基于时空特征提取的智能网络切片算法

• 作者: 肖柏狄 李荣鹏 赵志峰 张宏纲
• 来源期刊: 无线电通信技术
• 学科: 工学
• 关键词: 网络切片 深度强化学习 时空特征提取 资源分配
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 专题:面向B5G/6G的智能边缘计算网络技术|Special Topic: Intelligent Edge Computing Network Technology for B5G/6G
• 页码范围: 74-80
• 页数: 7页
• 分类号: TN929.5
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3114.2022.01.009

摘要

5G网络作为新一代的移动通信网络,提供了差异多样的各类业务服务,而通过网络切片可以将5G网络的资源虚拟化并更为有效地分配给各类服务.然而,当用户的服务需求发生变化时,需要及时地进行切片资源的重新分配和管理.为了准确适配业务需求的时空变化,提升切片性能,考虑采用深度强化学习的人工智能算法对切片资源进行实时管理,提出了基于时空特征提取的智能网络切片算法.算法采用了图注意力网络(GAT)以及长短期记忆网络(LSTM)进行数据的预处理,并使用深度Q网络(DQN)进行决策.在多基站和多用户的无线接入网场景下的仿真测试中,该算法在性能上相比于传统的网络切片算法实现了较大的提升.