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

作者：蔡晓烽; 望运武; 顾家骅; 朱敏^*

来源：聊城大学学报(自然科学版), 2023, 36(05): 29-38.

DOI：10.19728/j.issn1672-6634.2023020012

• 网络功能细粒度分割
• 5G
• 无线接入网
• 深度强化学习

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。

• 单位
  移动通信国家重点实验室; 东南大学