基于学习的5G及未来网络无线与NFV联合资源分配端到端节能方法
信号处理
2021-07-14 v1 机器学习
网络与互联网体系结构
摘要
本文提出一种面向 NFV 使能网络的无线与核心联合资源分配框架。在所提系统模型中，目标是在保证不同服务类型端到端（E2E）服务质量（QoS）的前提下最大化能效（EE）。为此，我们构建一个优化问题，其中在无线部分分配功率与频谱资源；在核心部分，执行功能链编排、放置与调度以确保所有用户的 QoS。该联合优化问题被建模为马尔可夫决策过程（MDP），考虑了可用资源与无线信道的时间变化特性。随后采用基于最大熵框架的软 actor-critic 深度强化学习（SAC-DRL）算法求解上述 MDP。数值结果表明，与 R-RA 和 NFV-RA 问题分别优化的情况相比，所提基于 SAC-DRL 算法的联合方法能显著降低能耗。
引用
@article{arxiv.2107.05991,
title = {Learning based E2E Energy Efficient in Joint Radio and NFV Resource Allocation for 5G and Beyond Networks},
author = {Narges Gholipoor and Ali Nouruzi and Shima Salarhosseini and Mohammad Reza Javan and Nader Mokari and Eduard A. Jorswieck},
journal= {arXiv preprint arXiv:2107.05991},
year = {2021}
}