过购买可用频谱资源获得负载降低的收益，从而形成了两者间博弈行为的描述，进而给出针对高负载基础设施负载降低方案的设计。
虚拟网络QoE保证机制依据第一重负载均衡博弈模块将虚拟网络因高负载基础设施负载释放操作带来的网络数据传输速率的下降值输出到第二重负载均衡博弈模块中，用于低负载基础设施负载增加方案的设计。
虚拟资源池建立通过将在第一重负载均衡博弈模型中高负载基础设施释放的频谱资源进行整合，并依据NFV技术建立虚拟资源池并将其归于第二重负载均衡博弈模型中可用频谱资源集合。
第二重负载均衡博弈机制模块在MVNO和低负载基础设施间建立，其中：低负载基础设施通过购买低负载基础设施的负载余额获得负载提高的收益；而MVNO通过售卖虚拟资源池中频谱资源的方式获得收益，从而形成了两者间博弈行为的描述，进而给出针对低负载基础设施负载提高方案的设计。
虚拟网络配置模块依据第一和第二重负载均衡博弈机制建立的针对高负载基础设施和低负载基础设施负载状态的优化调整结果对虚拟网络进行有效配置和管理。
设在超密集异构融合网络中针对每个终端用户的每种业务应用基于虚拟技术生成的虚拟网络共有N个基础设施为其提供服务支持。由于一个基础设施可以为一个或多个虚拟网络提供服务支持，因此会造成负载在各个基础设施中的分配不均，图1是基于双重博弈机制的负载均衡方法框图，该算法主要由3个模块组成，分别为：1)负载状态模块；2)第一重负载均衡博弈模块；3)第二重负载均衡博弈模块。
3个模块的详细说明如下：
1)负载状态模块
在基于双重博弈的负载均衡算法中由负载状态模块搜集构成虚拟网络的N个基础设施的负载状态参量
Figure BDA0001723799370000051
然后将上述基础设施按照其负载的饱和度大小分为三类：①低负载基础设施、②中负载基础设施以及③高负载基础设施。其中：①低负载基础设施定义为所承载的负载还未达到临界值的基础设施，因此可以通过接纳新的负载来提高其资源利用率；②中负载基础设施定义为所承载的负载已达到临界值的基础设施，因此接纳新的负载或剔除旧的负载均会影响该基础设施的资源利用率；③高负载基础设施定义为所承载的负载已经远远超过其所能承受负载的临界值的基础设施，因此必须通过负载转移的方法降低其负载。基于上述讨论，设在N个基础设施中低负载、中负载和高负载基础设施分别有NL、NM和NH个，分别用集合
Figure BDA0001723799370000052
和
Figure BDA0001723799370000053
表示，因此有
Figure BDA0001723799370000054
基础设施根据负载状态分类完成后，负载状态模块将组成虚拟网络的高负载基础设施的负载信息输出到第一重负载均衡博弈模块用于高负载基础设施负载降低方案的设计。
2)第一重负载均衡博弈模块
在第一重负载均衡博弈机制中，每个高负载基础设施通过购买其占用的每个频谱资源获得收益刺激其降低负载。令
Figure BDA0001723799370000055
为二元指示变量，其中：若高负载基础设施
Figure BDA0001723799370000056
购买第ln个可用频谱资源，
Figure BDA0001723799370000057
等于1，否则为0。由于高负载基础设施在第一重负载均衡博弈机制中的购买目的是降低其负载状态，因此高负载基础设施n购买子载波ln在博弈行为中的收益为其负载值的降低，即
Figure BDA0001723799370000058
其中：
Figure BDA0001723799370000061
为高负载基础设施n分配给第ln个子载波的功率值，
Figure BDA0001723799370000062
为信道增益。
令
Figure BDA0001723799370000063
表示频谱资源ln售卖给高负载基础设施
Figure BDA0001723799370000064
单位的代价。因此，
Figure BDA0001723799370000065
表示该频谱资源在售卖ω0时所付出的代价值，因此子载波ln售卖给高负载基础设施n在博弈理论下的效用函数为
Figure BDA0001723799370000066
此效用函数由两部分组成，分别为收益和代价。随着售卖的频谱资源的增大，其获得的售卖收益也随之增大，即负载状态降低的越多。但是随着售卖的频谱资源的增大，其代价函数也将增大。因此，对于每个可用频谱资源，其目标是最大化自身的效用函数，即
Figure BDA0001723799370000067
而在买方高负载基础设施方面，由于其购买可用子载波ln的频谱资源以降低基础设施负载状态为目的，因此其目标函数为
Figure BDA0001723799370000068
其中：
Figure BDA00017237993700000618
为高负载基础设施n可用的频谱资源集合。
由于针对高负载基础设施的负载降低是以售卖高出其负载容忍值的负载为目的的，因此买方高负载基础设施购买行为的约束为
Figure BDA0001723799370000069
Figure BDA00017237993700000610
其中：2n表示基础设施n的负载状态值，
Figure BDA00017237993700000611
表示基础设施n的负载容忍值。然后根据最优化理论求得保证上述约束的最佳频谱分配二元指示变量解向量，
Figure BDA00017237993700000612
Figure BDA00017237993700000613
根据对高负载基础设施n可用频谱的分配，得到相应的最佳频谱分配二元指示变量，若对于子载波ln，其
Figure BDA00017237993700000614
则表示高负载基础设施n仍可占用子载波ln进行数据传输；若
Figure BDA00017237993700000615
则表示高负载基础设施n释放子载波ln，从而减轻了负载状态。因此，得到子载波集合用于传输高负载基础设施n的下行数据的频谱列表，从而实现了一种根据高负载基础设施负载状态等信息的负载降低方法。
由此可得，虚拟网络因高负载基础设施
Figure BDA00017237993700000616
的负载降低方法操作带来的网络数据传输速率的下降值为
Figure BDA00017237993700000617
随后，第一重负载均衡博弈模块将虚拟网络因高负载基础设施负载降低操作带来的网络数据传输速率的下降值等有关信息输出到第二重负载均衡博弈模块用于低负载基础设施频谱提高方案的设计。
3)第二重负载均衡博弈模块
在第二重负载均衡博弈机制中，低负载基础设施
Figure BDA0001723799370000071
通过购买虚拟资源池中的频谱资源获得收益刺激其提高负载状态从而使得保证虚拟网络QoE的负载均衡的实现。令
Figure BDA0001723799370000072
为二元指示变量，其中：若低负载基础设施n购买虚拟资源池中第l个频谱资源，
Figure BDA0001723799370000073
等于1，否则为0。由于低负载基础设施在第二重负载均衡博弈机制中的购买目的是提高其负载状态，因此低负载基础设施购买虚拟资源池中的子载波l在博弈行为中的收益为其负载值的提高，即
Figure BDA0001723799370000074
其中：pn,l为低负载基础设施n分配给第l个子载波的功率值，Hn,l为信道增益，
Figure BDA00017237993700000714
为虚拟资源池中频谱资源集合
令βn,l表示低负载基础设施
Figure BDA0001723799370000075
购买单位频谱资源的价格。因此，
Figure BDA0001723799370000076
表示该基础设施在购买ω0时所付出的代价值，因此低负载基础设施n购买虚拟资源池中的频谱资源在博弈理论下的效用函数为
Figure BDA0001723799370000077
此效用函数由两部分组成，分别为收益和代价。随着购买的频谱资源的增大，其获得的收益也随之增大，即负载状态提高的越多。但是，随着购买的频谱资源的增大，其代价函数也将增大。因此，对于每个低负载基础设施，其目标是最大化自身的效用函数，即
Figure BDA0001723799370000078
而在卖方MVNO方面，由于其售卖虚拟资源池中的频谱资源给低负载基础设施集合以提高基础设施的负载状态，因此其目标函数为
Figure BDA0001723799370000079
由于针对低负载基础设施的负载提高是以保证虚拟网络QoE为前提的，因此卖方MVNO售卖行为的约束为
Figure BDA00017237993700000710
然后根据最优化理论求得保证上述约束的最佳频谱分配二元指示变量解向量，
Figure BDA00017237993700000711
根据对低负载基础设施n可用频谱的分配，得到相应的最佳频谱分配二元指示变量，若对于虚拟资源池中的子载波l，其
Figure BDA00017237993700000712
则表示低负载基础设施n不够买虚拟资源池中的子载波l进行数据传输；若
Figure BDA00017237993700000713
则表示低负载基础设施n购买子载波l的频谱资源，从而提高了负载状态，实现了一种保证虚拟网络QoE的针对低负载基础设施的负载提高方法。
最后，负载均衡博弈模块将计算得到的最优频谱配置结果发送给每个高、低负载基础设施用于其占用频谱资源的更新，从而实现了虚拟网络不同基础设施间的负载均衡。
本发明在基于SDN-NFV的超密集异构融合网络场景中，依据负载状态对虚拟网络各个基础设施进行状态划分，并通过建立双重博弈机制实现虚拟网络中各个基础设施间的负载均衡。一方面，第一重负载均衡博弈机制在高负载基础设施和该基础设施可用频谱资源间建立，其中：可用频谱资源通过售卖频谱资源的方式获得收益；而每个高负载基础设施通过购买其可用频谱资源获得负载降低的收益，从而形成了两者间的博弈行为。另一方面，第二重负载均衡博弈机制在MVNO和低负载基础设施间建立，其中：低负载基础设施通过购买其负载余额的方式获得收益；而MVNO通过售卖虚拟资源池中的频谱资源获得收益，从而形成了两者间的博弈行为。基于二重负载均衡博弈模型的建立，在有效保证虚拟网络用户QoE需求的前提下，实现高负载基础设施负载的有效降低和低负载基础设施负载的有效提高，从而形成一种动态、灵活的负载均衡方案，最终实现超密集异构网络的负载均衡。

Claims (7)

1.一种应用于超密集异构网络的基于双重博弈的负载均衡方法，其特征在于，包括如下步骤：
(1)根据组建虚拟网络的基础设施负载的饱和度大小的不同将基础设施集分成低负载基础设施、中负载基础设施和高负载基础设施；
(2)根据高负载基础设施的负载状态进行第一重高负载基础设施和该基础设施可用频谱资源间关于负载降低的博弈；
(3)根据第一重负载均衡博弈机制造成的虚拟网络性能损失的情况进行虚拟网络体验质量QoE保证机制的建立；
(4)将在第一重负载均衡博弈机制中释放的频谱资源通过NFV技术进行虚拟资源池的建立；
(5)根据低负载基础设施的负载状态进行第二重移动虚拟运营商MVNO和低负载基础设施间关于负载提高的博弈；
(6)根据第一和第二重负载均衡博弈机制建立的针对高负载基础设施和低负载基础设施负载状态的优化调整结果进行虚拟网络关于负载均衡的有效配置。
2.如权利要求1所述的应用于超密集异构网络的基于双重博弈的负载均衡方法，其特征在于，步骤(2)中，第一重负载均衡博弈机制是以博弈理论对高负载基础设施负载降低问题进行数学建模并得到频谱分配变量，以最大化每个高负载基础设施购买该基础设施可用频谱资源以降低该基础设施负载状态为目标函数进行频谱资源分配；然后，上述高负载基础设施有偿降低可用频谱资源的使用；根据博弈理论以最大化可用频谱资源减少负载状态效益为目标，以高负载基础设施高出其负载容忍值的负载为约束对高负载基础设施进行频谱分配。
3.如权利要求2所述的应用于超密集异构网络的基于双重博弈的负载均衡方法，其特征在于，第一重负载均衡博弈机制中的博弈关系中的卖方的效用函数定义为可用频谱不分配给该高负载基础设施所获得的收益，即卖方效用函数表示为
Figure FDA0003073197590000011
Figure FDA0003073197590000012
其中ω0为子载波带宽，
Figure FDA0003073197590000013
表示为可用频谱ln售卖的价格，
Figure FDA0003073197590000016
为高负载基础设施与可用频谱ln的二元关联向量，
Figure FDA0003073197590000014
为高负载基础设施n分配给第ln个子载波的功率值，
Figure FDA0003073197590000015
为信道增益，σ2为噪声。
4.如权利要求2所述的应用于超密集异构网络的基于双重博弈的负载均衡方法，其特征在于，第一重负载均衡博弈机制中的博弈关系中的买方的效用函数定义为由于其购买可用频谱资源以降低其负载状态，即买方效用函数表示为
Figure FDA0003073197590000021
其中ln为可用频谱，
Figure FDA0003073197590000028
为高负载基础设施n可用的频谱资源集合，
Figure FDA00030731975900000210
表示为可用频谱ln售卖的价格，
Figure FDA0003073197590000029
为高负载基础设施与可用频谱ln的二元关联向量，ω0为子载波带宽。
5.如权利要求1所述的应用于超密集异构网络的基于双重博弈的负载均衡方法，其特征在于，步骤(5)中，第二重负载均衡博弈机制是以博弈理论对低负载基础设施负载提高问题进行数学建模并得到频谱分配变量，以最大化每个低负载基础设施购买虚拟资源池中频谱资源以提高该基础设施负载状态为目标函数进行频谱资源分配，同时最大化MVNO通过售卖虚拟资源池中的频谱资源为目标。
6.如权利要求5所述的应用于超密集异构网络的基于双重博弈的负载均衡方法，其特征在于，第二重负载均衡博弈机制中的博弈关系中的卖方的效用函数定义为虚拟资源池中的频谱资源售卖给低负载基础设施所获得的收益，即卖方效用函数表示为
Figure FDA0003073197590000022
其中n为高负载基础设施，
Figure FDA0003073197590000023
为低负载基础设施集合，
Figure FDA0003073197590000024
为虚拟资源池中频谱资源集合，βn,l表示为可用频谱l售卖的价格，
Figure FDA00030731975900000213
为低负载基础设施与可用频谱l的二元关联向量，ω0为子载波带宽；同时由于针对低负载基础设施的负载提高是以保证虚拟网络QoE为前提的，因此卖方MVNO售卖行为的约束为
Figure FDA0003073197590000025
其中：τ为虚拟网络因高负载基础设施的负载降低方法操作带来的网络数据传输速率的下降值，
Figure FDA00030731975900000211
为高负载基础设施n分配给第ln个子载波的功率值，
Figure FDA00030731975900000212
为信道增益，σ2为噪声。
7.如权利要求5所述的应用于超密集异构网络的基于双重博弈的负载均衡方法，其特征在于，第二重负载均衡博弈机制中的博弈关系中的买方的效用函数定义为由于其购买虚拟资源池中的频谱资源以提高其负载状态，即买方效用函数表示为
Figure FDA0003073197590000026
其中ln为可用频谱，
Figure FDA0003073197590000027
为虚拟资源池中频谱资源集合，ω0为子载波带宽，
Figure FDA00030731975900000214
为低负载基础设施与可用频谱l的二元关联向量，
Figure FDA0003073197590000031
为高负载基础设施n分配给第ln个子载波的功率值，
Figure FDA0003073197590000032
为信道增益，σ2为噪声。
CN201810743594.3A 2018-07-09 2018-07-09 一种应用于超密集异构网络的基于双重博弈的负载均衡方法 Active CN108990109B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810743594.3A CN108990109B (zh) 2018-07-09 2018-07-09 一种应用于超密集异构网络的基于双重博弈的负载均衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810743594.3A CN108990109B (zh) 2018-07-09 2018-07-09 一种应用于超密集异构网络的基于双重博弈的负载均衡方法

Publications (2)

Publication Number Publication Date
CN108990109A CN108990109A (zh) 2018-12-11
CN108990109B true CN108990109B (zh) 2021-07-27

Family

ID=64537508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810743594.3A Active CN108990109B (zh) 2018-07-09 2018-07-09 一种应用于超密集异构网络的基于双重博弈的负载均衡方法

Country Status (1)

Country Link
CN (1) CN108990109B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9462084B2 (en) * 2014-12-23 2016-10-04 Intel Corporation Parallel processing of service functions in service function chains
KR20170105582A (ko) * 2015-01-20 2017-09-19 후아웨이 테크놀러지 컴퍼니 리미티드 Nfv 및 sdn과 연동하기 위한 sdt를 위한 시스템들 및 방법들
CN105188089B (zh) * 2015-08-05 2019-04-12 东南大学 超密集异构网络中基于用户连接与干扰管理联合优化的负载均衡方法
CN106851738A (zh) * 2017-01-25 2017-06-13 南京邮电大学 面向lte小基站超密集组网的软件定义无线网络体系架构及方法
CN108093440B (zh) * 2017-12-04 2019-10-18 东南大学 一种基于神经网络的超密集异构网络负载均衡优化方法

Also Published As

Publication number Publication date
CN108990109A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
CN107465748B (zh) 移动边缘云计算系统中基于演进博弈的动态资源分配方法
CN109684075B (zh) 一种基于边缘计算和云计算协同进行计算任务卸载的方法
CN111277437B (zh) 一种智能电网的网络切片资源分配方法
CN109041130B (zh) 基于移动边缘计算的资源分配方法
US9942908B2 (en) Resource sharing among multiple service providers in a wireless network cloud
CN111866601B (zh) 一种基于合作博弈的移动边缘场景中的视频码率决策方法
CN110087318A (zh) 基于5g移动边缘计算的任务卸载和资源分配联合优化方法
Sapavath et al. Wireless virtualization architecture: Wireless networking for Internet of Things
CN109831796B (zh) 无线网络虚拟化中的资源分配方法
Du et al. Two-tier matching game in small cell networks for mobile edge computing
CN111193615B (zh) 一种移动边缘计算网络中的边缘计算节点选择方法
Zhang et al. DMRA: A decentralized resource allocation scheme for multi-SP mobile edge computing
CN107484245B (zh) 一种异构网络中支持d2d通信的资源分配方法
Liu et al. A multi-tier cost model for effective user scheduling in fog computing networks
CN108990067B (zh) 一种应用于超密集异构网络的能效控制方法
Liu et al. Resource allocation for video transcoding and delivery based on mobile edge computing and blockchain
CN104507166B (zh) 一种基带池内共享虚拟资源配置方法
CN108990109B (zh) 一种应用于超密集异构网络的基于双重博弈的负载均衡方法
CN113747450A (zh) 一种移动网络中业务部署方法、装置及电子设备
Barahman et al. An efficient QoS-aware computational resource allocation scheme in C-RAN
CN108377481B (zh) 一种能量与速率感知的d2d通信频谱资源分配方法
CN106385687B (zh) 一种网络基带功能比例的分配方法及装置
CN105704722B (zh) 基于分组博弈交换以及优化功率控制的频谱资源配置方法
CN110475289A (zh) 一种面向超密集组网的负载均衡方法及系统
CN108540246A (zh) 一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant