5G移动网络中的网络切片算法研究.pdf

摘要

5G移动网络技术的迅猛发展使其走向各种行业领域，不同的行业需求也进一

步推动了5G移动网络中网络切片技术的发展。网络切片的出现使得移动网络无需

架设物理专网以应对各种不同的需求，同时进一步加强了移动网络中的资源管理

能力，降低了成本，提高了网络性能。然而，由于网络环境并非一成不变，网络资

源需要进行自适应分配以应对不同的情况；同时，终端设备多种多样，存在各种不

同限制和需求的设备；再有，多个切片之间互相影响，导致网络资源需要进一步分

配调整。因此进一步研究5G移动网络中不同切片的资源分配以提升网络切片的性

能，具有重要的意义。

首先，针对网络资源请求随时间变化的情况以及进一步优化网络切片性能的

需要，本文提出了一种核心网网元自适应放缩算法。本文使用深度强化学习的方式

求解最优策略，并且对核心网用户功能网元处理系统进行建模分析，以付出10%

能耗代价的方式将时延降低20%。同时在深度强化学习算法中增加了模仿学习，

通过使用传统算法作为专家策略辅助进行收敛，避免智能体陷入错误策略。

其次，对于能量有限设备所使用的网络切片，因为设备本身的计算性能较弱或

者能耗受限，所以会出现网络切片时延过长的问题。对此，本文在无线接入网中采

用移动边缘计算进行辅助计算的结构以降低时延，并且在无线接入网的功能网元

虚拟化基础上提出了通信资源与计算资源联合分配的方案：在考虑计算资源分配

对于通信速率影响的情况下，优化卸载计算的时延；并与本地计算场景和全部进行

卸载进行对比，本文算法可以灵活选择是否卸载以优化整体时延。

最后，对于5G移动网络中所面对的多切片共存的资源分配问题，本文从无线

资源出发，提出了一种基站能耗约束下的多切片共存的资源分配算法以优化切片

性能。本文以吞吐量敏感切片和时延敏感切片共存的情况为例，目标为在满足时延

敏感切片性能的条件下，最大化吞吐量敏感切片的吞吐量。本文提出了一种带宽分

配算法，然后将其与半正定约束算法相结合解决优化问题，通过与传统的带宽分配

算法相对比证明了本文所提出的带宽分配算法相较于带宽平均分配能够将吞吐量

提升7%；并且将整体算法与遗传算法相比较验证了本文算法吞吐量提高6%以上。

关键词：网络切片，资源分配，移动边缘计算，多切片，深度强化学习

ABSTRACT

Therapiddevelopmentof5Gmobilenetworktechnologyhasledittopenetrate

variousindustrysectors.Diverseindustrydemandsfurtherpropeltheadvancementof

networkslicingtechnologywithin5Gmobilenetworks.Theemergenceofnetwork

slicingeliminatestheneedforphysicaldedicatednetworksinmobilenetworkstoaddress

variousdemands.Itsimultaneouslystrengthensresourcemanagementcapabilitieswhile

reducingcostsandenhancingnetworkperformance.However,duetothedynamicnature

ofnetworkenvironments,networkresourcesrequireadaptiveallocationtocopewith

diversesituations.Additionally,thevarietyofterminaldeviceswithdifferentlimitations

andrequirementscomplicatesresourceallocation.Moreover,inter-sliceinterference

necessitatesfurtheradjustmentofnetworkresources.Therefore,furtherr