公开(公告)号：CN116112934A

公开(公告)日：2023-05-12

申请号：CN202310146059.0

申请日：2023-02-22

Applicant: 东南大学

Inventor： 刘楠 ,  王喻星 ,  潘志文 ,  尤肖虎

IPC: H04W16/14 ,  H04L41/14 ,  H04L41/0894 ,  H04L41/142 ,  H04L47/70 ,  G06F18/2431 ,  G06N20/00 ,  H04L41/40 ,  H04L41/16

Abstract: 本发明公开了一种基于机器学习的端到端网络切片资源分配方法。其中，强化学习IPPO算法主要用于决策满足网络切片数学模型各项约束并且使得目标函数最大的RB资源分配方案。随机森林算法作为辅助主要用于快速判断接入网给定的RB资源分配方案能否在核心网成功完成切片的VNF映射。两者相辅相成，将原来端到端联合优化的问题在不影响最优解的前提下，转化为在接入网侧和核心网侧单独进行优化。从而大大降低了计算时间复杂度，提高了资源分配的效率。

公开(公告)号：CN117978655A

公开(公告)日：2024-05-03

申请号：CN202410134960.0

申请日：2024-01-31

Applicant: 东南大学

Inventor： 刘楠 ,  王喻星 ,  潘志文 ,  尤肖虎

IPC: H04L41/0894 ,  H04L41/0803 ,  H04L41/142 ,  H04L41/14 ,  H04L41/0895 ,  H04L41/40 ,  H04L41/16 ,  G06N3/0442 ,  G06N3/092

Abstract: 本发明公开了一种基于混合优化算法的动态智能网络切片资源分配方法。首先将整个端到端网络切片资源分配问题分为了切片间资源分配、切片内资源分配以及VNF映射三个子问题。首先采用LSTM算法预测通信网络系统未来的资源需求，进而进行切片间资源分配；针对切片内资源分配问题，将其转化为经典的分组背包问题，采用动态规划的算法最大化用户的可获得速率之和，即最大化网络系统的收益；针对VNF映射问题，采用强化学习SAC算法进行求解，在最小化网络系统成本的同时大大降低了问题求解的时间复杂度。提出的混合优化算法兼顾了通信系统的灵活性和高效性，可以适应现实通信网络业务环境的动态变化，提升了通信系统的资源利用率和整体性能。