基于时空特征提取的智能网络切片算法

作者：肖柏狄; 李荣鹏; 赵志峰; 张宏纲

来源：无线电通信技术, 2022, 48(01): 74-80.

• 网络切片
• 深度强化学习
• 时空特征提取
• 资源分配

5G网络作为新一代的移动通信网络,提供了差异多样的各类业务服务,而通过网络切片可以将5G网络的资源虚拟化并更为有效地分配给各类服务。然而,当用户的服务需求发生变化时,需要及时地进行切片资源的重新分配和管理。为了准确适配业务需求的时空变化,提升切片性能,考虑采用深度强化学习的人工智能算法对切片资源进行实时管理,提出了基于时空特征提取的智能网络切片算法。算法采用了图注意力网络(GAT)以及长短期记忆网络(LSTM)进行数据的预处理,并使用深度Q网络(DQN)进行决策。在多基站和多用户的无线接入网场景下的仿真测试中,该算法在性能上相比于传统的网络切片算法实现了较大的提升。

• 单位
  电子工程学院; 之江实验室