隨著移動(dòng)通信網(wǎng)絡(luò)與互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,傳統(tǒng)的移動(dòng)網(wǎng)絡(luò)已經(jīng)越來越難以應(yīng)對(duì)網(wǎng)絡(luò)中業(yè)務(wù)流量的增長和服務(wù)需求的變化。在以5G為代表的下一代移動(dòng)通信網(wǎng)絡(luò)的研究中,采用結(jié)合網(wǎng)絡(luò)功能虛擬化(Network Function Virtualization,NFV)技術(shù)的軟件定義網(wǎng)絡(luò)(Software Defined Networks,SDN)來提升網(wǎng)絡(luò)傳輸性能,滿足飛速增長的業(yè)務(wù)服務(wù)需求,已成為研究者的共識(shí)。近來,研究者們提出在未來無線通信網(wǎng)絡(luò)中,結(jié)合SDN和NFV技術(shù),通過部署端到端的網(wǎng)絡(luò)切片的方式,來應(yīng)對(duì)復(fù)雜網(wǎng)絡(luò)環(huán)境下差異化業(yè)務(wù)服務(wù)需求帶來的挑戰(zhàn)。網(wǎng)絡(luò)切片技術(shù)的提出,為滿足多樣化業(yè)務(wù)場(chǎng)景提供了技術(shù)支持(例如,汽車,移動(dòng)寬帶或互聯(lián)網(wǎng))。一個(gè)切片由一系列定制的邏輯網(wǎng)絡(luò)功能組成,支持特定用例或業(yè)務(wù)模型的通信服務(wù)需求。具體來說,每個(gè)切片在邏輯上對(duì)應(yīng)一個(gè)虛擬的端到端(End to End,E2E)網(wǎng)絡(luò),一個(gè)運(yùn)營商的物理網(wǎng)絡(luò)上可能存在多個(gè)不同的切片,物理網(wǎng)絡(luò)資源根據(jù)業(yè)務(wù)服務(wù)的需求分配給不同的網(wǎng)絡(luò)切片,在邏輯上每個(gè)切片相互獨(dú)立,切片資源相互隔離。在性能(例如延遲,吞吐量等)或功能(例如彈性,安全性等)上,每個(gè)...

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究背景
    1.2 研究動(dòng)機(jī)及意義
    1.3 主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 創(chuàng)新點(diǎn)
    1.4 結(jié)構(gòu)及章節(jié)安排
第二章 無線網(wǎng)絡(luò)切片的接入選擇機(jī)制
    2.1 切片選擇基本框架
    2.2 面向無線網(wǎng)絡(luò)切片的接入選擇機(jī)制研究現(xiàn)狀
    2.3 本章小結(jié)
第三章 基于遺傳算法的切片接入選擇
    3.1 引言
    3.2 系統(tǒng)模型
        3.2.1 網(wǎng)絡(luò)模型
        3.2.2 切片選擇
        3.2.3 用戶服務(wù)質(zhì)量模型
    3.3 問題建模
        3.3.1 理論模型
        3.3.2 問題NP性分析
    3.4 基于遺傳算法的切片選擇算法
        3.4.1 遺傳算法流程設(shè)計(jì)
        3.4.2 切片選擇算法
        3.4.3 復(fù)雜度分析
    3.5 數(shù)值結(jié)果分析
        3.5.1 系統(tǒng)參數(shù)
        3.5.2 數(shù)值結(jié)果
    3.6 本章小結(jié)
第四章 基于深度強(qiáng)化學(xué)習(xí)的切片切換
    4.1 引言
    4.2 系統(tǒng)模型
    4.3 問題建模
        4.3.1 馬爾科夫決策過程(MDP)
        4.3.2 基于強(qiáng)化學(xué)習(xí)的理論模型
    4.4 問題求解
        4.4.1 Q-Learning算法
        4.4.2 Deep Q-learning算法
        4.4.3 基于DQN的切換算法
    4.5 仿真分析
        4.5.1 仿真參數(shù)設(shè)置
        4.5.2 數(shù)值結(jié)果
    4.6 本章小結(jié)
第五章 多用戶協(xié)作下的動(dòng)態(tài)切片切換
    5.1 引言
    5.2 系統(tǒng)模型
    5.3 問題建模
        5.3.1 多人隨機(jī)博弈
        5.3.2 理論模型
    5.4 問題求解
        5.4.1 基于Distributed Q-learning的切換算法
        5.4.2 復(fù)雜度分析
    5.5 仿真分析
        5.5.1 仿真參數(shù)設(shè)置
        5.5.2 數(shù)值結(jié)果
    5.6 本章小結(jié)
第六章 結(jié)論與展望
    6.1 本文總結(jié)
    6.2 未來工作展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷
攻碩期間取得的成果



本文編號(hào)：3871110