基于深度强化学习的无线虚拟网络资源分配问题研究

发布时间：2021-08-01 08:21

　　在未来的5G网络中,由于业务的多样性,网络切片技术是非常重要的一项技术,它能够根据服务提供商的业务需求来动态的配置。对比于传统的物理网络,网络切片的灵活性更大,并且也能够在一定程度上降低成本。然而,由于切片共享整个系统的无线资源,切片间资源的分配与隔离是需要重点关注的问题。在无线接入网（Radio Access Network,RAN）和核心网络都可以进行网络切片,本文讨论的是RAN侧的网络切片。考虑到网络请求的动态性,切片间的负载也会随之发生变化,这会导致切片的资源过剩或者不足。因此,本文将基于软件定义网络（Software Defined Network,SDN）的架构来构建一个无线虚拟网络资源管理系统,主要目的是在保证用户服务质量（Quality of Service,QoS）满意度的前提下,最大化整个系统的资源利用率。为了能够动态的适应网络需求的改变,本文提出了两种基于深度强化学习算法框架的资源预留方案:一种是基于深度Q网络（Deep Q-Network,DQN）的资源预留方案,另一种是基于竞争架构的深度Q网络（Dueling Deep Q-Network,Dueling DQ... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

大脑神经元

强化学习过程

AC算法流程图

【参考文献】：
期刊论文
[1]基于网络切片的网络效用最大化虚拟资源分配算法[J]. 唐伦,张亚,梁荣,陈前斌.  电子与信息学报. 2017(08)
[2]分布估计算法求解矩形件排样优化问题[J]. 马康,高尚.  电子设计工程. 2017(02)
[3]深度强化学习综述[J]. 刘全,翟建伟,章宗长,钟珊,周倩,章鹏,徐进.  计算机学报. 2018(01)
[4]二维板材切割下料问题的一种确定性算法[J]. 曾兆敏,王继红,管卫利.  图学学报. 2016(04)
[5]基于SDN的5G移动通信网络架构[J]. 柴蓉,胡恂,李海鹏,蒋桂香.  重庆邮电大学学报(自然科学版). 2015(05)



本文编号：3315159