CN111629390B - 网络切片编排方法和装置 - Google Patents
网络切片编排方法和装置 Download PDFInfo
- Publication number
- CN111629390B CN111629390B CN202010365282.0A CN202010365282A CN111629390B CN 111629390 B CN111629390 B CN 111629390B CN 202010365282 A CN202010365282 A CN 202010365282A CN 111629390 B CN111629390 B CN 111629390B
- Authority
- CN
- China
- Prior art keywords
- individual
- network
- slice
- slices
- current
- 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
- 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
- H04W28/02—Traffic management, e.g. flow control or congestion control
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种网络切片编排方法和装置,所述方法包括:基于预定的网络性能指标,生成网络切片种群,所述网络切片种群包括多个网络切片个体;选择生成的种群中的至少一个网络切片个体作为目标切片,进行个体变异操作;选择当前种群中的至少一个网络切片个体作为目标切片,进行个体杂交操作,并计算个体杂交操作后的个体适应度评价值,基于计算的个体适应度评价值进行个体选择操作。本发明实施例的方法将优化当前网络情况作为网络切片的编排目的,通过对网络切片进行针对性的编排优化,提高了网络的整体性能。
Description
技术领域
本发明涉及通信技术领域,更具体而言,本发明涉及一种网络切片编排方法和装置。
背景技术
经过持续演进,移动通信网已经能够逐渐满足人与人之间交换信息的基本需求,但是如今单纯的高数据传输率已经不再是人们对移动通信的唯一要求。随着用户终端数量的增加、流量规模的增长和用户需求的多样化,当前的移动通信核心网逐渐难以处理越来越多样化的服务要求。
随着各界对通信网络提出的越来越高的要求,5G网络应运而生。国际电信联盟ITU规划了5G所涵盖的3大应用场景:增强移动带宽、海量机器类通信和高可靠低时延通信。不同的业务场景对网络关键能力指标的要求是不一样的。这要求5G网络要可以针对各种业务场景进行按需组网和灵活部署。5G网络中新提出了网络切片概念,其特性恰好可以满足5G网络的网络要求。
网络切片是5G网络的一个端到端的虚拟网络,是一组逻辑网络功能的集合。网络切片是一种按需组网的方式,可以让运营商在统一的基础设施上分离出多个虚拟的端到端网络,每个网络切片从无线接入网承载网再到核心网上进行逻辑隔离,以适配各种各样类型的应用。在一个网络切片中,至少可分为无线网子切片、承载网子切片和核心网子切片三部分。网络切片技术允许在每个网络切片子网实例中相对较容易地配置和重用网络元件及功能以满足特定的应用要求,实现从“一个通信子网可以满足所有场景的通信需求”到“一个网络切片实例可以通过对部分网络资源进行编排和组合满足当前场景的通信需求”的过渡。
ITU所提出的3种主要业务场景需求不同、性能要求指标也不同,因此切片的编排情况会直接影响到网络的负载、资源利用率和能耗等。目前针对优化网络切片编排、提高资源利用率方面的研究结果,大多数都是建立在针对网络状态较为简单的数据中心进行的网络资源优化,没有考虑到应用服务在带宽、时延和可靠性方面的复杂需求,而且多数结果仅针对网络资源利用率或QoS等单个目标,关于网络切片的编排算法也多依据网络局部的信息针对单一目标进行算法的优化,缺乏对网络整体进行考虑。
如何对网络整体性能进行优化提升,是一个有待解决的问题。
发明内容
鉴于此,本发明实施例提供了一种网络切片编排的方法和装置,将优化当前网络情况作为网络切片的编排目的,对预先构造好的基本切片进行针对性的优化,从而对整体网络的性能进行优化,以消除或改善现有技术中存在的一个或更多个缺陷。
本发明的技术方案如下:
根据本发明的一方面,提供了一种网络切片编排的方法,该方法包括以下步骤:
基于预定的网络性能指标,生成网络切片种群,所述网络切片种群包括多个网络切片个体;
选择生成的种群中的至少一个网络切片个体作为目标切片,进行个体变异操作;
选择当前种群中的至少一个网络切片个体作为目标切片,进行个体杂交操作,并计算个体杂交操作后的个体适应度评价值,基于计算的个体适应度评价值进行个体选择操作。
可选地,所述预定的网络性能指标包括以下指标中的至少一个:时延、带宽、连接密度和移动速度;
所述网络切片种群中包括低时延网络切片、高带宽网络切片、高连接密度网络切片和高移动速度网络切片。
可选地,所述方法还包括:
采用如下公式将各网络性能指标进行归一化处理:
其中,Xnorm为预定的网络性能指标归一化值,X为当前网络性能指标值,Xmax为网络性能指标最大值,Xmin为网络性能指标最小值。
可选地,所述基于预定的网络性能指标,生成网络切片种群,包括:
基于现有网络,统计低时延网络切片、高带宽网络切片、高连接密度网络切片和高移动速度网络切片的消耗情况,计算各类型的网络切片的消耗分布占比,并基于所述消耗分布占比确定各种群中网络切片的数量。
可选地,所述个体的适应度评价值基于如下个体适应度评价函数公式来进行计算:
Fitness=-αD+βB+γN+δV;
其中,Fitness为个体适应度评价值,D为当前网络中时延最大的路径的归一化时延值,B为当前网络中链路的归一化最小带宽,N为当前网络中最小的归一化终端连接密度,V为当前网络中最高的归一化移动速度,α为当前低时延需求类切片占所有切片的比例,β为当前高带宽需求类切片占所有切片的比例,γ为当前高连接密度需求类切片占所有切片的比例,δ为当前高移动需求类切片占所有切片的比例。
可选地,所述个体变异操作包括:
随机选择未在所述目标切片路由中的预定个数的节点,计算上述节点接入所述目标切片路由后的体适应度评价值;
选择个体适应度评价值最大的节点接入所述目标切片,并确认所述目标切片内部的连通性,连通性良好则完成了一次个体变异。
可选地,所述个体杂交操作包括:
选择未杂交过的切片作为目标切片,在目标切片和局部最优个体具有两个以上相同功能节点的情况下,在相同的功能节点中随机选择两个节点,交换选择的两个节点之间的路由,并确认目标切片内部的连通性;
在当前目标切片和全局最优个体具有两个以上相同功能节的情况下,在相同的功能节点中随机选择两个节点,交换选择两个节点之间的路由,并确认所述目标切片内部的连通性;
所述个体选择操作包括:
在局部最优个体的个体适应度评价值高于全局最优个体的个体适应度评价值但低于完成个体杂交操作的目标切片的个体适应度评价值的情况下,将局部最优个体和全局最优个体都更新为所述目标切片;
在完成个体杂交操作的目标切片的个体适应度评价值高于全局最优个体的个体适应度评价值但低于局部最优个体的个体适应度评价值的情况下,保持局部最优个体不变,将全局最优个体更新为局部最优个体;
在全局最优个体的个体适应度评价值高于完成个体杂交操作的目标切片的个体适应度评价值但低于局部最优个体的个体适应度评价值的情况下,保持局部最优个体不变,将全局最优个体更新为局部最优个体。
可选地,所述个体变异操作、个体杂交操作和个体选择操作包括多轮次迭代;
选择当前种群中的至少一个网络切片个体作为目标切片,进行个体杂交操作,包括:选择当前种群中在当前轮次未被杂交过的至少一个网络切片个体作为目标切片,进行个体杂交操作。
根据本发明的另一方面,还提供了一种网络切片编排装置,该装置包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如前所述方法的步骤。
本发明的又一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前所述方法的步骤。
本发明实施例的网络切片编排方法和装置,将优化当前网络情况作为网络切片编排的目的,对预先构造的网络切片进行针对性的优化,从而对整体网络的性能进行优化。
本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1为本发明一实施例中网络切片编排方法的流程示意图。
图2为本发明另一实施例中网络切片编排操作的详细流程图。
图3为本发明一实施例中网络切片进行个体变异操作的流程图。
图4为本发明一实施例中网络切片进行个体杂交操作的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在此,还需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合。
本发明实施例将差分进化算法中的个体变异和杂交思想运用到网络切片优化的问题上,并对差分进化算法进行了优化,从而提供了一种网络切片编排方法。
差分进化算法是一种高效的全局优化算法,是一类基于群体的自适应全局优化算法,通过群体内个体之间的相互合作与竞争产生的群体智能来指导优化搜索的方向,其进化流程包括变异、杂交和选择操作。通过不断地进化,保留优良个体,淘汰劣质个体。
本发明实施例提供的网络切片的编排方法将整个网络环境作为一个种群,将一个切片作为一个种群中的个体,将优化当前网络情况作为切片编排的目的,对预先构造好的基本切片进行针对性的优化,从而对整体网络的性能进行优化,达到全局最优的网络切片配置。
图1为本发明一实施例中网络切片编排方法的流程示意图。如图1所示,该方法包括以下步骤:
步骤S110,基于预定的网络性能指标,生成网络切片种群,该网络切片种群包括多个网络切片个体。
本步骤中,预定的网络性能指标可以包括针对5G网络的增强移动带宽、海量机器类通信和高可靠低时延通信这3中主要应用场景的主要关键网络性能指标,且是可量化的网络性能指标。
为了便于确定网络性能指标,本发明实施例进行了如下定义:
(1)QoS流量类:
该QoS流量类可以是一个用户流量集合,集合内的用户流量有相同或相似的QoS需求。若用户x的流量用fx来表示,则流量类集合表示为F={f1,f2,f3,…fn},其中,n为用户数,该集合内的任意一个流量fi都需要满足如下要求:
(1.1)每个流量fi的时延要求D∈[ds,dl],其中ds、dl分别是根据ITU提出的3种应用场景确定的在时延方面最小、最大需求,或称最小时延和最大时延;
(1.2)每个流量fi的带宽要求B∈[bs,bl],其中bs、bl分别是根据ITU提出的3种应用场景确定的在带宽方面的最小、最大需求,或称最小带宽和最大带宽;
(1.3)每个流量fi的连接数密度(或称连接密度)要求N∈[ns,nl],其中ns、nl分别是根据ITU提出的3种应用场景确定的在连接数密度方面的最小、最大需求,或称最小连接数密度和最大连接数密度;
(1.4)每个流量fi的通信双方的相对移动速度要求V∈[vs,vl],其中vs、vl分别是根据ITU提出的3种应用场景确定的在移动速度方面的最小、最大需求,或称最小移动速度和最大移动速度。
(2)低时延网络切片
该低时延网络切片能满足特定的QoS流量类在通信时延方面的要求,为该流量类的用户提供一个虚拟的逻辑网络。该网络切片由一系列网络功能、支撑上述网络功能的资源以及上述网络功能所需的配置组成。
(3)高带宽网络切片
该高带宽网络切片能满足特定的QoS流量类在通信带宽方面的要求,为该流量类的用户提供一个虚拟的逻辑网络。
(4)高连接密度网络切片
该高连接密度网络切片能满足特定的QoS流量类在连接数密度方面的要求,为该流量类的用户提供一个虚拟的逻辑网络。
(5)高移动速度网络切片
该高移动速度网络切片能满足特定的QoS流量类在相对移动速度方面的要求,为该流量类的用户提供一个虚拟的逻辑网络。
目前衡量5G网络全局网络情况的关键性能指标主要有移动性、时延、用户感知速率、峰值速率、连接数密度(或称连接密度)、流量密度和能源效率。通过对这几个关键性指标的量化分析,本发明实施例选择采用时延、带宽、连接密度和移动速度四种指标作为5G网络全局网络性能情况的评价指标,但本发明并不限于此,还可选择其中其他性能指标或更多个性能指标作为网络性能情况的评价指标。
上述可知,网络切片的性能由不同的性能参数(即性能指标)表征,但不同的参数具有不同的取值范围和单位,因此无法进行统一的量化分析与比较,为此,本发明实施例采用线性归一法将选取的网络性能评价指标进行归一化处理,归一化计算式为:
其中,Xnorm为预定的网络性能指标归一化值,X为当前网络性能指标值,Xmax为网络性能指标最大值,Xmin为网络性能指标最小值。对于各个网络性能指,均适用归一化公式(1)进行归一化。
本步骤中,基于预定的网络性能指标,可构建相应的网络切片种群,其中该网络切片种群包括多个网络切片个体。
本发明一实施例中,可以基于网络中现有切片作为种群个体来生成种群,作为初始种群。可基于选取的四个性能指标对网络性能进行分析,分析当前切片组成及分布情况下网络性能的优劣,将对个体适应度的评价转化为对整个网络性能的评价,即考虑当前网络切片部署情况下,整个网络的性能情况。
本发明实施例中,考虑到5G网络应用场景的分类,可基于线性函数构造个体适应度评价函数,个体适应度评价函数公式如下:
Fitness=-αD+βB+γN+δV (2)
其中,Fitness为个体适应度评价值,D为当前网络中时延最大的路径的归一化后的时延值,B为当前网络中链路的归一化后的最小带宽,N为当前网络中最小的归一化后的终端连接密度,V为当前网络中最高的归一化后的移动速度,α为当前低时延需求类切片占所有切片的比例,β为当前高带宽需求类切片占所有切片的比例,γ为当前高连接密度需求类切片占所有切片的比例,δ为当前高移动需求类切片占所有切片的比例。当网络切片中的节点发生变化时,如节点增加或替换时,该节点的变化会导致公式(2)的个体适应度评价函数发生变化,因此作为对整个网络性能的评价的该个体适应度评价函数可以用于评价变化的节点的个体适应度。
步骤S120,选择生成的种群中的至少一个网络切片个体作为目标切片,进行个体变异操作。
差分进化算法涉及个体的变异、杂交和个体选择,并且变异、杂交和个体选择可以迭代多轮次,一次完整的循环轮次包括个体变异、个体杂交和个体选择。本步骤中是进行一次个体变异的步骤。
作为示例,在个体变异步骤中,如图3所示,进一步包括如下步骤:
步骤S31,随机选择生成的一个种群中的一个个体,即一个网络切片,作为目标切片。
步骤S32,随机选定未在该切片路由中的预定个数的节点,计算将各个节点分别接入路由后个体的适应度。
预定个数的节点可以是1个或多个,例如为5个节点,在此5个节点仅为示例,也可以是更多或更少的节点。选定节点后,利用公式(2)计算将选择的节点分别接入路由后个体(切片)的适应度。
评价一个个体的适应度是根据整个网络的传输参数做出的,个体的适应度会影响整个网络的适应度,因此,本发明实施例中,可通过分析接入选择的节点后当前切片组成及分布情况下网络性能的优劣,将对当前切片的个体适应度的评价转化为对整个网络性能的评价,即考虑当前网络切片部署情况下,整个网络的性能情况,并通过整个网络性能的评价来确定个体的优劣。
步骤S33,选择最大的个体适应度对应的节点接入切片。
在选定了多个节点并分别接入路由并计算了个体适应度的情况下,选择最大的个体适应度对应的节点接入切片;在仅选定了一个节点的情况下,将该选定的节点作为最大个体适应度对应的节点接入切片。
步骤S34,检查节点接入后切片的连通性,连通性良好即完成一次个体变异。
利用差分进化算法进化过程中会涉及两种最优个体,分别为局部最优个体和全局最优个体。其中,局部最优个体为在当前迭代轮次中,个体适应度最高的种群个体,即在当前轮次的切片优化过程中,优化完成的可以使整体网络性能最优的网络切片,即当前循环轮次中的最优个体。全局最优个体为在本次切片编排优化中,个体适应度最高的种群个体,即自本次切片编排过程开始至上一循环轮次截止时,优化完成的可以使整体网络性能最优的网络切片,即,整个系统中的最优个体。
在初始循环轮次开始前,初始的局部最优个体和初始的全局最优个体可均为空,第一次完成个体变异后,发生变异的个体即为局部最优个体和全局最优个体。另选地,更新局部最优个体之前,初始的局部最优个体和全局最优化个体例如可以是预定的某个个体,或者基于先前编排的整个网络中的个体适应度确定的个体。
对于当前变异操作,由于当前变异的个体由于节点的加入而优化了网络性能,因此,变异后的个体将成为局部最优网络切片。可将变异后切片的个体适应度值存储在系统中,且该个体适应度值对应的当前切片更新为局部最优个体。
在本步骤S120中,可以将一个网络切片作为目标切片进行个体变异操作,也可以将两个或更多个网络切片作为目标切片分别进行个体变异操作,在此不再赘述。
步骤S130,选择当前种群中的至少一个网络切片个体作为目标切片,进行个体杂交操作,并计算个体杂交操作后的个体适应度评价值,基于计算的个体适应度评价值进行个体选择操作。
本步骤可从完成一次变异后的当前网络切片种群中选择一个或多个个体作为目标切片进行杂交。优选地,所选择的目标个体是未杂交过的个体。在本发明一实施例中,将已经杂交过的个体进行标记,未被标记表明该个体没有进行过个体杂交操作,这样以便于目标切片的选择。
图4为本发明一实施例中网络切片进行个体杂交操作的流程图,如图4所示,个体杂交操作包括:
步骤S41,选择系统中未杂交过的一个个体作为目标切片。
作为一个示例,可以随机选择种群中的一个个体并检查该个体是否被标记,即该个体在本轮次中是否经历过个体杂交,如果没有被标记则作为目标切片。
步骤S42,比较目标切片和局部最优个体是否具有两个以上相同功能节点,若具有两个以上相同功能节点,则执行步骤S43;否则执行步骤S44。
步骤S43,从相同的功能节点中随机选择两个节点,交换这两个节点之间的路由,并确认交换路由后目标切片内部的连通性良好。
步骤S44,将此目标切片与全局最优个体进行比较。
即,比较目标切片和全局最优个体是否具有两个以上相同功能节点,若具有两个以上相同功能节点,则执行步骤S45;否则回到步骤S41,重新选择目标切片。
步骤S45,在相同的功能节点中随机选择两个节点,交换这两个节点之间的路由,并确认交换路由后目标切片内部的连通性良好。
步骤S46,如果目标切片内部连通性良好,则标记该目标切片,表明该目标切片在本轮次中已完成了个体杂交操作。
基于个体适应度评价函数来计算个体杂交操作后的个体适应度评价值,并基于计算好的个体适应度评价值来进行个体选择操作。
个体选择操作包括:计算当前个体的适应度评价函数,并和当前整个网络内的局部最优个体、全局最优个体进行比较,若当前个体的适应度评价值高于当前局部最优个体的适应度评价值,则更新局部最优个体;若当前个体的适应度评价值高于当前全局最优个体的适应度评价值,则更新全局最优个体。
更具体地,在进行个体变异后,局部最优个体进行更新,变为发生个体变异的个体。之后按照个体杂交的流程进行个体杂交。在完成个体杂交后,进行个体选择,计算发生杂交的个体的适应度评价函数F(杂交个体),并与当前的局部最优个体的适应度评价函数F(局部最优)和全局最优个体的适应度评价函数F(全局最优)进行比较:
若F(杂交个体)>F(局部最优)>F(全局最优):将局部最优个体和全局最优个体全部更新为杂交个体。
若F(局部最优)>F(杂交个体)>F(全局最优):保持局部最优个体不变,将全局最优个体更新为局部最优个体。
若F(局部最优)>F(全局最优)>F(杂交个体):保持局部最优个体F(局部最优)不变,将全局最优个体F(全局最优)更新为局部最优个体。
需要注意的是,由于全局最优个体代表的是前面的轮次中最高的网络性能参数(第一轮次除外,在当前轮次为第一轮次的情况下,全局最优个体可以是在本轮次变异过程中确定的),但在进行过新一轮的个体变异后,整个网络的性能会提升,因此新一轮个体选择中,局部最优个体的适应度函数会比全局最优个体的适应度函数高。
本发明如上实施例将优化当前网络情况作为网络切片的编排目的,对预先构造好的基本切片进行针对性的优化,从而对整体网络的性能进行了优化,达到了全局最优的网络切片配置。
图2为本发明另一实施例中网络切片编排操作的更详细的流程图。如图2所示,在对网络性能指标参数进行归一化处理之后,可设置迭代次数m和储备切片数量n,其中,迭代次数用于作为判断迭代是否终止的依据,储备切片数量n为用以确定要生成的种群中的切片个体数的参数。
本发明实施例中,基于预定的网络性能指标:时延、带宽、连接密度和移动速度,生成一个网络切片种群,该网络切片种群包括多个网络切片个体,这些网络切片个体可包括低时延网络切片、高带宽网络切片、高连接密度网络切片、高移动速度网络切片这4种类型的切片,但是本发明不限于此,实际应用中,可以基于预定的网络性能指标,来生成包含相应个体的种群。本发明实施例中基于预定的网络性能指标,生成网络切片种群的方法可包括:统计在上一次网络切片编排完成后,低时延网络切片、高带宽网络切片、高连接密度网络切片和高移动速度网络切片的消耗情况,计算各类型的网络切片的消耗分布占比,并按照已计算出的消耗分布占比,生成总数量为2n的四类切片,每类切片的数量可以相同,也可以不同。此处,n表明网络中下次需要新增的切片数量,2n是新生成待选的切片数量,在完成网络切片的进化和变异后,将从中选择n个切片插入到当前网络中。
作为示例,可以将迭代次数m设置为8,也就是说当迭代次数达到8次时,结束当前网络切片编排过程。储备切片数量n设置为32时,则要生成的总切片数量2n为64,这些切片里包含低时延网络切片、高带宽网络切片、高连接密度网络切片和高移动速度网络切片这四类切片,且每类切片包含至少一个个体,每个类型的切片数量占所有切片数量的比例与上述各类型网络切片的消耗分布占比相同,但本发明并不限于此,可将迭代次数m和储备切片数量n根据实际需要来进行设置。
如图2所示,在设置了m和n后,可基于n生成种群切片(个体),构建出包含这个个体的种群。生成的种群个体可以是网络中现有切片。例如,可在前一次网络切片编排方法的最后,可选择最后一个轮次中全局最优个体,同时随机抽取n-1个切片,将选择的全局最优个体和抽取n-1个切片一共n个切片作为储备切片,来应对未来可能出现的、新的网络通信需求,即为下一次的网络切片编排做准备。
在网络切片编排方法重新开始时,可先基于前面的公式(1)对终端连接密度、移动速度、带宽、时延等各参数进行归一化处理。然后可基于适应度评价函数计算种群切片的个体适应度评价值。
之后进行个体变异过程,可选择一个或多个网络切片进行个体变异,在个体变异完成后基于变异的个体计算个体适应度函数,并更新局部最优个体,并且在当前轮次为首次的情况下,同时更新全局最优个体。由于个体变异过程已经基于图3进行了详细表述,在此不再赘述。
当前轮次进行个体变异完成后,进一步进行个体杂交和个体选择,其中在个体选择过程中确定是否更新相应的局部最优个体和全局最优个体。由于个体杂交和个体选择已经基于图4进行了详细表述,在此不再赘述。
如图2所示,每次完成个体选择操作即完成一次迭代,在每次迭代完成后,判断是否满足迭代终止条件,即迭代次数是否达到m,如果迭代次数小于前面设定的迭代终止次数m,则重新回到选择目标切片进行个体变异步骤,继续进行下一轮次的变异、杂交和选择,并将迭代次数加1;如果此时的迭代次数已经达到前面设定的迭代终止次数m,则迭代结束,编排过程完成。优选地,还可在迭代结束后,选择最后一个轮次中全局最优个体,同时随机抽取n-1个切片。选取这n个切片作为储备切片,以应对未来可能出现的、新的网络通信需求,然后结束此次编排过程。
本发明提供的一种网络切片的编排方法,基于差分进化算法,将差分进化算法中的变异、杂交、选择的思想运用到切片优化的问题上,对预先构造好的低时延网络切片、高带宽网络切片、高连接密度网络切片、高移动速度网络切片进行个体变异、个体杂交、个体选择迭代过程,对其进行针对性的优化,从而对整个网络的性能进行优化,以达到全局最优的网络切片配置。
相应地,本发明实施例还提供了一种网络切片编排装置,该装置包括处理器和存储器,存储器中存储有计算机指令,处理器用于执行存储器中存储的计算机指令,当计算机指令被处理器执行时该装置实现如前所述方法的步骤。
实现本发明实施例的软件可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的有形存储介质中。
相应地,本公开还涉及如上存储介质,其上可以存储有计算机程序代码,当程序代码被执行时可以实现本发明的方法的各种实施例。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
本发明中,针对一个实施方式描述和/或例示的特征,可以在一个或更多个其它实施方式中以相同方式或以类似方式使用,和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种网络切片编排方法,其特征在于,该方法基于差分进化算法,包括以下步骤:
基于预定的网络性能指标,生成网络切片种群,所述网络切片种群包括多个网络切片个体;
选择生成的种群中的至少一个网络切片个体作为目标切片,进行个体变异操作;
选择当前种群中的至少一个网络切片个体作为目标切片,进行个体杂交操作,并计算个体杂交操作后的个体适应度评价值,基于计算的个体适应度评价值进行个体选择操作;
所述个体杂交操作包括:
选择未杂交过的切片作为目标切片,在目标切片和局部最优个体具有两个以上相同功能节点的情况下,在相同的功能节点中随机选择两个节点,交换选择的两个节点之间的路由,并确认目标切片内部的连通性;
在当前目标切片和全局最优个体具有两个以上相同功能节的情况下,在相同的功能节点中随机选择两个节点,交换选择两个节点之间的路由,并确认所述目标切片内部的连通性;
所述个体选择操作包括:
在局部最优个体的个体适应度评价值高于全局最优个体的个体适应度评价值但低于完成个体杂交操作的目标切片的个体适应度评价值的情况下,将局部最优个体和全局最优个体都更新为所述目标切片;
在完成个体杂交操作的目标切片的个体适应度评价值高于全局最优个体的个体适应度评价值但低于局部最优个体的个体适应度评价值的情况下,保持局部最优个体不变,将全局最优个体更新为局部最优个体;
在全局最优个体的个体适应度评价值高于完成个体杂交操作的目标切片的个体适应度评价值但低于局部最优个体的个体适应度评价值的情况下,保持局部最优个体不变,将全局最优个体更新为局部最优个体。
2.根据权利要求1所述的方法,其特征在于,
所述预定的网络性能指标包括以下指标中的至少一个:时延、带宽、连接密度和移动速度;
所述网络切片种群中包括低时延网络切片、高带宽网络切片、高连接密度网络切片和高移动速度网络切片。
4.根据权利要求1所述的方法,其特征在于,所述基于预定的网络性能指标,生成网络切片种群,包括:
基于现有网络,统计低时延网络切片、高带宽网络切片、高连接密度网络切片和高移动速度网络切片的消耗情况,计算各类型的网络切片的消耗分布占比,并基于所述消耗分布占比确定各种群中网络切片的数量。
5.根据权利要求4所述的方法,其特征在于,所述个体的适应度评价值基于如下个体适应度评价函数公式来进行计算:
Fitness=-αD+βB+γN+δV;
其中,Fitness为个体适应度评价值,D为当前网络中时延最大的路径的归一化时延值,B为当前网络中链路的归一化最小带宽,N为当前网络中最小的归一化终端连接密度,V为当前网络中最高的归一化移动速度,α为当前低时延需求类切片占所有切片的比例,β为当前高带宽需求类切片占所有切片的比例,γ为当前高连接密度需求类切片占所有切片的比例,δ为当前高移动需求类切片占所有切片的比例。
6.根据权利要求1所述的方法,其特征在于,所述个体变异操作包括:
随机选择未在所述目标切片路由中的预定个数的节点,计算上述节点接入所述目标切片路由后的体适应度评价值;
选择个体适应度评价值最大的节点接入所述目标切片,并确认所述目标切片内部的连通性,连通性良好则完成了一次个体变异。
7.根据权利要求1所述的方法,其特征在于,
所述个体变异操作、个体杂交操作和个体选择操作包括多轮次迭代;
选择当前种群中的至少一个网络切片个体作为目标切片,进行个体杂交操作,包括:选择当前种群中在当前轮次未被杂交过的至少一个网络切片个体作为目标切片,进行个体杂交操作。
8.一种网络切片编排装置,该装置包括处理器和存储器,其特征在于,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现权利要求1-7中任意一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010365282.0A CN111629390B (zh) | 2020-04-30 | 2020-04-30 | 网络切片编排方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010365282.0A CN111629390B (zh) | 2020-04-30 | 2020-04-30 | 网络切片编排方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111629390A CN111629390A (zh) | 2020-09-04 |
CN111629390B true CN111629390B (zh) | 2021-07-13 |
Family
ID=72259764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010365282.0A Active CN111629390B (zh) | 2020-04-30 | 2020-04-30 | 网络切片编排方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111629390B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115701043A (zh) * | 2021-07-14 | 2023-02-07 | 南宁富联富桂精密工业有限公司 | 网络切片管理方法、装置及计算机可读存储介质 |
CN115190021B (zh) * | 2022-04-24 | 2024-04-12 | 北京中电飞华通信有限公司 | 面向确定性时延业务的切片部署方法及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017144876A1 (en) * | 2016-02-22 | 2017-08-31 | Aria Networks Limited | Management of data transport networks |
CN110996334A (zh) * | 2019-12-09 | 2020-04-10 | 衡阳师范学院 | 一种虚拟化无线网络功能编排策略 |
CN111065116A (zh) * | 2019-12-10 | 2020-04-24 | 中盈优创资讯科技有限公司 | 一种端到端切片自动化部署方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10601932B2 (en) * | 2017-06-09 | 2020-03-24 | At&T Intellectual Property I, L.P. | Next generation mobility core network controller for service delivery |
CN108174394A (zh) * | 2018-01-12 | 2018-06-15 | 西安邮电大学 | 一种5g网络切片的编排算法 |
CN109995580B (zh) * | 2019-03-13 | 2022-08-16 | 北京工业大学 | 5g网络切片中基于ga_pso混合算法的vn映射方法 |
CN110087250B (zh) * | 2019-04-04 | 2022-05-31 | 南京邮电大学 | 一种基于多目标联合优化模型的网络切片编排方案及其方法 |
CN110662231A (zh) * | 2019-09-25 | 2020-01-07 | 南京优速网络科技有限公司 | 面向5g环境的网络切片资源调整方法及系统 |
-
2020
- 2020-04-30 CN CN202010365282.0A patent/CN111629390B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017144876A1 (en) * | 2016-02-22 | 2017-08-31 | Aria Networks Limited | Management of data transport networks |
CN110996334A (zh) * | 2019-12-09 | 2020-04-10 | 衡阳师范学院 | 一种虚拟化无线网络功能编排策略 |
CN111065116A (zh) * | 2019-12-10 | 2020-04-24 | 中盈优创资讯科技有限公司 | 一种端到端切片自动化部署方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111629390A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111629390B (zh) | 网络切片编排方法和装置 | |
CN110247793B (zh) | 一种移动边缘云中的应用程序部署方法 | |
CN110365503B (zh) | 一种指标确定方法及其相关设备 | |
CN104995870A (zh) | 多目标服务器布局确定 | |
Hossain et al. | Multi-objective Harris hawks optimization algorithm based 2-Hop routing algorithm for CR-VANET | |
CN114021770A (zh) | 网络资源优化方法、装置、电子设备及存储介质 | |
Kang et al. | Low-complexity learning for dynamic spectrum access in multi-user multi-channel networks | |
CN108901058A (zh) | 一种物联网节点接入通道优化选择方法 | |
CN113300861B (zh) | 网络切片配置方法、装置以及存储介质 | |
CN113688490A (zh) | 网络共建共享处理方法、装置、设备及存储介质 | |
CN114118748B (zh) | 一种服务质量预测方法、装置、电子设备及存储介质 | |
CN113660687B (zh) | 网络差小区处理方法、装置、设备及存储介质 | |
Hou et al. | A gnn-based approach to optimize cache hit ratio in ndn networks | |
Ganewattha et al. | Confidence aware deep learning driven wireless resource allocation in shared spectrum bands | |
CN110913430B (zh) | 无线网络中文件的主动式协作缓存方法及缓存管理装置 | |
Neglia et al. | A swiss army knife for dynamic caching in small cell networks | |
Billingsley et al. | Routing-led placement of VNFs in arbitrary networks | |
Vendramin et al. | CGrAnt: a swarm intelligence-based routing protocol for delay tolerant networks | |
Kulkarni et al. | Model and machine learning based caching and routing algorithms for cache-enabled networks | |
Tong et al. | Qoe-fairness tradeoff scheme for dynamic spectrum allocation based on deep reinforcement learning | |
Cao et al. | Efficient virtualized resources allocation in network virtualization environment: A service oriented perspective | |
CN105101265B (zh) | 一种用于解决小区服务中断的协作补偿服务方法 | |
JP2020014111A (ja) | 連携型仮想ネットワーク割当方法および装置 | |
CN115277447B (zh) | 网络建设效果的评价方法、装置、电子设备及存储介质 | |
US11573841B2 (en) | Systems and methods for virtual machine resource optimization using tree traversal techniques representing alternate configurations |
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 |