基于特征感知的虚拟资源切片策略研究

发布时间：2020-11-05 14:41

　　 随着通信与网络技术的迅速发展以及移动用户的持续增长,未来的无线网络预计将覆盖支持社会各行各业,形成大规模互联的多业务网络。因此,有限的网络资源及异构的业务需求成为了移动通信中面临的主要问题,针对此问题,无线网络虚拟化(Wireless Network Virtualization,WNV)技术通过对网络的抽象与分割,能够实现多个独立虚拟网络对基础设施及无线资源的动态共享,从而大幅提升资源利用率,降低网络管理难度。然而,WNV中引入的无线资源及特定硬件的虚拟化面临着无线媒介不确定性、用户移动性、异构无线接入技术等问题,资源的管理、分配及共享方式仍需要进一步的研究。首先,文中介绍了虚拟化无线网络的研究背景及典型应用场景,并对当前的研究热点进行了简要分析。其次,重点描述了虚拟化无线网络中的虚拟资源切片策略,深入分析了现有资源切片策略的特点并对其进行了归纳总结。其次,文中提出一种基于用户聚类的虚拟资源切片策略。通过感知网络切片的网络、业务及社会特征,将不同切片的增益及成本映射到统一的模型中,从而制定资源切片的优化框架。随后,针对用户对业务的主观偏好及资源需求,将其划分为不同的特征组,以进行业务差异化的资源分配。进而,感知用户间的社会关系,利用元胞自动机模型形成用户聚类,对特征组状态进行动态更新。最终提出基于特征组状态的启发式资源分配算法,实现高效的虚拟无线资源切片。再次,文中提出一种用户情境感知的虚拟资源切片策略。建立网络切片间的异质资源模型,通过对用户特征的感知,制定感知-决策-反馈的资源切片框架。随后构建用户的个性化业务情境,对业务性能参数进行评估,同时引入用户的体验质量(Quality of Experience,QoE)指标,采用贝叶斯网络(Bayesian Networks,BNs)感知用户的语境因素关系,建立QoE度量模型。进而,根据用户的实时反馈动态调整异构的效用函数,利用遗传算法从全体候选的资源分配决策中寻找最优解,实现虚拟资源的智能切片。最后,对全文的研究工作进行了总结,并对后续的研究方向进行了展望。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN92
【部分图文】：

重庆邮电大学硕士学位论文深绿表示的用户仍然处在处于特征组 1 与 2 中，这意味着其业务配置请求与自身需求趋势相吻合，即其具有稳定的潜在资源需求，而采用浅红与浅绿色表示的其他用户显示出了与其请求的业务配置不同的特征组状态，其主观的业务行为可能产生复杂变化，需要动态地为其分配资源。同样的，在图 3.6 中，采用深黄与深蓝色表示的用户的需求趋势与当前的业务请求相一致，相较于各自组中的其他用户，其资源需求更为稳定。与简单地考虑业务请求以分配资源相比，通过在不同用户间运用差异化的分配策略，能够适应其资源需求变化规律。

重庆邮电大学硕士学位论文深绿表示的用户仍然处在处于特征组 1 与 2 中，这意味着其业务配置请求与自身需求趋势相吻合，即其具有稳定的潜在资源需求，而采用浅红与浅绿色表示的其他用户显示出了与其请求的业务配置不同的特征组状态，其主观的业务行为可能产生复杂变化，需要动态地为其分配资源。同样的，在图 3.6 中，采用深黄与深蓝色表示的用户的需求趋势与当前的业务请求相一致，相较于各自组中的其他用户，其资源需求更为稳定。与简单地考虑业务请求以分配资源相比，通过在不同用户间运用差异化的分配策略，能够适应其资源需求变化规律。

ux为其实际被分配的 RB 数量。图 3.7 显示了资源分配误差随用户数量的变化情况，该误差取切片周期内的平均值，将提出的 UVRS 方案与 CellSlice 方案进行比较，其结果表明，由于基于简单分组的 CellSlice 方案并没有针对业务的资源需求差异设计合理的分配策略，无论业务流的形式如何，其无线资源分配情况都十分相似，造成较高的资源分配误差，与其相比，本章所提出的 UVRS 方案始终能够为用户分配适应其需求的资源，实现基于特征组的差异化分配策略。当用户总数为 30 时
【相似文献】

相关期刊论文 前10条

1 李涛;王建东;叶飞跃;冯新宇;张有东;;一种基于用户聚类的协同过滤推荐算法[J];系统工程与电子技术;2007年07期

2 王辉;高利军;王听忠;;个性化服务中基于用户聚类的协同过滤推荐[J];计算机应用;2007年05期

3 马瑞新;朱明;孟宇;;基于粒子群的舆情网络用户聚类模拟与仿真[J];计算机科学;2012年12期

4 查文琴;梁昌勇;曹镭;;基于用户聚类的协同过滤推荐方法[J];计算机技术与发展;2009年06期

5 刘芳先;李国;;基于项目簇偏好的用户聚类算法[J];现代计算机;2013年18期

6 彭艳;王小玲;;一种混合聚类算法在用户聚类中的应用研究[J];信息技术;2008年01期

7 李涛;王建东;;基于多层相似性用户聚类的推荐算法[J];南京航空航天大学学报;2006年06期

8 司建波;姚燕;郭蔚莹;杨芳;;基于模糊聚类的Web用户聚类方法与实现[J];吉林大学学报(工学版);2013年S1期

9 张海涛;唐诗曼;魏明珠;李泽中;;多维度属性加权分析的微博用户聚类研究[J];图书情报工作;2018年24期

10 樊同科;;云环境下基于MapReduce的用户聚类研究与实现[J];电子设计工程;2016年10期

相关博士学位论文 前5条

1 万淼;基于群智能和随机索引的网络聚类算法研究[D];北京邮电大学;2011年

2 孙伟健;移动通信网中的用户聚类与KQI分析[D];中国科学技术大学;2017年

3 赵洁;基于粒计算的Web使用挖掘研究[D];华南理工大学;2010年

4 凌海峰;基于ACO的Web使用挖掘方法研究[D];合肥工业大学;2009年

5 朱鲲鹏;基于Web日志挖掘的智能信息检索研究[D];哈尔滨工业大学;2009年

相关硕士学位论文 前10条

1 张志昊;基于特征感知的虚拟资源切片策略研究[D];重庆邮电大学;2019年

2 张艺;基于用户偏好和用户聚类的协同过滤算法研究[D];西北大学;2018年

3 汪明亮;基于微博数据的网络舆情分析[D];首都经济贸易大学;2017年

4 黄瑛;基于用户聚类和偏好的推荐算法研究[D];安徽理工大学;2017年

5 徐建华;面向营销数据库的用户聚类策略及用户兴趣模式研究[D];合肥工业大学;2008年

6 熊琴巧;基于用户聚类的个性化推荐方法研究[D];江西财经大学;2017年

7 寇艳艳;电子商务推荐系统中用户聚类问题与用户兴趣变化问题研究[D];中国科学技术大学;2011年

8 黄翔;基于选择路径和浏览页面的用户聚类算法研究[D];中南大学;2010年

9 付志涛;基于Web日志的网络用户聚类研究与实现[D];南京理工大学;2007年

10 蒋超;基于用户聚类和语义词典的微博推荐系统[D];浙江大学;2013年

本文编号：2871780