針對5G網(wǎng)絡(luò)切片架構(gòu)下業(yè)務(wù)請求動態(tài)性引起的虛擬網(wǎng)絡(luò)功能(VNF)遷移優(yōu)化問題,該文首先建立基于受限馬爾可夫決策過程(CMDP)的隨機(jī)優(yōu)化模型以實(shí)現(xiàn)多類型服務(wù)功能鏈(SFC)的動態(tài)部署,該模型以最小化通用服務(wù)器平均運(yùn)行能耗為目標(biāo),同時(shí)受限于各切片平均時(shí)延約束以及平均緩存、帶寬資源消耗約束。其次,為了克服優(yōu)化模型中難以準(zhǔn)確掌握系統(tǒng)狀態(tài)轉(zhuǎn)移概率及狀態(tài)空間過大的問題,該文提出了一種基于強(qiáng)化學(xué)習(xí)框架的VNF智能遷移學(xué)習(xí)算法,該算法通過卷積神經(jīng)網(wǎng)絡(luò)(CNN)來近似行為值函數(shù),從而在每個離散的時(shí)隙內(nèi)根據(jù)當(dāng)前系統(tǒng)狀態(tài)為每個網(wǎng)絡(luò)切片制定合適的VNF遷移策略及CPU資源分配方案。仿真結(jié)果表明,所提算法在有效地滿足各切片QoS需求的同時(shí),降低了基礎(chǔ)設(shè)施的平均能耗。

【文章頁數(shù)】：9 頁


本文編號：3840049