【技术实现步骤摘要】
本专利技术属于无线通信，尤其涉及一种基于混合优化算法的动态智能网络切片资源分配方法。
技术介绍
1、近年来，随着5g技术的发展和应用，诞生了各种新型移动网络应用场景和垂直行业的需求，同时也对现有的通信网络提出了多样化的服务质量要求。例如智能家居、智能电网、智慧农业、无人驾驶等应用场景，均需要在同一移动网络架构下共存，这就要求移动通信网络可以提供更加灵活高效的网络通信服务。因此，为了能够利用现有的通信网络更好的满足用户的差异化需求，网络切片技术应运而生。网络切片技术通过灵活管理和分配网络中的资源，在满足业务需求的同时，提高资源的利用率。网络切片资源分配问题通常分为两个部分：接入网无线频谱资源rb的分配以及核心网的vnf映射。接入网侧主要负责将无线频谱资源块rb分配给切片中的用户。核心网侧主要负责将网络切片的vnf映射到底层物理网络中的通用服务器中。考虑到在现实通信网络场景下，各种业务需求都具有明显的动态特征，为了能够灵活适应现实环境的变化以及差异化的业务需求，必然需要根据不断变化的业务需求动态调整资源的分配，以便能够有效提升系统的整体性能。网络切片资源分配问题通常建模为一个非线性整数规划数学模型。由于涉及的约束众多且需要考虑多个时刻的决策问题，使用传统的优化算法进行求解的时间复杂度较高。
技术实现思路
1、本专利技术目的在于提供了一种基于混合优化算法的动态智能网络切片资源分配方法。首先将整个端到端网络切片资源分配问题分为了切片间资源分配、切片内资源分配和vnf映射三个子问题。首先利用
2、为解决上述技术问题，本专利技术的具体技术方案如下：
3、一种基于混合优化算法的动态智能网络切片资源分配方法，包括如下步骤：
4、步骤1、首先根据网络切片数学模型搭建对应的仿真系统，初始化端到端网络切片接入网和核心网参数，模拟各个切片中用户的移动以及流量需求的变化；其中接入网负责将rb分配给切片中的用户，rb指的是无线频谱资源块，而核心网负责将网络切片的vnf映射到满足模型约束的通用服务器上，vnf指的是虚拟网络功能；在网络切片生命周期内，需要根据各个时刻用户和切片需求的变化协调资源的分配，从而满足数学模型中所有用户以及网络切片的约束，包括切片服务质量约束、rb资源约束、服务器的虚拟机数量约束、服务器计算资源约束，核心网链路带宽约束，用户满意度约束；在资源分配的过程中分为两种时间尺度，大时间尺度和小时间尺度，设定大时间尺度＝60个小时间尺度。
5、步骤2、在大时间尺度内，进行切片间资源预测。具体为：根据步骤1仿真系统生成的用户流量变化历史数据，计算出各个切片的rb需求历史数据，之后采用lstm算法，对所有切片未来时刻的rb需求数据进行预测。其中lstm表示长短期记忆递归神经网络。
6、步骤3、在大时间尺度内，进行切片间资源分配。具体为：根据步骤2预测出来的各个切片的rb需求，同时考虑rb资源总量的限制，进行切片间资源分配。
7、步骤4、在小时间尺度内，每个切片独立进行切片内资源分配，将获取到的rb资源分配给切片中的用户，目标是使得所有用户获得的速率之和最大。具体为：首先将问题转化为经典的分组背包问题，之后采用动态规划的算法就行求解。
8、步骤5、针对核心网侧vnf映射问题，将网络切片数学模型优化问题转化为一个马尔可夫决策过程mdp：其中表示状态空间，表示动作空间，表示奖励函数；
9、步骤6、根据上述得到的mdp，在大时间尺度内，采用强化学习sac算法训练智能体，用于决策满足核心网侧各项约束的成本最低的vnf映射方案。其中，sac算法全称为softactor-critic；核心网侧约束包括：服务器的虚拟机数量约束、服务器计算资源约束、链路带宽约束；
10、进一步的，步骤2包括如下步骤：
11、步骤2.1、假设步骤1仿真系统生成的某个用户u从切片生命周期开始到当前时刻t的流量需求变化历史数据为每个rb可以提供给用户u的流量为因此当前用户u的rb需求历史数据为,其中对当前切片s中的所有用户的rb需求历史数据进行求和，可以得到切片s的rb需求数据为其中us表示切片s的用户集合；最终得到所有切片t时刻的rb历史需求数据为其中s表示切片总数。
12、步骤2.2、根据切片s的rb需求数据生成lstm算法所需的数据集；首先对rb需求数据进行差分得到差分序列之后将差分序列中的相邻元素依次组合为二元组，得到切片s的rb需求数据集的特征和标签为：其中每个二元组的第一个元素代表特征，第二个元素代表标签；按照同样的方式生成其余切片的数据集。
13、步骤2.3、利用步骤2.2生成的所有切片的数据集，采用lstm算法，对t+1时刻的所有切片rb需求数据进行预测。
14、进一步的，步骤3包括如下步骤：
15、步骤3.1、假设步骤2.3预测出来的t+1时刻各个切片的rb需求数据分别为rb总数为k，各个切片的优先级分别为β1,β2,…,βs，接下来分两种情况来进行切片间资源分配。
16、步骤3.2、如果则对于切片s，在t+1分配的rb个数
17、步骤3.3、如果则对于切片s，在t+1分配的rb个数
18、步骤3.4、根据步骤3.2—步骤3.3的分类讨论结果，得到t+1时刻各个切片的rb资源分配结果为
19、进一步的，步骤4包括如下步骤：
20、步骤4.1、首先将问题转化为经典的分组背包问题；切片中的一个用户对应于分组背包中一个分组，切片在大时间尺度获取的rb资源数对应于分组背包中的背包容量，每个用户分配不同数量的rb资源对应于分组背包中的不同物品。
21、步骤4.2、预处理价值矩阵w,其中w[i][k]表示分配给第i个用户k个rb,该用户获得的速率，其对应于分组背包中的物品价值；速率的计算方式为其中w表示一个rb的带宽，pd表示下行传输功率，gi表示用户与基站之间的信道增益，σ2表示高斯白噪声的功率。
22、步骤4.3、之后对于每个切片采用动态规划的算法进行切片内资源分配。动态规划的状态表示为：dp[i][j]，指仅考虑前i个用户，最多使用j个rb的情况下可以获得的最大价值；动态规划的状态转移方程为：dp[i][j]＝max(dp[i][j],dp[i-1][j-k]+w[i][k])，其中i∈[1,us],k∈[0,j],在指定区间遍历所有状态，找到切片内rb资源分配的最优方案。
23、进一步的，步骤5包括如下步骤：
24、步骤5.1、状态空间s的设定：状态空间s＝{v,f,o,m,l,p,a,r}，其中v,f分别表示服务器节点的个数和vnf的个数；o＝{o1,o2,…,ov}表示服务器所拥有的计算资源总本文档来自技高网...
【技术保护点】
1.一种基于混合优化算法的动态智能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所述的基于混合优化算法的动态智能网络切片资源分配方法，其特征在于，步骤2包括如下步骤：
3.根据权利要求1所述的基于混合优化算法的动态智能网络切片资源分配方法，其特征在于，步骤3包括如下步骤：
4.根据权利要求1所述的基于混合优化算法的动态智能网络切片资源分配方法，其特征在于，步骤4包括如下步骤：
5.根据权利要求1所述的基于混合优化算法的动态智能网络切片资源分配方法，其特征在于，步骤5包括如下步骤：
6.根据权利要求1所述的基于混合优化算法的动态智能网络切片资源分配方法，其特征在于，步骤6包括如下步骤：
【技术特征摘要】
1.一种基于混合优化算法的动态智能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所述的基于混合优化算法的动态智能网络切片资源分配方法，其特征在于，步骤2包括如下步骤：
3.根据权利要求1所述的基于混合优化算法的动态智能网络切片资源分配方法，其特征在于，步骤3包括如下步骤：
4....
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。