H-CRAN网络下联合拥塞控制和资源分配的网络切片动态资源调度策略
发布时间：2020-12-13 01:07
针对异构云无线接入网络（H-CRAN）网络下基于网络切片的在线无线资源动态优化问题,该文通过综合考虑业务接入控制、拥塞控制、资源分配和复用,建立一个以最大化网络平均和吞吐量为目标,受限于基站（BS）发射功率、系统稳定性、不同切片的服务质量（QoS）需求和资源分配等约束的随机优化模型,并进而提出了一种联合拥塞控制和资源分配的网络切片动态资源调度算法。该算法会在每个资源调度时隙内动态地为性能需求各异的网络切片中的用户分配资源。仿真结果表明,该文算法能在满足各切片用户QoS需求和维持网络稳定的基础上,提升网络整体吞吐量,并且还可通过调整控制参量的取值实现时延和吞吐量间的动态平衡。
【文章来源】：电子与信息学报. 2020年05期 北大核心
【文章页数】：9 页
【部分图文】：
平均和吞吐量与控制参量V
(α,β,P,λ,η,μ)(n)(11)根据得到的(近似)最优子载波复用、分配和功率分配策略,和计算拉格朗日函数L(α,β,P,λ,η,μ)(n)L(α,β,P,λ,η,μ)(n1)≤δn>Tmax0λημn=n+1(12)Untilor,thenstopOtherwise,利用次梯度法更新拉格朗日乘子,和，令并返回第6步(13)根据式(17)更新各用户在下一时隙的业务队列长度(14)endfor(15)输出：(近似)最优流量接入控制、子载波复用和分配以及功率分配策略r,α,β和P,Qu(t),u∈U,t。图2平均和吞吐量与控制参量V图3平均队列时延与控制参量V图4平均和速率与平均业务到达率λ图5平均队列时延与平均业务到达率λ1250电子与信息学报第42卷
)根据得到的(近似)最优子载波复用、分配和功率分配策略,和计算拉格朗日函数L(α,β,P,λ,η,μ)(n)L(α,β,P,λ,η,μ)(n1)≤δn>Tmax0λημn=n+1(12)Untilor,thenstopOtherwise,利用次梯度法更新拉格朗日乘子,和，令并返回第6步(13)根据式(17)更新各用户在下一时隙的业务队列长度(14)endfor(15)输出：(近似)最优流量接入控制、子载波复用和分配以及功率分配策略r,α,β和P,Qu(t),u∈U,t。图2平均和吞吐量与控制参量V图3平均队列时延与控制参量V图4平均和速率与平均业务到达率λ图5平均队列时延与平均业务到达率λ1250电子与信息学报第42卷
【参考文献】：
期刊论文
[1]虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法[J]. 唐伦,魏延南,马润琳,贺小雨,陈前斌. 电子与信息学报. 2019(07)
本文编号：2913599
【文章来源】：电子与信息学报. 2020年05期 北大核心
【文章页数】：9 页
【部分图文】：
平均和吞吐量与控制参量V
(α,β,P,λ,η,μ)(n)(11)根据得到的(近似)最优子载波复用、分配和功率分配策略,和计算拉格朗日函数L(α,β,P,λ,η,μ)(n)L(α,β,P,λ,η,μ)(n1)≤δn>Tmax0λημn=n+1(12)Untilor,thenstopOtherwise,利用次梯度法更新拉格朗日乘子,和，令并返回第6步(13)根据式(17)更新各用户在下一时隙的业务队列长度(14)endfor(15)输出：(近似)最优流量接入控制、子载波复用和分配以及功率分配策略r,α,β和P,Qu(t),u∈U,t。图2平均和吞吐量与控制参量V图3平均队列时延与控制参量V图4平均和速率与平均业务到达率λ图5平均队列时延与平均业务到达率λ1250电子与信息学报第42卷
)根据得到的(近似)最优子载波复用、分配和功率分配策略,和计算拉格朗日函数L(α,β,P,λ,η,μ)(n)L(α,β,P,λ,η,μ)(n1)≤δn>Tmax0λημn=n+1(12)Untilor,thenstopOtherwise,利用次梯度法更新拉格朗日乘子,和，令并返回第6步(13)根据式(17)更新各用户在下一时隙的业务队列长度(14)endfor(15)输出：(近似)最优流量接入控制、子载波复用和分配以及功率分配策略r,α,β和P,Qu(t),u∈U,t。图2平均和吞吐量与控制参量V图3平均队列时延与控制参量V图4平均和速率与平均业务到达率λ图5平均队列时延与平均业务到达率λ1250电子与信息学报第42卷
【参考文献】：
期刊论文
[1]虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法[J]. 唐伦,魏延南,马润琳,贺小雨,陈前斌. 电子与信息学报. 2019(07)
本文编号：2913599
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2913599.html
