-
公开(公告)号：CN110809261B
公开(公告)日：2022-04-12
申请号：CN201911063596.9
申请日：2019-10-31
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种H‑CRAN网络下联合拥塞控制和资源分配的网络切片动态资源调度方法，属于移动通信技术领域。该方法通过综合考虑业务接入控制、拥塞控制、无线资源分配和复用，以最大化网络平均和吞吐量为目标，在每个资源调度时隙内动态地为性能需求各异的网络切片用户分配频谱和功率资源，并控制各终端用户当前时隙接入的新的业务数据量。本发明提出的联合拥塞控制和资源分配的网络切片动态资源调度方法能在满足各切片用户服务质量需求的基础上，提升网络整体吞吐量，并且还可通过调整控制参量的取值实现时延和吞吐量间的动态平衡。
-
公开(公告)号：CN110809261A
公开(公告)日：2020-02-18
申请号：CN201911063596.9
申请日：2019-10-31
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种H-CRAN网络下联合拥塞控制和资源分配的网络切片动态资源调度方法，属于移动通信技术领域。该方法通过综合考虑业务接入控制、拥塞控制、无线资源分配和复用，以最大化网络平均和吞吐量为目标，在每个资源调度时隙内动态地为性能需求各异的网络切片用户分配频谱和功率资源，并控制各终端用户当前时隙接入的新的业务数据量。本发明提出的联合拥塞控制和资源分配的网络切片动态资源调度方法能在满足各切片用户服务质量需求的基础上，提升网络整体吞吐量，并且还可通过调整控制参量的取值实现时延和吞吐量间的动态平衡。
-
公开(公告)号：CN111475252B
公开(公告)日：2022-07-15
申请号：CN202010155122.3
申请日：2020-03-06
Applicant: 重庆邮电大学
IPC: G06F9/455 , G06F9/50 , G06N3/04 , H04L41/0823
Abstract: 本发明涉及一种基于深度强化学习的虚拟网络功能部署优化方法，属于移动通信技术领域。本方法在保证物理层CPU、带宽资源和SFC端到端时延约束下，考虑VNF共享，通过部署VNF和分配CPU资源来联合优化服务提供商总成本和SFC端到端时延；其次，由于本方案的状态空间和动作空间是连续值集合，提出一种基于深度强化学习的VNF智能部署算法，从而得到近似最优的VNF部署和资源分配策略。在每个离散的时隙上，根据SFC的到达率、通用服务器的剩余CPU资源以及物理链路的剩余带宽资源，将VNF部署至合适的目的服务器上，并分配给其CPU资源。本发明提出的VNF部署优化算法可以实现服务提供商总成本和SFC端到端时延的折中，并提高物理网络的资源利用。
-
公开(公告)号：CN111475252A
公开(公告)日：2020-07-31
申请号：CN202010155122.3
申请日：2020-03-06
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度强化学习的虚拟网络功能部署优化算法，属于移动通信技术领域。本方法在保证物理层CPU、带宽资源和SFC端到端时延约束下，考虑VNF共享，通过部署VNF和分配CPU资源来联合优化服务提供商总成本和SFC端到端时延；其次，由于本方案的状态空间和动作空间是连续值集合，提出一种基于深度强化学习的VNF智能部署算法，从而得到近似最优的VNF部署和资源分配策略。在每个离散的时隙上，根据SFC的到达率、通用服务器的剩余CPU资源以及物理链路的剩余带宽资源，将VNF部署至合适的目的服务器上，并分配给其CPU资源。本发明提出的VNF部署优化算法可以实现服务提供商总成本和SFC端到端时延的折中，并提高物理网络的资源利用。
-
Patent Agency Ranking
公开(公告)号：CN111130904B
公开(公告)日：2022-03-29
申请号：CN201911402655.0
申请日：2019-12-30
Applicant: 重庆邮电大学
IPC: H04L41/5051 , H04L41/0894
Abstract: 本发明涉及一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法，属于移动通信技术领域。该算法具体包括以下步骤：S1：在NFV/SDN架构下，考虑SFC资源需求动态变化，在保证底层物理资源和用户QoS需求的前提下，通过VNF迁移，并确定底层每个通用物理服务器的工作状态，实现网络能耗与SFC端到端时延的联合优化；S2：针对状态空间和动作空间是连续值集合，采用基于深度确定性策略梯度的VNF智能迁移算法，从而得到近似最优的VNF迁移策略；S3：在每个离散的时隙上，根据底层通用服务器工作状态、VNF的CPU资源需求以及虚拟链路的带宽资源需求，将VNF迁移至合适的目的服务器上。该算法可以实现网络能耗和SFC端到端时延的折中，并提高物理网络的资源利用率。
-
公开(公告)号：CN111586696A
公开(公告)日：2020-08-25
申请号：CN202010358378.4
申请日：2020-04-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多智能体架构强化学习的资源分配及卸载决策方法，属于移动通信技术领域。该方法在考虑激励约束、能量约束、以及网络资源约束，联合优化无线资源分配、计算资源分配以及卸载决策，建立最大化系统总用户QoE的随机优化模型，并转化为MDP问题。其次，该方法将原MDP问题进行因式分解，并建立马尔科夫博弈模型。然后，该方法基于行动者-评判家算法提出一种集中式训练、分布式执行机制。在集中式训练过程中，多智能体通过协作获取全局信息，实现资源分配及任务卸载决策策略优化，在训练过程结束后，各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。本发明可以有效提升用户QoE，并降低了时延及能耗。
-
公开(公告)号：CN111586696B
公开(公告)日：2022-04-01
申请号：CN202010358378.4
申请日：2020-04-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多智能体架构强化学习的资源分配及卸载决策方法，属于移动通信技术领域。该方法在考虑激励约束、能量约束、以及网络资源约束，联合优化无线资源分配、计算资源分配以及卸载决策，建立最大化系统总用户QoE的随机优化模型，并转化为MDP问题。其次，该方法将原MDP问题进行因式分解，并建立马尔科夫博弈模型。然后，该方法基于行动者‑评判家算法提出一种集中式训练、分布式执行机制。在集中式训练过程中，多智能体通过协作获取全局信息，实现资源分配及任务卸载决策策略优化，在训练过程结束后，各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。本发明可以有效提升用户QoE，并降低了时延及能耗。
-
公开(公告)号：CN111130904A
公开(公告)日：2020-05-08
申请号：CN201911402655.0
申请日：2019-12-30
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明涉及一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法，属于移动通信技术领域。该算法具体包括以下步骤：S1：在NFV/SDN架构下，考虑SFC资源需求动态变化，在保证底层物理资源和用户QoS需求的前提下，通过VNF迁移，并确定底层每个通用物理服务器的工作状态，实现网络能耗与SFC端到端时延的联合优化；S2：针对状态空间和动作空间是连续值集合，采用基于深度确定性策略梯度的VNF智能迁移算法，从而得到近似最优的VNF迁移策略；S3：在每个离散的时隙上，根据底层通用服务器工作状态、VNF的CPU资源需求以及虚拟链路的带宽资源需求，将VNF迁移至合适的目的服务器上。该算法可以实现网络能耗和SFC端到端时延的折中，并提高物理网络的资源利用率。
-
公开(公告)号：CN110519095A
公开(公告)日：2019-11-29
申请号：CN201910804912.7
申请日：2019-08-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向混合能源供应的H-CRAN网络架构下资源分配及能源管理方法，属于移动通信技术领域。在该方法中，在每个离散的时隙上，考虑用户的跨层干扰、系统稳定性及能源可持续性，在保证每类用户最低服务质量需求、用户队列平均时延约束以及能源队列可持续性的前提下，根据用户设备的当前时隙的状态信息为每个服务提供商所服务的用户分配合适的无线资源，并且每个基站根据当前的环境状态信息进行能源管理以最大化服务提供商平均净收益为目标进行的动态资源分配与能源管理。本发明提出的动态资源分配及能源管理方法能够在提升服务提供商平均净收益的同时保持系统数据队列时延需求、能源队列可持续性以及用户的服务质量需求。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
