【技术实现步骤摘要】
本专利技术属于资源分配优化领域，涉及一种基于信息新鲜度的确定性网络切片资源分配方法。
技术介绍
1、5g网络支持多种通信模式，其中包括对工业物联网(iiot)等应用的支持。在这些不同的通信模式和应用场景下，服务需求和服务质量(qos)要求差异巨大。为了满足这些不同的服务需求，人们提出了网络切片技术，将物理基础设施分割成多个虚拟网络，每个虚拟网络即为一个网络切片，以适应不同通信模式和应用场景的需求。
2、为了满足这些不同的服务需求，人们提出了网络切片技术，作为提供高效网络管理的关键手段。5g网络运营商将共享物理基础设施分割成多个虚拟网络，每个虚拟网络由多个网络切片组成。作为端到端虚拟网络的构件，网络片跨越核心网络(cn)和无线接入网络(ran)。因此，网络切片分为两大类，即cn切片和ran切片。3gpp标准已经规定了cn切片，而ran切片仍处于早期阶段。近年来，ran切片引起了学术界和产业界研究人员的极大关注，拥有和管理网络切片的虚拟网络运营商(vno)需要根据分配给网络切片的资源量与物理网络运营商(pno)签订付费合同。这种付费合同被称为服务水平协议(sla)。由于订购切片的用户可能分布在多个小区，因此ran切片涉及多个基站。
3、在工业物联网环境中的网络切片和qos管理与传统的ran切片和管理解决方案在几个关键方面有所不同。首先，iiot设备大多部署在恶劣的工厂环境中，但其任务大多是时延敏感的。因此，为了执行最新的控制决策，远程工厂管理系统需要及时收集和更新环境数据。同时，iiot设备与附近基站(bs)
4、确定性网络切片资源的分配对于满足不同通信模式和应用场景的服务质量要求至关重要。在工业物联网环境中，iiot设备通常部署在恶劣的工厂环境中，其任务往往是时延敏感的，且需要及时更新的环境数据。因此，合理的网络切片资源分配可以确保iiot设备在网络中获得足够的资源以执行实时的控制决策，提高5g关键性能指标(kpi)和信息年龄(aoi)等数据新鲜度指标。
5、目前的网络切片资源分配方法主要依赖于虚拟网络运营商(vno)与物理网络运营商(pno)之间的服务水平协议(sla)。这种协议约定了网络切片所需的资源量、服务质量要求等信息，并确保vno能够根据其用户的需求获得足够的网络资源。在工业物联网环境中，特别是针对任务和安全关键型工业服务，确保网络切片资源的确定性分配至关重要。但在实时波动的流量情况下，现有的网络切片资源分配方法可能无法灵活适应工业物联网环境的特殊需求。
技术实现思路
1、本专利技术目的在于解决上述现有技术的不足，从而提供一种基于信息新鲜度的确定性网络切片资源分配方法，提高工业物联网信息更新的实时性。
2、实现本专利技术的具体技术方案是：一种基于信息新鲜度的确定性网络切片资源分配方法，包括如下步骤：
3、步骤1：在工业物联网(iiot)中构建网络切片资源分配场景；该场景由c个切片、c×i个iot设备、一个宏基站和b个边缘基站组成；
4、步骤2：基于网络切片资源分配场景，引入无线接入网的信道增益、iot设备的发射功率、任务的到达率和服务率建立相应的传输时延模型、排队时延模型和aoi模型；
5、步骤3：根据传输时延模型、排队时延模型和aoi模型，建立切片和资源分配的优化问题；
6、步骤4：通过基于actor-critic模型的ddpg学习框架对步骤3的优化问题求解，实现对网络切片资源的动态分配；
7、步骤5：通过批量梯度下降方法求解出q值最大的网络切片资源分配策略，使得在一定的网络资源限制下，iot设备的aoi超过预定阈值的概率之和最小。
8、步骤2具体为：
9、在iot设备传输的数据长度为的条件下，iot设备的传输能耗表示为：
10、
11、一台边缘基站服务台能够处理的设备数量为k即服务通道数，当任务的到达率和服务率分别为λ和μ时，边缘基站服务台的利用率为：
12、
13、因此，每个边缘基站的总回程的排队延时模型为：
14、
15、其中为erlang’sc公式，rb为边缘基站b的总数据速率；
16、在t+1时刻iot设备的aoi模型的表述为：
17、
18、其中ξi为iot设备任务的优先级，f(·)为信息年龄惩罚函数，当iot设备在未被分配rb时，会不断累积信息年龄惩罚，且随着设备优先级的增加，其惩罚权重也相应变大；当设备被分配了rb并进行数据上传后，设备的aoi仅由传输延迟和排队延迟组成；为传输时延模型；
19、
20、其中为设备i是否被分配切片资源上传到边缘基站，为rb分配向量，为一个rb的带宽，pi,b为发射功率，为信道增益，σ为噪声功率，信道增益表示为：
21、
22、其中，di,b是iot设备和边缘基站间的距离。
23、步骤3中优化问题的优化目标是通过调整设备选择方案和rb的分配方案最小化每个iot设备的aoi超过预定义阈值ξi的概率之和。
24、优化目标表示为：
25、
26、其中ξi为每个iot设备的预定义的aoi阈值。
27、ddpg学习框架中，状态和行动空间以及奖励函数表述为：
28、
29、
30、
31、步骤5具体为：
32、通过梯度下降下降方法对ddpg学习框架中的参数更新；
33、policy-network参数的更新由下式表示:
34、
35、其中q(s,a|ψ)表示q-network，μ(s|θ)为policy-network；
36、q-network由下式更新:
37、
38、其中，ym＝rm+γ[q′(st+1,μ′(st+1|θ-)|ψ-)]，q′(st+1,μ′(st+1|θ-)|ψ-)表示targetq-network的参数；
39、当奖励函数的变化小于设定的阈值或达到了预定的迭代次数，认为优化过程收敛，停止迭代，在迭代结束后，得到q值最大的网络切片资源分配策略。
40、本专利技术首先，建立传输时延模型和排队时延模型，然后根据iot设备的任务优先级定义了相应的aoi模型，当iot设备在未被分配rb时，会不断累积信息年龄惩罚，且随着设备优先级的增加，其惩罚权重也相应变大；根据上述三类模型构建了切片资源分配的优化目标；通过基于actor-critic模型的ddpg学习框架对切片资源进行动态分配，其中actor维护一个策略网络，网络切片的状态信息作为actor的输入，并生成相应本文档来自技高网...
【技术保护点】
1.一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于：步骤2具体为：
3.根据权利要求1所述的一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于：步骤3中优化问题的优化目标是通过调整设备选择方案和RB的分配方案最小化每个IoT设备的AOI超过预定义阈值ξi的概率之和。
4.根据权利要求3所述的一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于：优化目标表示为：
5.根据权利要求1所述的一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于：DDPG学习框架中，状态和行动空间以及奖励函数表述为：
6.根据权利要求1-5任意一项所述的一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于：步骤5具体为：
【技术特征摘要】
1.一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于：步骤2具体为：
3.根据权利要求1所述的一种基于信息新鲜度的确定性网络切片资源分配方法，其特征在于：步骤3中优化问题的优化目标是通过调整设备选择方案和rb的分配方案最小化每个iot设备的aoi超过预定义阈值ξi的...
【专利技术属性】
技术研发人员：李磊，郭兆丰，李德识，廖荣涛，王逸兮，王晟玮，胡欢君，叶宇轩，张剑，宁昊，张玉洁，郭岳，罗弦，王敬靖，李想，王博涛，陈家璘，郑蕾，徐宁，胡晨，邱学晶，
申请(专利权)人：国网湖北省电力有限公司信息通信公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。