基于机器学习的5G网络切片资源分配方法组成比例

本发明专利技术涉及基于机器学习的5G网络切片资源分配方法，包括：通过机器学习算法建立单结点决策树，并对接入用户通过决策树模型分配网络切片。本发明专利技术的有益效果是：本发明专利技术可以根据当前无线通信系统中多用户请求的业务需求与以及服务器可分配给用户的网络切片资源，通过机器学习的方法建立决策树模型，并按需地调整各层次结点特征与分类参数。基于此结果，系统可以动态地调整对供给于各用户网络切片的类型与数目，使得系统内各个用户在获得专用网络切片资源的基础上，各项业务的服务质量(QoS)需求在总体上最大化满足。需求在总体上最大化满足。需求在总体上最大化满足。

【技术实现步骤摘要】
基于机器学习的5G网络切片资源分配方法


[0001]本申请属于通信
，尤其涉及一种基于机器学习的5G网络切片资源分配方法。

技术介绍

[0002]5G架构中的大量业务遍布不同行业、不同用户、不同业务，对通信质量也有不同的要求。国际电信联盟提出的5G应用场景包括：增强移动带宽(enhanced Mobile Broadband，eMBB)、大规模机器通信(massive Machine Type Communications，mMTC)和超高可靠低延时通信(Ultra
‑
Reliable and Low Latency Communications，URLLC)。三种业务场景对速率、时延、可靠性等指标提出了不同的需求。网络切片技术要求运营商在同一个硬件网络设备的基础上构建虚拟的专用化网络块，分配给不同用户以满足用户对网络性能指标的不同要求。在多业务场景下，单一用户可能处理多项不同业务，因而对不同的网络指标都有较高的要求，而类型固定的网络切片无法完全满足多变的用户需求。当存在多个需求指标时，系统应当区分用户各项指标的优先级以保证主要业务的正常运行，因此在分配网络切片时需要采取一种分配策略，使每个用户分配的网络切片都能较好地适应对应的业务，同时系统内所有用户的主要性能指标效率整体上最大化。
[0003]目前5G网络切片的应用中，通常采用预先配置规则的方式分配网络切片，这种方法虽然能根据用户的实际需求提供合适的网络切片，但是无法动态地从全局多用户角度调整资源分配策略。这种按照业务请求时序分配资源的方式难以做到不同用户之间的公平性，造成资源的浪费。

技术实现思路

[0004]本申请的目的是克服现有技术中的不足，提供一种基于机器学习的5G网络切片资源分配方法，所述技术方案如下：
[0005]第一方面，提供了一种网络切片分配方法，所述方法由第一节点执行，所述方法包括：
[0006]步骤1、通过机器学习算法建立单结点决策树；
[0007]步骤2、对接入用户通过决策树模型分配网络切片。
[0008]作为优选，步骤1包括具体以下步骤：
[0009]步骤1.1、输入数据集、可用于判别的特征指标、所述特征指标的分类方式、决策树的构造阈值；
[0010]步骤1.2、建立单结点决策树，计算各项特征指标的信息增益，选取最大的信息增益对应的特征指标作为主结点；
[0011]步骤1.3、在步骤1.2中，如果某一个结点下，所有特征指标分类的信息增益都小于提前设定的构造阈值，那么视为该结点下的所有数据都分为同一类别；
[0012]步骤1.4、对所有的未被标记为某个类别的叶结点再次计算信息增益并计算最优
的特征指标，重复上述步骤1.2与步骤1.3，直至所有叶结点内的数据属于同一个类别。
[0013]作为优选，所述方法还包括：
[0014]步骤3、接入用户改变或用户业务需求变化时，对接入用户通过决策树模型重新分配网络切片。
[0015]作为优选，机器学习模型在训练决策树时，将信息增益作为选择结点特征的准则。
[0016]作为优选，信息增益可以被表示为：
[0017]g(D，A)＝H(D)
‑
H(D|A)
[0018]其中，A表示一组数据的特征，D表示所述一组数据的分类结果，H(D)表示D的类别的信息熵，H(D|A)表示已知D的特征A后D类别的条件熵。
[0019]第二方面，提供了一种网络切片分配装置，所述装置包括：
[0020]建立模块，用于通过机器学习算法建立单结点决策树；
[0021]分配模块，用于对接入用户通过决策树模型分配网络切片。
[0022]第三方面，提供了一种通信系统，包括：第一节点和第二节点；
[0023]所述第一节点为第二方面所述的网络切片分配装置。
[0024]第四方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；
[0025]所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述的方法。
[0026]本申请的有益效果包括：本申请可以根据当前无线通信系统中多用户请求的业务需求与以及服务器可分配给用户的网络切片资源，通过机器学习的方法建立决策树模型，并按需地调整各层次结点特征与分类参数。基于此结果，系统可以动态地调整对供给于各用户网络切片的类型与数目，使得系统内各个用户在获得专用网络切片资源的基础上，各项业务的服务质量(QoS)需求在总体上最大化满足。也就是说，本申请减少了资源的浪费。
[0027]此外，网络切片资源分配策略由网络服务商执行，新接入系统的用户端，或者用户端业务内容变更，只需要向服务端请求自身业务类型及需求，系统即可动态完成对资源分配策略的调整。因此，本申请保证了用户或业务请求变动后，用户的业务可以正常运行。
附图说明
[0028]图1是本申请实施例提供的一种通信系统的结构示意图；
[0029]图2是本申请实施例提供的一种基于机器学习的5G网络切片资源分配方法的流程图；
[0030]图3是本申请实施例提供的一种决策树模型的示意图；
[0031]图4是本申请实施例提供的一种网络切片分配装置的结构示意图。
具体实施方式
[0032]下面结合实施例对本申请做进一步描述。下述实施例的说明只是用于帮助理解本申请。应当指出，对于本
的普通人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
[0033]图1为本申请实施例提供的一种通信系统的结构示意图，如图1所示，该通信系统包括：
[0034]第一节点与第二节点。其中，通信系统中的节点可以是通信装置，也可以是通信装置中的一部分(如装置的接口单元)。比如，第一节点可以是服务器或服务器集群等，第二节点可以是客户端(如手机、电脑)等。需要说明的是，本申请实施例不对通信系统中第二节点的数量进行限定，图1以通信系统包含两个第二节点(第二节点A与第二节点B)为例，当然，通信系统中第二节点的数量也可以为一个或超过两个。其中，第一节点可以称为服务端，第二节点可以称为用户端或用户。
[0035]第一节点与第二节点之间具有通信连接。比如，第一节点可以通过无线网络与第二节点连接。第一节点用于在同一个硬件网络设备的基础上构建虚拟的专用化网络块，该专用化网络块也称网络切片，且不同的网络切片的性能也不同。第二节点用于向第一节点发送业务请求，该不同的业务请求与不同性能的网络切片对应。此外，第一节点可以根据第二节点发送的业务请求向第二节点分配网络切片。
[0036]第一节点可以采用预先配置规则的方式分配网络切片，这种方法虽然能根据用户的实际需求提供合适的网络切片，但是无法动态地从全局多用户角度调整资源分配策略。这种按照业务请求时序分配资源的方式难以做到不同用户之间的公平性，造成资源的浪费。
[0037]基于以上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的5G网络切片资源分配方法，其特征在于，所述方法由第一节点执行，所述方法包括：步骤1、通过机器学习算法建立单结点决策树；步骤2、对接入用户通过决策树模型分配网络切片。2.根据权利要求1所述的方法，其特征在于，步骤1包括具体以下步骤：步骤1.1、输入数据集、可用于判别的特征指标、所述特征指标的分类方式、决策树的构造阈值；步骤1.2、建立单结点决策树，计算各项特征指标的信息增益，选取最大的信息增益对应的特征指标作为主结点；步骤1.3、在步骤1.2中，如果某一个结点下，所有特征指标分类的信息增益都小于提前设定的构造阈值，那么视为该结点下的所有数据都分为同一类别；步骤1.4、对所有的未被标记为某个类别的叶结点再次计算信息增益并计算最优的特征指标，重复上述步骤1.2与步骤1.3，直至所有叶结点内的数据属于同一个类别。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：步骤3、接入用户改变或用户业务需求变化时，...

【专利技术属性】
技术研发人员：范超，凌芝，张烨华，史俊潇，段玉帅，卢杉，施叶昕，殷锐，袁建涛，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：