CN110519783B - 基于增强学习的5g网络切片资源分配方法 - Google Patents
基于增强学习的5g网络切片资源分配方法 Download PDFInfo
- Publication number
- CN110519783B CN110519783B CN201910915951.4A CN201910915951A CN110519783B CN 110519783 B CN110519783 B CN 110519783B CN 201910915951 A CN201910915951 A CN 201910915951A CN 110519783 B CN110519783 B CN 110519783B
- Authority
- CN
- China
- Prior art keywords
- link
- network
- resource
- state
- network node
- 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
Links
Images
Classifications
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- 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
- 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
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于增强学习的5G网络切片资源分配方法,包括以下步骤:通过考虑未来网络切片中的业务流量变化情况,对业务流量进行预测,从而推断出未来网络资源的划分情况;再通过增强学习算法,使得未来时刻的网络资源划分状态对当前划分策略做出影响,从而得到当前的最佳策略,可满足5G网络资源高效分配的需求。
Description
技术领域
本发明涉及一种基于增强学习的5G网络切片资源分配方法,可以应用于网络资源分配领域,通过对5G网络3大主要应用场景对资源需求的研究,提出一种高效的资源分配方法从而提高整体的资源利用率和用户体验。
背景技术
为了在不单独铺设专用网络的情况下对各种业务提供独立的网络服务,5G网络引入了网络切片技术,该技术将物理基础设施资源虚拟化为多个相互独立的平行的网络切片,每个网络切片服务于某一具体的业务场景,以满足不同业务场景对带宽、时延、服务质量等差异化要求,从而满足各种垂直行业多样化需求,以增强网络弹性和自适应性。网络切片技术提升了网络资源利用率,节省了运营商的花费。
网络切片意味着对运营商的新兴业务,并允许他们以不同的价格向各个租户出售定制的网络切片。然而,为了提供性能更好且更具成本效益的服务,网络切片涉及更具挑战性的技术问题,因为(a)对于无线电接入网络,频谱是稀缺资源,并且保证频谱效率(SE)是有意义的,而对于核心网络,虚拟化功能也受到计算资源的限制;(b)与切片租户签订的服务水平协议(SLA)通常对用户所感知的体验质量(QoE)提出严格要求;(c)每个切片的实际需求在很大程度上取决于移动用户的请求模式。因此,在5G时代,研究如何智能地响应来自移动用户的服务请求动态至关重要,以便以可接受的频谱或计算资源为代价在每个切片中获得令人满意的QoE。
为了解决上述问题,受到动物学习心理学的启发,强化学习(RL)算法中的学习代理侧重于如何通过尝试替代行为与环境进行交互,并强化倾向行为产生更多有益的后果。此外,强化学习还包含最优控制理论,并采用价值函数和动态规划等思想。根据这一想法,本申请提出了一种基于增强学习的动态优化网络切片资源方案。
发明内容
本发明的目的是:利用基于增强学习的5G网络切片资源分配方法对5G核心网(CN)网络资源进行优化分配,实现最大化资源利用率和用户体验。
为了达到上述目的,本发明的技术方案是提供了一种基于增强学习的5G网络切片资源分配方法,其特征在于,包括以下步骤:
步骤1、将5G网络的各链路和网络节点的资源划分链路资源片和网络节点资源片;
步骤2、维护描述核心网的链路状态的链路资源划分矩阵Am×n和描述核心网的节点状态的节点资源划分矩阵Bk×n,某一时刻的链路资源划分矩阵Am×n即为当前时刻的链路状态,某一时刻的节点资源划分矩阵Bk×n即为当前时刻的节点状态;
步骤3、根据关心的5G网络的指标定义链路效用函数Vl和网络节点效用函数Vn,从而得到总效用函数Vt=Vl+Vn,设关心未来T个时刻5G网络状态对当前决策的影响,则定义需要最大化的目标函数Vsum为:
式中,Vtk表示未来第k个时刻的总效用函数,γk表示未来第k个时刻的总效用函数的折合率;
步骤4、设需要优化的为t0时刻,t0时刻的链路状态为Sl、网络节点状态为Sn,获取t0时刻前一端时间长度内的历史数据信息,基于过去一段时间内5G网络中的数据请求情况,预测未来各离散时刻下每条链路中各类业务包的流量情况;
步骤5、得到未来T个时刻的5G网络状态,包括以下步骤:
设在某一行为下,链路状态和网络节点状态在t1时刻转移到链路状态Sl和网络节点状态Sn的相邻链路状态Sl'和相邻网络节点状态Sn',相邻链路状态Sl'和相邻网络节点状态Sn'中的元素是链路状态Sl和网络节点状态Sn中的元素的相邻状态,每次转移到新的一组相邻链路状态Sl'和相邻网络节点状态Sn'之后将相邻链路状态Sl'带入相邻网络节点状态Sn'内进行检验,考查新的链路资源划分是否满足此时的节点划分需求,若满足,则可求得新状态下链路效用函数和网络节点效用函数,然后继续进行下一次状态转移;若不满足,则将相邻链路状态Sl'和相邻网络节点状态Sn'标记为无效状态,从状态转移图中将该转移节点删除,链路状态从相邻链路状态Sl'回退到链路状态Sl,重新转移到相邻链路状态Sl'中的其他状态,再继续进行验证,最终得到未来T个时刻的5G网络状态;
步骤6、基于步骤4得到的未来各离散时刻下每条链路中各类业务包的流量情况,基于步骤5得到的未来T个时刻的5G网络状态计算得到各个时刻的总效用函数,并以一定的折合率影响当前决策,得到了该组策略对应的目标函数Vsum为:
步骤7、最大化目标函数Vsum,使用动态规划算法进行策略改进,从而收敛到最优策略,即可得到t0时刻与未来T个时刻的链路和网络节点的资源划分。
优选地,步骤2中,第i条链路的资源划分情况li=(a1,a2,...,an),i=1,2,...,m,其中,an是第n个网络切片分得的链路资源片的资源片数,为第i条链路的链路资源片总数,则可得到整个网络的链路资源划分矩阵Am×n,链路资源划分矩阵Am×n中的每个行向量描述了各条链路的资源划分情况;
第j个网络节点的资源划分情况nj=(b1,b2,...bn),j=1,2,...,k,其中,bn是第n个网络切片分得的网络节点资源片的资源片数,为第j个网络节点的网络节点资源片总数,则可得到整个网络的网络节点资源划分矩阵Bk×n,节点资源划分矩阵Bk×n中的每个行向量描述了各个网络节点的资源划分情况。
优选地,步骤4中,所述历史数据信息包括:数据的业务类型及其对应的网络切片号、数据包长度、时间戳。
本发明的实用性在于,通过定义链路状态矩阵和节点状态矩阵来描述CN切片的不同划分方式,则切片在不同划分方式间的改变就映射成了一张状态转移图,再通过定义各状态下的效用函数和搜索最大化效用函数的方式,得到下一个最佳转移状态,也就得到了CN切片的最优化分方式。
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明使用该方案动态调整网络切片资源时,通过考虑未来网络切片中的业务流量变化情况,对业务流量进行预测,从而推断出未来网络资源的划分情况;再通过增强学习算法,使得未来时刻的网络资源划分状态对当前划分策略做出影响,从而得到当前的最佳策略,可满足5G网络资源高效分配的需求。
附图说明
图1是本发明的流程图;
图2是本发明中使用的增强学习结构图;
图3是本发明中使用基于增强学习的5G网络切片资源分配算法流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于增强学习的5G网络切片资源分配方法,包括以下步骤:通过考虑未来网络切片中的业务流量变化情况,对业务流量进行预测,从而推断出未来网络资源的划分情况;再通过增强学习算法,使得未来时刻的网络资源划分状态对当前划分策略做出影响,从而得到当前的最佳策略,可满足5G网络资源高效分配的需求。如图1所示,包括以下步骤:
步骤1、将5G网络的各链路和网络节点的资源划分链路资源片和网络节点资源片;
步骤2、维护描述核心网的链路状态的链路资源划分矩阵Am×n和描述核心网的节点状态的节点资源划分矩阵Bk×n,某一时刻的链路资源划分矩阵Am×n即为当前时刻的链路状态,某一时刻的节点资源划分矩阵Bk×n即为当前时刻的节点状态;
第i条链路的资源划分情况li=(a1,a2,...,an),i=1,2,...,m,其中,an是第n个网络切片分得的链路资源片的资源片数,为第i条链路的链路资源片总数,则可得到整个网络的链路资源划分矩阵Am×n,链路资源划分矩阵Am×n中的每个行向量描述了各条链路的资源划分情况;
第j个网络节点的资源划分情况nj=(b1,b2,...bn),j=1,2,...,k,其中,bn是第n个网络切片分得的网络节点资源片的资源片数,为第j个网络节点的网络节点资源片总数,则可得到整个网络的网络节点资源划分矩阵Bk×n,节点资源划分矩阵Bk×n中的每个行向量描述了各个网络节点的资源划分情况。
步骤3、根据关心的5G网络的指标定义链路效用函数Vl和网络节点效用函数Vn,从而得到总效用函数Vt=Vl+Vn,设关心未来T个时刻5G网络状态对当前决策的影响,则定义需要最大化的目标函数Vsum为:
式中,Vtk表示未来第k个时刻的总效用函数,γk表示未来第k个时刻的总效用函数的折合率;
步骤4、设需要优化的为t0时刻,t0时刻的链路状态为Sl、网络节点状态为Sn,获取t0时刻前一端时间长度内的历史数据信息,基于过去一段时间内5G网络中的数据请求情况,预测未来各离散时刻下每条链路中各类业务包的流量情况,历史数据信息包括:数据的业务类型及其对应的网络切片号、数据包长度、时间戳;
LSTM流量预测方法请参考:S.Xiao and W.Chen,"Dynamic Allocation of 5GTransport Network Slice Bandwidth Based on LSTM Traffic Prediction,"2018IEEE9th International Conference on Software Engineering and ServiceScience(ICSESS),Beijing,China,2018,pp.735-739.
步骤5、得到未来T个时刻的5G网络状态,包括以下步骤:
设在某一行为下,链路状态和网络节点状态在t1时刻转移到链路状态Sl和网络节点状态Sn的相邻链路状态Sl'和相邻网络节点状态Sn',相邻链路状态Sl'和相邻网络节点状态Sn'中的元素是链路状态Sl和网络节点状态Sn中的元素的相邻状态,每次转移到新的一组相邻链路状态Sl'和相邻网络节点状态Sn'之后将相邻链路状态Sl'带入相邻网络节点状态Sn'内进行检验,考查新的链路资源划分是否满足此时的节点划分需求,若满足,则可求得新状态下链路效用函数和网络节点效用函数,然后继续进行下一次状态转移;若不满足,则将相邻链路状态Sl'和相邻网络节点状态Sn'标记为无效状态,从状态转移图中将该转移节点删除,链路状态从相邻链路状态Sl'回退到链路状态Sl,重新转移到相邻链路状态Sl'中的其他状态,再继续进行验证,最终得到未来T个时刻的5G网络状态;
步骤6、基于步骤4得到的未来各离散时刻下每条链路中各类业务包的流量情况,基于步骤5得到的未来T个时刻的5G网络状态计算得到各个时刻的总效用函数,并以一定的折合率影响当前决策,得到了该组策略对应的目标函数Vsum为:
步骤7、最大化目标函数Vsum,使用动态规划算法进行策略改进,从而收敛到最优策略,即可得到t0时刻与未来T个时刻的链路和网络节点的资源划分。
Claims (2)
1.一种基于增强学习的5G网络切片资源分配方法,其特征在于,包括以下步骤:
步骤1、将5G网络的各链路和网络节点的资源划分链路资源片和网络节点资源片;
步骤2、维护描述核心网的链路状态的链路资源划分矩阵Am×n和描述核心网的节点状态的节点资源划分矩阵Bk×n,某一时刻的链路资源划分矩阵Am×n即为当前时刻的链路状态,某一时刻的节点资源划分矩阵Bk×n即为当前时刻的节点状态;
第i条链路的资源划分情况li=(a1,a2,...,an),i=1,2,...,m,其中,an是第n个网络切片分得的链路资源片的资源片数,为第i条链路的链路资源片总数,则可得到整个网络的链路资源划分矩阵Am×n,链路资源划分矩阵Am×n中的每个行向量描述了各条链路的资源划分情况;
第j个网络节点的资源划分情况nj=(b1,b2,...bn),j=1,2,...,k,其中,bn是第n个网络切片分得的网络节点资源片的资源片数,为第j个网络节点的网络节点资源片总数,则可得到整个网络的网络节点资源划分矩阵Bk×n,节点资源划分矩阵Bk×n中的每个行向量描述了各个网络节点的资源划分情况
步骤3、根据关心的5G网络的指标定义链路效用函数Vl和网络节点效用函数Vn,从而得到总效用函数Vt=Vl+Vn,设关心未来T个时刻5G网络状态对当前决策的影响,则定义需要最大化的目标函数Vsum为:
式中,Vtk表示未来第k个时刻的总效用函数,γk表示未来第k个时刻的总效用函数的折合率;
步骤4、设需要优化的为t0时刻,t0时刻的链路状态为Sl、网络节点状态为Sn,获取t0时刻前一端时间长度内的历史数据信息,基于过去一段时间内5G网络中的数据请求情况,预测未来各离散时刻下每条链路中各类业务包的流量情况;
步骤5、得到未来T个时刻的5G网络状态,包括以下步骤:
设在某一行为下,链路状态和网络节点状态在t1时刻转移到链路状态Sl和网络节点状态Sn的相邻链路状态Sl'和相邻网络节点状态Sn',相邻链路状态Sl'和相邻网络节点状态Sn'中的元素是链路状态Sl和网络节点状态Sn中的元素的相邻状态,由于核心网的链路资源往往比节点资源更为丰富,且不同的业务对网络节点的资源需求不同,每次转移到新的一组相邻链路状态Sl'和相邻网络节点状态Sn'之后将相邻链路状态Sl'带入相邻网络节点状态Sn'内进行检验,考查新的链路资源划分是否满足此时的节点划分需求,若满足,则可求得新状态下链路效用函数和网络节点效用函数,然后继续进行下一次状态转移;若不满足,则将相邻链路状态Sl'和相邻网络节点状态Sn'标记为无效状态,从状态转移图中将节点删除,链路状态从相邻链路状态Sl'回退到链路状态Sl,重新转移到相邻链路状态Sl'中的其他状态,再继续进行验证,最终得到未来T个时刻的5G网络状态;
步骤6、基于步骤4得到的未来各离散时刻下每条链路中各类业务包的流量情况,基于步骤5得到的未来T个时刻的5G网络状态计算得到各个时刻的总效用函数,并以折合率影响当前决策,得到了该组策略对应的目标函数Vsum为:
步骤7、最大化目标函数Vsum,使用动态规划算法进行策略改进,从而收敛到最优策略,即可得到t0时刻与未来T个时刻的链路和网络节点的资源划分。
2.如权利要求1所述的一种基于增强学习的5G网络切片资源分配方法,其特征在于,步骤4中,所述历史数据信息包括:数据的业务类型及其对应的网络切片号、数据包长度、时间戳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910915951.4A CN110519783B (zh) | 2019-09-26 | 2019-09-26 | 基于增强学习的5g网络切片资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910915951.4A CN110519783B (zh) | 2019-09-26 | 2019-09-26 | 基于增强学习的5g网络切片资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110519783A CN110519783A (zh) | 2019-11-29 |
CN110519783B true CN110519783B (zh) | 2021-11-16 |
Family
ID=68633694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910915951.4A Active CN110519783B (zh) | 2019-09-26 | 2019-09-26 | 基于增强学习的5g网络切片资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110519783B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726811B (zh) * | 2020-05-26 | 2023-11-14 | 国网浙江省电力有限公司嘉兴供电公司 | 一种用于认知无线网络的切片资源分配方法及系统 |
CN112737823A (zh) * | 2020-12-22 | 2021-04-30 | 国网北京市电力公司 | 一种资源切片分配方法、装置及计算机设备 |
CN115190496A (zh) * | 2021-04-02 | 2022-10-14 | 华为技术有限公司 | 一种智能选网的方法及相关装置 |
CN113473498B (zh) * | 2021-06-15 | 2023-05-19 | 中国联合网络通信集团有限公司 | 网络切片资源编排方法、切片编排器及编排系统 |
CN113726571B (zh) | 2021-08-30 | 2022-07-12 | 电子科技大学 | 一种基于网络切片的网络资源动态分配方法 |
CN114268537B (zh) * | 2021-11-26 | 2023-12-22 | 华中科技大学 | 面向确定性网络的网络切片生成及动态配置系统及方法 |
CN114637262B (zh) * | 2022-03-10 | 2022-11-15 | 天津科技大学 | 基于5g驱动的智能工厂数字孪生信息的决策控制方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017032280A1 (en) * | 2015-08-21 | 2017-03-02 | Huawei Technologies Co., Ltd. | Method and apparatus for network slicing |
WO2017173404A1 (en) * | 2016-04-01 | 2017-10-05 | Idac Holdings, Inc. | Methods for service slice selection and separation |
CN107659426A (zh) * | 2016-07-26 | 2018-02-02 | 华为技术有限公司 | 分配物理资源的方法和网络侧设备 |
WO2018024256A1 (en) * | 2016-08-05 | 2018-02-08 | Huawei Technologies Co., Ltd. | Slice/service-based routing in virtual networks |
CN108023761A (zh) * | 2016-11-04 | 2018-05-11 | 华为技术有限公司 | 分配资源的方法和设备 |
CN108965024A (zh) * | 2018-08-01 | 2018-12-07 | 重庆邮电大学 | 一种5g网络切片基于预测的虚拟网络功能调度方法 |
WO2018224151A1 (en) * | 2017-06-08 | 2018-12-13 | Huawei Technologies Co., Ltd. | Device and method for providing a network slice |
CN109451540A (zh) * | 2018-12-13 | 2019-03-08 | 中国联合网络通信集团有限公司 | 一种网络切片的资源分配方法和设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10129108B2 (en) * | 2015-11-13 | 2018-11-13 | Huawei Technologies Co., Ltd. | System and methods for network management and orchestration for network slicing |
US10129894B2 (en) * | 2016-03-04 | 2018-11-13 | Huawei Technologies Co., Ltd. | Systems and methods for performing traffic engineering through network slices |
US10637725B2 (en) * | 2016-11-01 | 2020-04-28 | Huawei Technologies Co., Ltd. | System and method for network slice management in a management plane |
CN108063830B (zh) * | 2018-01-26 | 2020-06-23 | 重庆邮电大学 | 一种基于mdp的网络切片动态资源分配方法 |
-
2019
- 2019-09-26 CN CN201910915951.4A patent/CN110519783B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017032280A1 (en) * | 2015-08-21 | 2017-03-02 | Huawei Technologies Co., Ltd. | Method and apparatus for network slicing |
CN107925587A (zh) * | 2015-08-21 | 2018-04-17 | 华为技术有限公司 | 用于网络切片的方法和装置 |
WO2017173404A1 (en) * | 2016-04-01 | 2017-10-05 | Idac Holdings, Inc. | Methods for service slice selection and separation |
CN107659426A (zh) * | 2016-07-26 | 2018-02-02 | 华为技术有限公司 | 分配物理资源的方法和网络侧设备 |
WO2018024256A1 (en) * | 2016-08-05 | 2018-02-08 | Huawei Technologies Co., Ltd. | Slice/service-based routing in virtual networks |
WO2018024257A1 (en) * | 2016-08-05 | 2018-02-08 | Huawei Technologies Co., Ltd. | Virtual network pre-configuration in support of service-based traffic forwarding |
CN108023761A (zh) * | 2016-11-04 | 2018-05-11 | 华为技术有限公司 | 分配资源的方法和设备 |
WO2018224151A1 (en) * | 2017-06-08 | 2018-12-13 | Huawei Technologies Co., Ltd. | Device and method for providing a network slice |
CN108965024A (zh) * | 2018-08-01 | 2018-12-07 | 重庆邮电大学 | 一种5g网络切片基于预测的虚拟网络功能调度方法 |
CN109451540A (zh) * | 2018-12-13 | 2019-03-08 | 中国联合网络通信集团有限公司 | 一种网络切片的资源分配方法和设备 |
Non-Patent Citations (6)
Title |
---|
《5G网络切片的虚拟资源管理技术研究》;王晓雷;《中国博士学位论文全文数据库信息科技辑》;20190115;全文 * |
《Dynamic Allocation of 5G Transport Network Slice Bandwidth Based on LSTM Traffic Prediction》;肖苏超,陈雯;《2018 IEEE 9th International Conference on Software Engineering and Service Science (ICSESS)》;20190311;全文 * |
《Dynamic slicing approach for multi-tenant 5G transport networks》;M. R. Raza, M. Fiorani, A.Rostami, P. Ohlen, L. Wosinska;《IEEE/OSA J. Opt. Commun. Netw.》;20180130;全文 * |
《Resource Allocation for Network Slices in 5G with Network Resource Pricing》;Gang Wang,Gang Feng,Wei Tan,Shuang Qin,Ruihan Wen;《GLOBECOM 2017 - 2017 IEEE Global Communications Conference》;20180115;全文 * |
《Slicing of Network Resources in Future Internet Service Providers Based on Daytime》;Rafael L. Gomes,Artur Urbano,Francisco R. P. da Ponte;《2018 IEEE Symposium on Computers and Communications (ISCC)》;20181119;全文 * |
《基于网络切片的网络效用最大化虚拟资源分配算法》;唐伦,张亚,梁荣,陈前斌;《电子与信息学报》;20170831;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110519783A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110519783B (zh) | 基于增强学习的5g网络切片资源分配方法 | |
Neghabi et al. | Load balancing mechanisms in the software defined networks: a systematic and comprehensive review of the literature | |
CN111953758B (zh) | 一种边缘网络计算卸载和任务迁移方法及装置 | |
CN111093203B (zh) | 一种基于环境感知的服务功能链低成本智能部署方法 | |
WO2021209024A1 (zh) | 节能方法、基站、控制单元及存储介质 | |
Wu et al. | Power consumption and GoS tradeoff in cellular mobile networks with base station sleeping and related performance studies | |
CN108965014A (zh) | QoS感知的服务链备份方法及系统 | |
Zhou et al. | Automatic network slicing for IoT in smart city | |
Wang et al. | An energy saving based on task migration for mobile edge computing | |
Ma et al. | A cyclic game for service-oriented resource allocation in edge computing | |
Yang et al. | Cooperative task offloading for mobile edge computing based on multi-agent deep reinforcement learning | |
Globa et al. | Architecture and operation algorithms of mobile core network with virtualization | |
CN116302578B (zh) | 一种QoS约束的流应用延迟确保方法及系统 | |
CN113032146A (zh) | 一种面向多接入边缘计算环境的健壮性服务供应方法 | |
Guan et al. | A pooling prototype for the LTE MAC layer based on a GPP platform | |
Shi et al. | A Network architecture for load balancing of heterogeneous wireless networks | |
CN116319565A (zh) | 基于在网计算的负载均衡系统、方法、设备及存储介质 | |
Joe-Wong et al. | Interdatacenter job routing and scheduling with variable costs and deadlines | |
AlQerm et al. | I-harf: Intelligent and hierarchical framework for adaptive resource facilitation in edge-iot systems | |
Lu et al. | Big-data-driven dynamic clustering and load balancing of virtual base stations for 5G fronthaul network | |
Li et al. | NeiLatS: Neighbor-Aware Latency-Sensitive Application Scheduling in Heterogeneous Cloud-Edge Environment | |
Thenmozhi et al. | A Cluster based resource allocation architecture for mobile grid environments | |
US11924053B2 (en) | Intelligent infrastructure management in a cloud radio access network | |
Barahman et al. | A real-time QoS-demand-aware computational resource sharing approach in C-RAN | |
Skulysh et al. | Resource sharing challenge for micro operator pattern in 5G SDN/NFV network |
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 |