vRAN中基于学习的动态功能分割与资源分配编排
网络与互联网体系结构
2022-07-20 v1
摘要
虚拟化无线接入网（vRANs）的关键优势之一是网络管理的灵活性。然而，这种多功能性带来了前所未有的网络管理挑战。本文提出一种基于学习的零接触vRAN编排框架（LOFV），联合选择功能分割并分配虚拟化资源，以最小化长期管理成本。首先，利用集中式RAN系统收集用户需求与虚拟化资源利用之间行为的测试床测量数据。所收集数据揭示了需求与资源利用之间存在非线性且非单调的关系。随后，提出一个综合成本模型，考虑资源过度配置、拒绝的需求、实例化与重配置。此外，该成本模型还捕获了每种分割不同的路由与计算成本。受测量洞见与成本模型驱动，LOFV采用无模型强化学习范式开发。该方案由深度Q学习与基于回归的神经网络组合构建，将网络状态与用户需求映射为分割与资源控制决策。数值评估表明，LOFV可相比最优静态策略节省至多69%成本，相比最优全动态策略节省至多45%成本。
引用
@article{arxiv.2205.07518,
title = {Learning-Based Orchestration for Dynamic Functional Split and Resource Allocation in vRANs},
author = {Fahri Wisnu Murti and Samad Ali and George Iosifidis and Matti Latva-aho},
journal= {arXiv preprint arXiv:2205.07518},
year = {2022}
}
备注
This paper has been accepted in Proc. of The 2022 Joint European Conference on Networks and Communications (EuCNC) & 6G Summit