- 应对异构资源需求和时变流量动态的网络切片深度强化学习
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。
- 离散规范化优势函数的深度强化学习用于网络切片资源管理
本文采用离散归一化优势函数将深度强化学习算法应用于网络切片中资源管理的问题,将 Q - 值函数分离,使用确定性策略梯度下降算法避免不必要的计算,并利用 k 最近邻算法在离散空间中快速找到有效行动,提高网络切片的收敛速度。
- 卷积长短时记忆多业务移动流量预测
本文提出了一种基于序列到序列学习(S2S)和卷积长短时记忆(ConvLSTMs)的方法,用于解决多服务移动流量预测问题,实验表明该方法能够准确地预测不同服务在城市层面上未来一小时的需求量,其平均绝对误差低于 13KBps,并且优于其他深度学 - 使用 GAN 的深层分布式强化学习进行网络切片的资源管理
本文介绍了如何使用深度强化学习(DRL)解决无线接入网络中多个切片共享物理资源,且包含多种不同要求的服务,针对此类场景中的需求感知资源分配问题,作者提出了一种基于生成式对抗网络(GAN)和 DDQN 算法的切片联网资源优化方法。实验表明,所 - 深度对抗神经网络实现最优和快速实时资源切片
本文提出了一种具有先进的深度弈算法的网络切片方法,用于快速实时的网络资源分配,该方法在动态用户需求时,通过将各种类型的资源切片到不同的用户类别下的虚拟切片中来最大化网络提供商的长期回报,并能够在多资源同时优化时更快地获得最优平均回报。
- 面向网络切片的效用驱动多队列入网控制解决方案
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。
- 网络分片资源管理的深度强化学习
本研究探讨了深度强化学习在网络切片资源管理中的应用,并通过广泛的模拟比较实现了无线电资源切片和基于优先级的核心网络切片等场景中深度强化学习的优势。同时,从一个更广泛的视角讨论了在网络切片中应用深度强化学习可能面临的挑战。
- eMBB、URLLC 和 mMTC 的 5G 无线网络切片:通信理论视角
研究 5G 无线技术中异构非正交多址传输在上行通信中的潜在优势,通过引入可靠性多样性设计原则,实现在非正交无线接入网络中的性能保障和性能妥协之间的平衡。
- 切片接纳控制的马尔可夫模型
本文提出了一般的同步分片入场控制状态模型,并证明其在一组弱约束条件下是马尔可夫过程;同时还提出并评估了状态转移矩阵的分析近似,以降低在实际应用中的计算复杂度。
- 基于随机优化和控制框架的 5G 网络切片与有效隔离
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。
- MM资源受限的面向服务网络的网络切片
本文采用网络虚拟化的方式,将多个按需服务指派给虚拟子网,解决如何根据预先规定的服务函数链选取网络功能节点,并确定按照指定顺序通过功能节点的路由策略的网络切片问题。通过混合二进制线性编程建模,并提出有效的算法和启发式算法对其进行求解,仿真结果 - MM基于网络切片的 5G 和未来移动网络:移动性、资源管理和挑战
这篇论文介绍了基于网络切片的 5G 系统的逻辑架构,以及网络切片中不同接入网络间的管理移动性和共享频谱的资源分配方案,提出了一种灵活的网路资源分配方案,并探讨了网络重建、网络切片管理和与其他 5G 技术合作的挑战。
- MM软件定义的空气地一体化车载网络:挑战与解决方案
本文提出了一种软件定义的空地一体化网络结构,以无缝、高效和低成本的方式支持不同的车载服务,介绍了空气地网络一体化的动机和挑战,提出了分层结构的软件定义网络架构,并通过网络切片保护卫星、航空和领土区段中的遗留服务,将可用资源置于共同而动态的空 - 网络切片博弈:在多租户网络中实现定制化
本文介绍了一种名为’share-constrained proportional allocation’的机制来实现网络分割,使得各个租户都能在共享资源的同时定制自己的用户分配,通过对其策略行为进行分析,得出其收敛于 Nash 均衡,提供了