基于调度器的 xApp 冲突缓解

Open RAN (O-RAN) 促进了多厂商互操作性和数据驱动控制，同时也引入了协调预训练 xApp 以产生冲突动作的挑战。虽然 O-RAN 规范要求离线训练和验证以防止部署未训练或测试不充分的模型，但在动态且情境依赖的条件下仍可能出现操作冲突。本工作提出一种基于调度器的冲突缓解框架，以无需重新训练 xApp 或联合训练 xApp 来解决这些挑战。通过考察涉及功率和资源块分配 xApp 的间接冲突，并采用 Advantage Actor-Critic (A2C) 方法训练 xApp 和调度器，我们说明一种简单的 A2C 基于调度器的方法优于独立部署的 xApp 或存在冲突的情况。值得注意的是，在所有测试的部署场景中（包括单个 xApp 部署、多个冲突 xApp 以及受限调度器配置），通过引入基线 xApp 并使调度器从更广泛的池子中选择，可实现总传输速率的最高值，从而凸显了自适应调度机制的重要性。这些发现突显了自动化网络管理中冲突的情境依赖性——两个 xApp 在特定条件下可能产生冲突，但在其他条件下可共存。因此，能够动态更新和适应调度器以适应多样化操作意图的能力，对未来的网络部署至关重要。通过提供无需重新训练 xApp 的动态调度，本框架为实际的冲突解决方案提供了支持，同时实现了实际规模。