文献类型：期刊文章

作　　者：唐伦[1,2] 周钰[1,2] 谭颀[1,2] 魏延南[1,2] 陈前斌[1,2]

TANG Lun;ZHOU Yu;TAN Qi;WEI Yannan;CHEN Qianbin(School of Communication and Information Engineering,Chongqing University of Post and Telecommunications,Chongqing 400065,China;Key Laboratory of Mobile Communication Technology,Chongqing University of Post and Telecommunications,Chongqing 400065,China)

机构地区：[1]重庆邮电大学通信与信息工程学院,重庆400065 [2]重庆邮电大学移动通信重点实验室,重庆400065

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(61571073);重庆市教委科学技术研究项目(KJZD-M201800601)~~

年　　份：2020

卷　　号：42

期　　号：3

起止页码：669-677

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：5G网络切片  虚拟网络功能迁移  强化学习  资源分配

分 类 号：TN929.5]