基于自适应动态预测的网络切片资源冲突优化

摘要：

网络切片(NS)是5G网络中的一种关键性技术,在多业务动态场景下发挥着重要作用.针对5G网络切片中由切片需求动态变化引起的资源冲突问题,采用一种基于自适应动态预测(ADP)的优化方法,提出"自适应动态预测-模型优化"的优化方案.在自适应动态预测模块,对动态的切片流量进行波动等级划分,以确保切片流量预测的准确性以及自适应性.根据划分结果,分别采用2种不同的循环神经网络算法来预测切片未来时间的流量需求,包括基于注意力机制-双向门控循环单元(Att-BiGRU)的点预测以及基于自举法-BiGRU的区间预测.在模型优化模块,根据预测结果定义用户满意度函数和切片优化配置的开销,将资源冲突优化问题表示为最大化网络收益.由于预测模块的输出可能含有不确定参数,根据鲁棒优化和基于可变粒子数量的粒子群优化算法求解出切片优化配置方案.在仿真部分对所提优化方案进行验证,结果表明,该方法在满足切片动态需求的同时,降低了资源冲突带来的负面影响,其在网络收益以及请求接受率等方面优于对比算法,链路资源利用率达到90%以上.

关键词：网络切片、资源冲突、动态预测、模型优化、循环神经网络

所属期刊栏目：50

分类号：TP393.01(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFB1800305

在线出版日期：2024-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：183-190