为了提高车联网中高清地图下载业务的吞吐量和降低车队行驶业务的传输时延,提出一种基于进化策略算法和匈牙利算法(Evolutionary Strategy Algorithm and Hungarian Algorithm,ES-HA)的网络切片资源分配策略。构建增强型移动带宽(Enhanc...
详细信息
为了提高车联网中高清地图下载业务的吞吐量和降低车队行驶业务的传输时延,提出一种基于进化策略算法和匈牙利算法(Evolutionary Strategy Algorithm and Hungarian Algorithm,ES-HA)的网络切片资源分配策略。构建增强型移动带宽(Enhanced Mobile Broadband,eMBB)切片和高可靠低时延(Ultra Reliable&Low Latency Communication,uRLLC)切片,根据eMBB用户和uRLLC用户功率之间的函数关系求得最佳功率,采用ES算法获得两种用户的最佳带宽,并使用HA实现最佳信道匹配。仿真结果表明,与基于集群的资源块共享和功率分配(Cluster-based Resource Block Sharing and Power Allocation,CROWN)算法、基于基准算法的资源分配策略在总吞吐量、传输任务时延、链路容量及最小吞吐量方面进行对比,该策略在满足车到基础设施(Vehicle to Infrastructure,V2I)链路用户高容量需求的同时,能够提高下载业务的吞吐量和降低车队行驶业务的传输时延。
为了改善马尔科夫链在用户移动性预测过程中时延较大、准确率不高的问题,提出一种基于误差反向传播(Back Propagation,BP)神经网络的马尔可夫链移动性预测算法(Markov Chain Mobility Prediction Algorithm based on BP Neural Network,...
详细信息
为了改善马尔科夫链在用户移动性预测过程中时延较大、准确率不高的问题,提出一种基于误差反向传播(Back Propagation,BP)神经网络的马尔可夫链移动性预测算法(Markov Chain Mobility Prediction Algorithm based on BP Neural Network,MC-BP)。该算法采用加权的误差函数对BP神经网络进行改进,通过改进的BP神经网络对状态转移概率矩阵进行训练和更新,将其结果代入马尔可夫链,得到预测的下一位置点坐标,并与实际坐标进行对比,从而完成用户移动性预测。将MC-BP与基于在线学习的马尔可夫链预测(Markov Chain based on the Online Learning System,MC-OLS)算法和BP算法进行对比,仿真结果表明,所提算法的运行时间更短,其预测准确率均高于其他两种对比算法,且能够适应不同数据集下的用户轨迹。
当底层无线接入网(Radio Access Network,RAN)发生多链路故障时,为了提高网络切片的恢复能力并且提高网络资源利用率,提出一种基于业务类型的可生存网络切片资源部署(Survivable Network Slice Resource Deployment algorithm Based on ...
详细信息
当底层无线接入网(Radio Access Network,RAN)发生多链路故障时,为了提高网络切片的恢复能力并且提高网络资源利用率,提出一种基于业务类型的可生存网络切片资源部署(Survivable Network Slice Resource Deployment algorithm Based on Service Types,SNSRD-BST)算法。该算法基于节点核心度完成节点映射,区分切片所承载的业务类型。在链路映射阶段,为高可靠、低时延类型切片寻找备份路径,预留备份资源,在故障发生后,如果备份路径可用,则直接迁移至备份路径,否则,采取基于熵权法的多属性路径排序方法进行重映射;对于受故障影响的高带宽类型切片,基于路径资源关键度模型对虚拟链路进行重映射,恢复故障链路。仿真结果表明,在稳定运行后,所提算法的请求接受率为92%,故障恢复率为93%,平均网络故障恢复时延为0.09个时间单元,长期平均收益开销比为0.62,物理链路利用率为63%。与相关算法相比,所提算法的网络切片恢复能力与网络资源利用率较高。
暂无评论