面向边云协同车载网络的高性价比两阶段网络切片
网络与互联网体系结构
2023-01-10 v1 人工智能
摘要
本文研究边云协同车载网络的网络切片问题，其中边缘与云服务器被协同调度以处理计算任务，从而在满足服务质量要求的同时降低网络切片成本。我们提出一种两阶段网络切片框架，包括：1)大时间尺度的网络规划阶段，执行切片部署、边缘资源供给与云资源供给；2)小时间尺度的网络运行阶段，执行资源分配与任务调度。特别地，我们将网络切片问题建模为两时间尺度随机优化问题以最小化切片成本。由于网络规划与运行阶段耦合导致问题为NP-hard，我们开发了双时间尺度网络切片(TAWS)算法，协同集成强化学习(RL)与优化方法，可联合制定网络规划与运行决策。具体而言，利用决策的时间尺度分离特性，我们将问题解耦为大时间尺度网络规划子问题与小时间尺度网络运行子问题。前者由RL方法求解，后者由优化方法求解。基于真实车辆轨迹的仿真结果表明，与基准方案相比，TAWS能有效降低网络切片成本。
引用
@article{arxiv.2301.03358,
title = {Cost-Effective Two-Stage Network Slicing for Edge-Cloud Orchestrated Vehicular Networks},
author = {Wen Wu and Kaige Qu and Peng Yang and Ning Zhang and Xuemin and Shen and Weihua Zhuang},
journal= {arXiv preprint arXiv:2301.03358},
year = {2023}
}
备注
The paper has been accepted by IEEE ICCC 2022