中文引用格式:邵锋,孙君. 基于有限记忆、概率学习的双时间尺度切片资源分配方法[J]. 电子技术应用,2025,51(3):17-24.
英文引用格式:Shao Feng,Sun Jun. Dual time scale network slice resource allocation method based on limited memory and probability learning[J]. Application of Electronic Technique,2025,51(3):17-24.
引言
5G-A和6G移动网络将带来增强的网络能力和性能,为不同的行业和个人提供各种用例[1]。不同的应用程序在带宽、时延、能源效率、移动性等方面有不同甚至相互矛盾的要求,而网络切片技术可以有效地解决这一需求。网络切片通常包括接入网切片和核心网切片,对无线接入网(Radio Access Network,RAN)来说,向用户分配无线电资源是一项极其复杂的操作,通常面临着资源稀缺和异构服务质量(QoS)的问题[2]。因此,如何将通信资源以最佳方式分配到切片和用户成为关键问题。Zangooei 等人比较综合地调研了在RAN切片中处理资源分配问题最先进的强化学习(Reinforcement Learning,RL)方法,并且给出了RL方法在网络切片中可能存在的问题以及解决方案[3]。Hua等人针对最大化网络切片中的系统频谱效率(Spectral Efficiency,SE)、系统效用等参数做出了研究[4-7]。Filali等人针对服务水平协议(Service Level Agreement,SLA)满意度以及资源块(Resource Block,RB)分配效率、寻求最优的RB分配策略问题做出了研究[8-11]。新兴的6G网络预计将为异构需求提供更多的服务,这是由许多垂直行业创建的[12],因此网络切片的类型更加多样,粒度需要更加精细,且可能发生动态变化。基于上述挑战,本文针对多基站多切片、切片类型动态变化场景下的资源分配问题做出了研究,提出了一种更加智能化的算法,并通过仿真验证了算法的性能。
本文详细内容请下载:
https://www.chinaaet.com/resource/share/2000006353
作者信息:
邵锋1,孙君1,2
(1.南京邮电大学 通信与信息工程学院,江苏 南京 210003;
2.江苏省无线通信重点实验室,江苏 南京 210003)