面向核心网的端到端非协作切片智能配置机制研究.pdfVIP

摘要

摘要

在网络服务垂直化和网络需求特定化的发展趋势下，不同的业务与场景通常

对网络服务有差异化需求，如何分配有限的网络资源使网络能合理满足不同业务

的需求一直是研究的热门问题。而软件定义网络和网络功能虚拟化技术的快速发

展，也使得网络切片成为通信网络领域重点关注的研究方向。通过网络切片，网

络服务提供者可以将物理网络划分为多个虚拟网络以满足不同业务的需求。

端到端网络切片涵盖了核心网切片和接入网切片，而核心网与接入网通常由

不同的运营商控制。目前各主要标准化组织尚未对核心网与接入网间接口传输的

信息制定明确的标准，这种情况加剧了核心网和接入网间的非协作性。非协作性

的核心在于，接入网和核心网不能完全共享信息，进而使得端到端网络难以实现

统一管理。本文针对面向核心网的端到端非协作网络，分析了非协作网络的特性

以及配置非协作网络切片时遇到的问题，并开展了相关研究。

在面向核心网的端到端非协作网络架构中，本文首先在核心网可以获知部分

接入网切片信息的前提下，研究了如何利用随机森林算法进行数据挖掘，以分析

已知切片指标重要性的问题。进一步，研究利用这些分析结果调整Informer长时

间序列预测模型，以提高对网络切片关键指标预测的准确性。在此过程中，所预

测的接入网切片关键指标可以为本文后续的核心网切片资源配置算法提供重要输

入约束，指导并优化其资源分配。仿真实验结果证实，本文提出的RF-Informer算

法提升了对接入网切片关键指标预测的精度。

随后，本文进一步研究了在核心网仅接收到切片端到端关键服务指标时，如

何有效进行核心网切片配置的问题。通过建立切片关键指标与核心网多种资源之

间的映射关系，并考虑网络的安全性与智能化需求，本文提出了一种基于多智能

体深度确定性策略梯度（Multi-AgentDeepDeterministicPolicyGradient，MADDPG）

的核心网切片资源配置算法。仿真结果显示，基于MADDPG的核心网切片资源配

置算法不仅提升了切片的成功接入率，还降低了核心网的资源负载率和切片的平

均资源消耗。此外，通过将RF-Informer预测机制与切片资源配置算法结合进行联

合仿真，本研究验证了关键指标预测算法在提高核心网切片资源配置算法性能以

及增强网络资源使用效率方面的有效性。

最后，考虑到接入网完全非协作的情况下，核心网难以从接入网获得有效信

息进行数据分析和预测，因此数据分析类方法不适用于解决完全非协作网络切片

问题。同时本研究进一步考虑了切片变化导致的网络动态性和切片准入问题，提

I

摘要

出了不依赖于接入网主动传输的数据信息，基于图神经网络和强化学习的完全非

协作网络切片智能优化策略。在该策略下，核心网主动探测接入网拓扑图信息，

并通过图神经网络将拓扑图信息进行转化，同时考虑了切片的创建、删除和重配

置所带来的网络动态成本，建立马尔科夫过程并使用深度强化学习算法最大化核

心网利润。仿真结果表明，本文提出的GNN-DQN算法不仅可以提高核心网利润，

也能在接入网完全非协作的情况下提高切片的端到端成功接入率。

关键词：网络切片，非协作网络，强化学习，切片资源分配，核心网

II

ABSTRACT

ABSTRACT

Inthecontextoftheverticalizationofnetworkservicesandthespecializationof

networkdemands,differentbusinessesandscenariosoftenhavevariedrequirementsfor

networkservices.Allocatinglimitednetworkresourcestoreasonablymeettheneedsof

differentserviceshasalwaysbeenahotresearch