基于深度强化学习的细粒度5G RAN切片功能复用映射与路由
蔡晓烽1
望运武2
顾家骅2
朱敏2
1.东南大学 信息科学与工程学院,江苏 南京 2100962.东南大学 移动通信国家重点实验室,江苏 南京 210096
摘要：在无线接入网(RAN)中,5G网络功能细粒度分割机制可以有效地缓解基带功能集中处理和传输带宽所带来的压力.但这就需要高效的资源管理方法,才能极大地避免细粒度功能单元(FU)部署所导致的网络资源和计算资源的浪费.主要研究了基于功能复用(FR)策略的细粒度功能部署和路由算法.首先使用混合整数线性规划(MILP)来解决上述问题,以此生成的最优解作为基准.在时间复杂度方面,混合整数线性规划模型无法在限定时间内解决大规模问题.由此,提出了一种深度强化学习(DRL)辅助的资源优化分配方法,用于高效地解决基于功能复用机制的FU 基带功能部署和路由问题.从 MILP 仿真结果中可以看出,功能复用机制大大提升了资源利用率,验证其有效性;从 DRL 的仿真结果可见,DRL 方法性能明显优于启发式算法,可以使资源成本显著降低,而且在时间复杂度上,也远远优于 MILP 方法,具有更高的可扩展性.
关键词：网络功能细粒度分割5G无线接入网深度强化学习
分类号：TN915.6(通信)
资助基金：国家自然科学基金(62271135)国家自然科学基金(62101121)
论文发表日期：2023-10-28
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：10( 29-38 )
英文信息