该论文介绍了一种新型的运营商网络分片框架，其中多个移动网络运营商可以协调并共同分片他们可访问的频谱资源（包括许可和非许可频段），我们提出了一种基于重叠联盟形成博弈的网络分片博弈，并设计了 D-ADMM-PVS 分布式算法，实现了运营商之间的协作而不需要公开私人信息。结果表明该框架可以几乎将城市中所有支持的服务的每个运营商的容量翻倍。

Jan, 2020

本文综述了多租户网络分片技术在 5G 蜂窝网络中的重要性，其提供了作为一种新类型公共云服务的网络切片，因此增加了服务的灵活性和增强了网络资源效率，并探讨了机器学习在其中的角色。

Jan, 2020

本研究提出了一种基于深度强化学习的网络分片动态资源分配问题解决方案，模拟数据和真实负载驱动跟踪的模型评估表明，相比于基准均等分片策略，我们的解决方案提高了总资源利用率，降低了时延性能，并满足了更多的需求。

Aug, 2019

在本研究中，我们提出了一个灵活、受限的学习框架，可以满足 Wi-Fi 网络中的网络切片要求。具体地，我们采用了一种无监督学习的方法，利用一个状态增强的原始 - 对偶算法，训练离线的神经网络策略来优化拉格朗日函数，并在执行阶段在线更新双变量动力学，以满足遍历的 QoS 要求。

May, 2024

本文介绍了一种针对 6G 网络的人工智能本地网络切片架构，旨在促进人工智能和网络切片的协同作用，以便实现智能网络管理并支持新兴人工智能服务。

May, 2021

我们提出了一种新颖的框架，将约束优化方法和深度学习模型相结合，从而实现了强大的泛化能力和优越的逼近能力，基于该框架，我们设计了一种新的神经辅助算法，以在切片之间的资源限制下最大化网络效用，该算法具有高可扩展性，轻松适应不同数量的切片和切片配置，通过与深度强化学习方法等最先进的解决方案进行比较，我们在系统级网络模拟器中实施了该解决方案，并通过大量评估结果表明，在不同网络切片场景下，我们的解决方案获得了近乎最优的服务质量满意度和有希望的泛化性能。

Jan, 2024

本文提出了一种基于 Lyapunov 漂移加罚方法的随机优化控制框架，以实现无线系统中网络切片的可靠低延迟传输，并在系统突发变化事件下提供有效的切片隔离。

Jan, 2018

本文研究了基于多队列系统的异构租户请求的切片接纳控制问题，并形成了其统计行为模型，并提供了一个基于效用的接纳控制优化方法，分析了所提出的 SlaaS 系统具有近似 Markovian 的能力并评估其与传统解决方案的性能。

Jan, 2019

本文提出了一个网络切片的概念模型来解决通信切片资源共享的优化问题，并使用 SARSA 代理来实现一个概念验证原型并讨论了相关的结果。

Jan, 2023

本文利用遗传算法编码切片策略，提出一种无先验知识的在线优化器，以最大化长期网络效用，具有良好的有效性、鲁棒性和可扩展性，以解决第五代移动通信网络下服务提供商与利益相关者之间的资源管理挑战。

Feb, 2018