基于强化学习的5G URLLC承载网切片流量调度优化

摘要：

随着5G通信技术的发展,各式各样的网络业务层出不穷.与此同时,新型网络业务使得传统通信承载网的基础设施面临着新的挑战.一方面,有一部分新型网络业务需要在5G网络的超低时延超高可靠性条件下(Ultra-reliable and Low Latency Communications,URLLC)场景下进行服务,此业务需要5G网络提供超低时延以及超高可靠性的通信保障.另一方面,此类型业务流量在传统承载网架构下容易形成局部链路拥塞从而影响交付质量.为解决这些问题,提出了一种基于SDN软件定义网络与强化学习URLLC场景承载网切片流量管理方法.此方法利用SDN转发与控制分离特性并借助深度强化学习来进行决策,从而达到最小化网络负载的效果.通过仿真实验,提出的流量调度方法优于传统的基本管理方法.

关键词：5G、网络切片、SDN、深度强化学习、负载均衡

所属期刊栏目：18

分类号：TN914

资助基金：广西自然科学基金项目;桂林市科技计划项目

在线出版日期：2022-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：9-13