5G网络切片中VNF的高效嵌入：一种深度强化学习方法
网络与互联网体系结构
2022-07-26 v1
摘要
5G无线接入网（RAN）切片旨在将基础设施逻辑地划分为一组自包含的可编程RAN切片，每个切片构建在底层物理RAN（ substrate）之上，是一个独立的逻辑移动网络，提供一组具有相似特征的服务。每个RAN切片由分布在不同底层节点上的多种虚拟网络功能（VNF）构成。因此，构建鲁棒RAN切片的一个关键挑战在于设计一种RAN切片（RS）配置方案，该方案能利用底层网络中的资源可用性以及切片间的相互依赖关系等信息，将VNF映射（嵌入）到活跃的底层节点上。基于此动机，我们提出了一种由机器学习驱动的RAN切片方案，旨在给定请求集中容纳最大数量的切片（一组相连的虚拟网络功能——VNF）。更具体地，我们提出了一种称为深度分配代理（DAA）的深度强化方案。简而言之，DAA利用一个经验设计的深度神经网络来观测底层网络与请求切片的当前状态，以调度切片，随后使用优化算法将其VNF映射到底层节点。DAA通过显式设计的奖励函数进行训练，目标是最大化给定集中被容纳的切片数量。我们的实验研究表明，在资源受限的底层网络中，DAA平均能维持超过80%的成功路由切片率，在极端条件（即可用资源远小于需求）下约为60%。
引用
@article{arxiv.2207.11822,
title = {Efficient Embedding VNFs in 5G Network Slicing: A Deep Reinforcement Learning Approach},
author = {Linh Le and Tu N. Nguyen and Kun Suo and Jing He},
journal= {arXiv preprint arXiv:2207.11822},
year = {2022}
}
备注
6 pages