針對(duì)5G網(wǎng)絡(luò)切片架構(gòu)下業(yè)務(wù)請(qǐng)求動(dòng)態(tài)性引起的虛擬網(wǎng)絡(luò)功能(VNF)遷移優(yōu)化問(wèn)題,該文首先建立基于受限馬爾可夫決策過(guò)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(dòng)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(guò)大的問(wèn)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(guò)卷積神經(jīng)網(wǎng)絡(luò)(CNN)來(lái)近似行為值函數(shù),從而在每個(gè)離散的時(shí)隙內(nèi)根據(jù)當(dāng)前系統(tǒng)狀態(tài)為每個(gè)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(yè)數(shù)】：9 頁(yè)


本文編號(hào)：3840049