基于随机学习的接入网服务功能链部署算法
针对5G云化接入网场景下物理网络拓扑变化引起的高时延问题,读文提出一种基于部分观察马尔可夫决策过程(POMDP)部分感知拓扑的接入网服务功能链(SFC)部署方案.该方案考虑在5G接入网C-RAN架构下,通过心跳包观测机制感知底层物理网络拓扑变化,由于存在观测误差无法获得全部真实的拓扑情况,因此采用基于POMDP的部分感知和随机学习而自适应动态调整接入网切片的SFC的部署,优化SFC在接入网侧的时延.为了解决维度灾问题,采用基于点的混合启发式值迭代算法求解.仿真结果表明,该模型可以优化部署接入网侧的SFC,并提高接入网吞吐量和资源利用率.
网络切片、SFC动态部署、网络拓扑感知、部分观察马尔可夫决策过程
41
TN929.5
国家自然科学基金61571073
2019-04-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
417-423