基于乐观在线学习的虚拟化资源预留

无线网络的虚拟化为新服务通过网络切片市场访问网络运营商（NO）提供的网络资源创造了条件。各服务提供商（SP）有机会从 NO 租赁网络资源以构成切片，满足其特定网络服务的需求。任何 SP 的目标都是在面临资源价格与用户需求不确定性的情况下，最大化其服务效用并最小化租赁资源的成本。本文中，我们提出一种使 SP 能决定其在线预留策略的方案，旨在同时最大化服务效用并最小化预留成本。我们设计了预留乐观在线学习（OOLR）方案，一种构建于 Follow-the-Regularized Leader（FTRL）之上的决策算法，其融入关键预测以辅助决策过程。我们的方案达到了 $\mathcal{O}(\sqrt{T})$ 的遗憾界，其中 $T$ 表示时域范围。我们将预测模型集成到 OOLR 方案中，并通过数值结果证明了组合模型方案相对于 FTRL 基线的有效性。