面向基于 ORAN 的 6G 网络的 AIaaS：基于 DRL 的多时间尺度切片资源管理

本文探讨了在基于开放无线接入网（ORAN）的架构中，如何处理 6G 网络在不同时间尺度上的切片资源。所提出的解决方案将人工智能（AI）置于网络边缘，并采用两个控制级环路以获得优于其他技术的最优性能。ORAN 促进了可编程网络架构，以使用 AI 方法支持此类多时间尺度管理。所提出的算法从切片性能分析资源的最大利用率，以在切片间层级做出决策。切片间智能体工作在非实时层级，以重新配置各切片内的资源。除了满足切片需求外，切片内目标还必须包括最小化最大资源利用率。这在不影响切片性能的情况下实现了每个切片内资源的智能利用。此处，作为切片内智能体的每个 xApp 旨在满足用户的最优服务质量（QoS），但同时还须纳入一些切片间目标以协调切片内与切片间智能体。这在不惩罚主要切片内目标的情况下完成。所有智能体均使用深度强化学习（DRL）算法来实现其目标。我们给出了增强移动宽带（eMBB）、超可靠低时延（URLLC）和海量机器类通信（mMTC）切片类别的结果。