一种5G网络切片的编排算法制造技术

本发明专利技术公开了一种5G网络切片的编排算法，与现有技术相比，本发明专利技术通过对当前主要应用场景的分析和对网络切片的算法研究,提出基于GA‑PSO优化的网络切片编排算法,该算法的特点是：借鉴GA算法中杂交和变异的思想,对传统的PSO算法进行了改进,将PSO的群智能特点应用于网络子图的优化问题,使得算法的全局搜索性能得到了实质的提高,充分发挥了SDN网络架构的集中控制优越性.实验数据表明,该算法对于大规模网络的高负载流量的优化有着良好的效果。 1

A choreography algorithm for 5G network slicing

This invention discloses a layout algorithm of 5G network slice. Compared with the existing technology, the invention proposes a network slice editing algorithm based on GA PSO optimization by analyzing the current main application scenes and studying the algorithm of network slicing. This algorithm is characterized by the idea of cross and mutation in the GA algorithm and the traditional PS. The O algorithm is improved, and the swarm intelligence features of PSO are applied to the optimization of the network subgraph. The global search performance of the algorithm is improved substantially, and the centralized control superiority of the SDN network architecture is fully played. The experimental data shows that the algorithm has a good effect on the optimization of the high load flow of the large-scale network. One

【技术实现步骤摘要】
一种5G网络切片的编排算法
本专利技术涉及网络
，尤其涉及一种5G网络切片的编排算法。
技术介绍
5G时代要求未来移动通信网络具有对各种业务场景进行按需组网和灵活部署的能力，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,当前核心网的网络架构逐渐变得难以处理越来越多样化的服务要求.在5G时代互联网服务对象和应用场景变得多样化,为每一个服务建设一个专用的物理网络,这既不现实也不高效,而网络切片(networkslicings,NS)技术即通过在一个独立的物理网络上切分出多个逻辑的网络，为实现网络的灵活适应部署多种业务场景提供了一个全新的解决方案。网络切片的先决条件是可以虚拟化各种不同的网络元素和软件定义网络(softwaredefinednetworking,SDN)的集中控制,随着网络功能虚拟化(networkfunctionvirtualization,NFV)技术的成熟,实现了软硬件解耦、共享基础设施资源和按需调度,同时将数据平面与控制平面解耦合,简化了网络管理,灵活了路由的配置,因此在NFV和SDN的网络架构下,对网络切片的编排和部署变得可行。一个网络切片是5G网络中一个端到端的虚拟网络,是一组逻辑网络功能的集合.网络切片主要控制和操作服务层(servicelayer)和基础设施层(infrastructurelayer)。服务层描述系统的逻辑结构,包括网络的功能模块,以及不同功能模块之间的连接方式,提供网络切片的定义、操作和部署方式的模板。基础设施层从物理层面描述维持一个网络切片运行所需要的网络元素和资源,包括计算资源和网络资源。在基于网络切片划分的路由模型中切片划分的优劣直接决定了网络的负载情况和资源利用率,因此切片的成功对基于NFV/SDN的网络切片架构系统来说至关重要.另外,现有的切片划分算法一般是采用贪心策略,即对网络中的多有需求逐个进行资源的划分和路由的选择,缺少全局优化,这样做也是因为网络本身是分布式的，控制层面分散，难以掌握全局信息,并且当网络负载非常大的时候,逐个划分的时间复杂度太大,很难满足实时性需求。本方案提出的算法将针对网络切片中的全局优化做出研究。针对以上问题提出来在NFV/SDN架构下,基于GA-PSO的网络切片算法.具体地,我们将网络的优化转化为对网络切片的编排,通过对用户流量的统计分析,知道整网的流量分布特征,预先构造好基本切片,然后再对实时的流量分析负载和需求,构造切片并将构造的结果通过OpenFlow协议流表的形式部署在交换节点上.
技术实现思路
本专利技术的目的就在于为了解决上述问题而提供一种5G网络切片的编排算法。本专利技术通过以下技术方案来实现上述目的：本专利技术包括PSO算法和GA-PSO算法；PSO算法：粒子群优化(ParticleSwarmOptimization,PSO),是由J；Kennedy和R；C；Eberhart等于1995年开发的一种群智能算法；在PSO算法中每个优化问题的解都是搜索空间的一只鸟,被抽象为没有质量和体积的粒子,粒子的位置代表被优化空间在搜索空间中的潜在解,所有粒子都有一个评价函数决定的适应值；每个粒子根据自身和周围粒子的经验在搜索空间中调整自己的位置和速度；基础的PSO算法定义了两个非常重要的参数：1)某一代种群中,粒子适应度最高的称为pbest；2)所有种群的粒子至今为止发现的全局最优解称为gbest；并且将其所找到的位置保存下来；用于引导和更新粒子的位置和速度；在(t+1)时刻位置xij(t+1)和速度vij(t+1)更新方程如下：vij(t+1)＝ω·vij(t)+c1r1[pij-xij(t)]+c2r2[gij-xij(t)](1)xij(t+1)＝xij(t)+vij(t+1)(2)其中ij表示空间中进行搜索的变量，在w为惯性权重(取值0.729),c1和c2为正的学习因子(均为.05),r1和r2为0到1之间均匀分布的随机数；GA-PSO算法算法的基本思想粒子群算法最初被用于函数优化方面,而5G中网络切片的划分问题本身是为所有用户的流量需求计算出一个合理的路由方案,属于网络路由问题,因此需要重新设计评价函数和粒子更新算法；针对上面问题,本文借鉴GA(geneticalgorithm,遗传算法)中的杂交和变异的思想,将杂交和变异的思想应用于切片优化,在模型中一个网络切片本身作为一个子图即代表一个可行解,因此遗传算法种群的进化和粒子的迁徙就转化为子图杂交的过程；算法的基本思想是根据3GPP提出的三种5G主要应用场景抽象出两类原始粒子,再由这两类原始基本粒子进一步初始化得到一定数量的基本粒子,形成初始的种群。每个粒子代表一个拓扑子图,评价每个粒子的适应度,存储当前个体最优的粒子和全局最优粒子,按照杂交和变异的思想对子图进行更新优化,产生新的拓扑子图。利用粒子群算法追随当前最优粒子在解空间中搜索,即通过迭代找到最优子图作为最终的路由方案；基本粒子初始化根据3GPP提出的三种5G主要应用场景,我们给出如下定义：定义1：QoS流量类：有相同或相近QoS需求的用户流量集合；设用户x的流量(flow)用fx表示,则流量类集合F＝{f1,f2,f3,...,fn}为一QoS流量类型,其中:1)每个流量fi的时延(delay)要求D∈[dl,dh],其中dl和dh是根据3GPP提出的三种主要应用场景在时延需求方面的分类阈值,理想时延1ms，端到端时延5-10ms；2)每个流量fi的带宽要求B∈[bl,bh],其中bl和bh是根据3GPP提出的三种主要应用场景在带宽需求方面的分类阈值，理想用户体验速率100Mbps；定义2：点到点流量矩阵：流量矩阵表示网络中源目的(Original-Destination,OD)节点之间每个流的分布情况,流量矩阵的维数等于网络中所有OD流的数目,它从全局的观点来描述整个网络的数据流动情况,是网络决策的重要依据；点到点流量矩阵(Point-to-PointTrafficMatrix)表示源节点(O)和目的节点(D)之间的流量V(O,D),它表示网络中所有OD节点对间的流量,描述了网络流量在各个OD节点对间的分布情况；定义3：低时延网络切片：能够为某个特定的QoS流量类提供最小时延保障的一个虚拟逻辑网络,由一系列网络功能、运行这些网络功能的资源以及这些网络功能特定的配置所组成；定义4：高带宽网络切片：能够为某个特定的QoS流量类提供最小带宽保障的一个虚拟逻辑网络；依上述定义,我们根据QoS流量需求使用最短路径算法,生成两个基类NS:低时延类切片、高带宽类切片,组成杂交池,按照遗传算法描述的切片杂交和变异的方法两两随机杂交,产生N个基本粒子,构成初始化种群；一个子图粒子G是一个N*N的邻接矩阵,代表一个潜在的解,即一个可选的路由方案,也就是一个潜在的网络切片,其中N为网络拓扑中的节点的个数；基本粒子适应度评价函数IMT-20205G推进组在《5G白皮书》中将未来移动互联网和物联网的主要应用场景分为连续广域覆盖、热点大容量、低功耗大连接和低时延高可靠,各场景需要的关键能力指标:1)高带宽的体验速率2)超高的流量密度3)超高的连接密度4)低时延高可靠综合这四种关键能力指标,本专利技术选用时延(Del本文档来自技高网...

【技术保护点】
1.一种5G网络切片的编排算法，其特征在于：包括PSO算法和GA‑PSO算法；

【技术特征摘要】
1.一种5G网络切片的编排算法，其特征在于：包括PSO算法和GA-PSO算法；PSO算法：1)某一代种群中,粒子适应度最高的称为pbest；2)所有种群的粒子至今为止发现的全局最优解称为gbest；并且将其所找到的位置保存下来；用于引导和更新粒子的位置和速度；在(t+1)时刻位置xij(t+1)和速度vij(t+1)更新方程如下：vij(t+1)＝ω·vij(t)+c1r1[pij-xij(t)]+c2r2[gij-xij(t)](1)xij(t+1)＝xij(t)+vij(t+1)(2)其中ij表示空间中进行搜索的变量，在w为惯性权重(取值0.729),c1和c2为正的学习因子(均为2.05),r1和r2为0到1之间均匀分布的随机数；GA-PSO算法：利用粒子群算法追随当前最优粒子在解空间中搜索,即通过迭代找到最优子图作为最终的路由方案；基本粒子初始化：根据3GPP提出的三种5G主要应用场景,给出如下定义：定义1：QoS流量类：有相同或相近QoS需求的用户流量集合；设用户x的流量(flow)用fx表示,则流量类集合F＝{f1,f2,f3,...,fn}为一QoS流量类型,其中:1)每个流量fi的时延(delay)要求D∈[dl,dh],其中dl和dh是根据3GPP提出的三种主要应用场景在时延需求方面的分类阈值,理想时延1ms，端到端时延5-10ms；2)每个流量fi的带宽要求B∈[bl,bh],其中bl和bh是根据3GPP提出的三种主要应用场景在带宽需求方面的分类阈值，理想用户体验速率100Mbps；定义2：点到点流量矩阵：流量矩阵表示网络中源目的(Original-Destination,OD)节点之间每个流的分布情况,流量矩阵的维数等于网络中所有OD流的数目,它从全局的观点来描述整个网络的数据流动情况,是网络决策的重要依据；点到点流量矩阵(Point-to-PointTrafficMatrix)表示源节点(O)和目的节点(D)之间的流量V(O,D),它表示网络中所有OD节点对间的流量,描述了网络流量在各个OD节点对间的分布情况；定义3：低时延网络切片：能够为某个特定的QoS流量类提供最小时延保障的一个虚拟逻辑网络,由一系列网络功能、运行这些网络功能的资源以及这些网络功能特定的配置所组成；定义4：高带宽网络切片：能够为某个特定的QoS流量类提供最小带宽保障的一个虚拟逻辑网络；依上述定义,根据QoS流量需求使用最短路径算法,生成两个基类NS:低时延类切片、高带宽类切片,组成杂交池,按照遗传算法描述的切片杂交和变异的方法两两随机杂交,产生N个基本粒子,构成初始化种群；一个子图粒子G是一个N*N的邻接矩阵,代表一个潜在的解,即一个可选的路由方案,也就是一个潜在的网络切片,其中N为网络拓扑中的节点的个数；基本粒子适应度评价函数：IMT-20205G推进组将未来移动互联网和物联网的主要应用场景分为连续广域覆盖、热点大容量、低功耗大连接和低时延高可靠,各场景需要的关键能力指标:1)高带宽的体验速率2)超高的流量密度3)超高的连接密度4)低时延高可靠综合这四种关键能力指标,本文选用时延(Delay)、带宽(Bandwidth)两个参数来刻画未来5G应用场景的性能指标；网络切片的性能由不同的性能参数表征，但不同的参数具有不同的取值范围和单位,因此无法进行量化比较与分析,本文采用0均值归一化方法将不同的传输参数归一化(normalization),归一化公式为:其中,vnor：性能参数归一化值v：性能参数μ：性能参数的均值σ：性能参数的方差评价一个粒子的适应度是根据它所代表的的切片的传输参数做出的,也就是说粒...

【专利技术属性】
技术研发人员：畅志贤，周恒，杨武军，郭娟，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西,61