Distributed Virtual Resource Allocation in Small Cell Networks with Full Duplex Self-backhauls and Virtualization
无线网络虚拟化已经引起了学术界和工业界的极大关注。用于下一代无线网络的另一新兴技术是带内全双工(FD)通信。由于其有前途的性能,FD通信已被认为是实现小小区自回程的有效方式。本文将无线虚拟化技术引入到小小区网络中,提出了一种具有FD自回传功能的虚拟化小小区网络架构。我们将具有FD自回程的虚拟化小小区网络中的虚拟资源分配问题表示为优化问题。由于该问题是一个混合的组合非凸优化问题,其计算复杂性很高。此外,集中式方案可能遭受信令开销、过时的动态信息和可扩展性问题。为了有效地解决这个问题,我们把原问题分成两个子问题。对于第一个子问题,我们将其转化为一个凸优化问题,然后用一个基于交替方向乘子法(ADMM)的分布式算法求解。第二子问题是凸问题,可以由每个基础设施提供商解决。大量的仿真进行了不同的系统配置,以显示所提出的方案的有效性。
2015-10-20 cs.NI
Virtualized Application Function Chaining: Maximizing the Wearable System Lifetime
在创新的新型智能可穿戴设备和有趣的服务平台的推动下,用户穿戴和携带的智能设备数量正在迅速增长。这导致了利用身体周围的多个设备来提供诸如混合现实之类的沉浸式环境的应用。这些应用依赖于许多不同类型的功能,如传感,通信和各种类型的处理,需要相当多的资源。因此,支持这些应用的主要挑战之一取决于提供必要功能的设备的电池寿命。电池寿命可以通过结合具有更大容量的电池和/或通过有效地利用可用资源来延长。然而,电池容量的增加并没有跟上需求,更大的电池增加了设备的重量和尺寸。因此,本文的研究重点是通过智能资源利用来提高电池的效率。我们表明,当相同的资源可用于多个设备,形成可穿戴系统的一部分,和/或在附近,它是可能的考虑他们作为一个资源池,并进一步利用它们智能地提高系统的寿命。特别地,我们将函数分配算法表示为一个混合线性规划(MILP)优化问题,并提出了一个有效的启发式解决方案。实验数据驱动的模拟结果表明,大约40-50%的系统电池寿命的改善,可以实现适当的功能分配和编排。
2018-04-02 cs.NI
Placement and Routing Optimization Problem for Service Function Chain: State of Art and Future Opportunities
网络功能虚拟化(NFV)允许网络功能的植入独立于专用硬件设备。任何一系列的服务都可以由一个服务功能链来表示,该服务功能链包含一组按指定顺序的虚拟化网络功能。从网络性能优化的角度来看,在网络中部署服务链的挑战是双重的:1)放置虚拟化网络功能的位置和资源分配方案;以及2)不同网络功能实例之间的业务流的路由策略。介绍了业务功能链相关的优化问题,总结了虚拟化网络功能部署和流量路由的优化动机和主流算法。希望能帮助读者了解当前的研究进展,并在此领域做出进一步的创新。
2019-10-07 cs.NI
Slicing Virtualized EPC-based 5G Core Network for Content Delivery
Concordia University(康科迪亚大学);Université du Québec À Montréal(蒙特利尔魁北克大学)
采用传统互联网技术构建的传统内容分发网络(CDN)越来越无法应对当今内容的巨大增长。信息中心网络(ICN),一个拟议中的未来互联网技术,可能有助于补救这种情况。与当前的互联网不同,它从其来源收集信息并提供网络存储。我们预计传统CDN和基于ICN的CDN将在可预见的未来共存,特别是因为现在已经知道,传统CDN可能会发展,以获得ICN承诺的好处。因此,5G提供商必须致力于提供核心网络切片,在此基础上可以构建基于ICN的CDN和传统CDN。当然,这些切片也可以提供给具有类似于内容交付的要求的其他应用程序的提供商。本文解决了在基于ICN的CDN和传统CDN上对5G进行切片以进行内容交付的问题。仅考虑基于虚拟化演进分组核心(EPC)的5G。该问题被定义为一个资源分配问题,其目的是最大限度地减少成本的切片分配,同时满足QoS要求。一个非线性规划(ILP)制定和评估在一个小规模的情况下。
2018-05-16 cs.NI
Fair Resource Allocation in Virtualized O-RAN Platforms
TU Delft(代尔夫特理工大学);NEC Labs Europe(欧洲 NEC 实验室);i2CAT;ICREA(加泰罗尼亚研究与高级研究所)
本文针对虚拟化 O-RAN 平台的高能耗问题,提出结合计算与无线策略及新型在线学习框架,在保障长期公平性的同时实现节能与性能的平衡,并在真实场景中验证了其有效性。
2024-02-17 cs.AI cs.LG cs.NI
Understanding the Computational Requirements of Virtualized Baseband Units using a Programmable Cloud Radio Access Network Testbed
云无线电接入网络(C-RAN)正在成为下一代移动蜂窝网络的变革性架构。在C-RAN中,基带单元(BBU)与基站(BS)解耦并合并在集中式处理中心中。虽然C-RAN的潜在好处已经从理论角度进行了广泛的研究,但只有少数工作解决了系统实现问题并表征了虚拟化BBU的计算要求。在本文中,提出了一个可编程的C-RAN测试床,其中使用OpenAirInterface(OAI)软件平台虚拟化BBU,并使用USRP板实现eNodeB和用户设备(UE)。在FDD下行LTE仿真系统中进行了大量的实验,以表征在各种条件下BBU的性能和计算资源消耗。结果表明,处理时间和CPU利用率的BBU增加与信道资源和调制和编码方案(MCS)的索引,并且CPU利用率的百分比可以很好地近似为一个线性增加的函数的最大下行链路数据率。这些结果提供了对BBU在计算资源和功耗方面的特性的真实见解,这可以作为C-RAN系统中高效资源提供和分配策略的设计的输入。
2017-06-20 cs.NI
Nexus: Efficient and Scalable Multi-Cell mmWave Baseband Processing with Heterogeneous Compute
Duke University(杜克大学)
NEXUS通过异构计算实现高效多小区毫米波基带处理,支持16个并发小区,达到5.37Gbps吞吐量。
2026-02-25 cs.NI
MemorAI: Energy-Efficient Last-Level Cache Memory Optimization for Virtualized RANs
针对虚拟化无线接入网中共享缓存导致的高能耗问题,本文提出MemorAI方法,通过LLC隔离、按vBS分解问题并训练数字孪生与离线分类器来优化缓存分配,实验表明其性能接近离线最优预言机并优于现有标准方法。
2024-05-03 cs.NI
Energy Efficient Task Assignment in Virtualized Wireless Sensor Networks
无线传感器网络(WSNs)在当今的各个领域得到了广泛的应用。然而,它们传统上部署有嵌入其中的应用程序,这排除了它们对新应用程序的重用。如今,虚拟化通过将物理资源(即传感能力)抽象为逻辑资源,使同一个WSN上的多个应用程序成为可能。然而,这是有代价的,包括能源成本。因此,必须确保有效分配这些资源。在本文中,我们研究的问题分配应用程序的传感器设备的传感任务,在虚拟化的无线传感器网络。我们的目标是最大限度地减少分配所产生的总能耗。我们专注于静态版本的问题,并制定它使用线性规划(ILP),同时占传感器节点的可用能量和虚拟化开销。我们解决了不同的情况下的问题,并比较所获得的解决方案的情况下,传统的无线传感器网络,即一个不支持虚拟化。我们的研究结果表明,当任务被适当地分配在一个支持虚拟化的无线传感器网络,可以节省大量的能源。
2018-05-07 cs.DC cs.NI cs.PF
Substitutability of Spectrum and Cloud-based Antennas in Virtualised Wireless Networks
在未来无线网络中出现的一些新趋势使得能够极大地增加接入各种资源的流动性,从而支持灵活的网络组成和资源到虚拟网络运营商(VN0)的动态分配。在这项工作中,我们研究了一个新的资源分配的机会,使云无线电接入网络架构。特别是,我们调查基于云的天线和频谱作为虚拟化无线网络中的两个重要资源之间的关系。我们分析了频谱和天线之间的相互作用的背景下,基于拍卖的分配机制,通过该机制,VNO可以出价的两种类型的资源的组合。我们的分析表明,这两种资源的互补性和部分替代性显着影响这些资源的分配结果,并揭示了频谱和基础设施提供商之间的利益分歧的可能性。
2016-03-16 cs.NI
Understand Your Chains: Towards Performance Profile-based Network Service Management
将资源分配给虚拟化网络功能和服务以满足服务水平协议对于NFV管理和编排系统来说是一项具有挑战性的任务。当应用敏捷开发方法(如DevOps)时,这变得更具挑战性。在这种情况下,管理和编排系统不断面临新版本的功能和服务,这使得难以决定必须向它们分配多少资源以提供预期的服务性能。该问题的一个解决方案是利用通过应用于这样的网络功能和服务的剖析技术获得的性能行为信息来支持资源分配决策。在本立场文件中,我们分析和讨论了在NFV DevOps工作流中生成此类性能行为信息所需的组件。我们还概述了研究问题,这些问题可以识别完全集成的NFV分析解决方案的开放问题和缺失部分。此外,我们引入了一种新的分析机制,该机制能够在不同的资源约束下分析虚拟化网络功能和整个网络服务链,然后将其部署在生产基础设施上。
2017-03-23 cs.NI
Comparative Advantage Driven Resource Allocation for Virtual Network Functions
随着通信服务提供商(CSP)采用网络功能虚拟化(NFV)范例,它们需要将其网络功能容量转换到具有在一组异构服务器上运行的不同网络功能的虚拟化基础设施。本摘要描述了一种用于针对给定的虚拟网络功能(VNF)要求集合分配服务器资源(计算、存储和网络)的新颖技术。我们的方法可以帮助电信提供商决定在具有不同性能特征的服务器上运行多个VNF的最有效方法。我们对异构/不同服务器资源分配上的现有VNF性能表征的分析表明,在不同服务器的资源分配之间任意创建许多VNF的能力导致服务器之间的比较优势。我们提出了一个VNF的资源分配方法称为比较,最大限度地提高系统的总吞吐量,制定这个资源分配问题作为一个比较优势的问题之间的异构服务器。存在用于使用来自COMPARE的VNF资源分配的若干应用,包括将当前的电信部署转换到基于NFV的解决方案,以及提供用于服务功能链(SFC)供应的初始VNF放置。
2016-03-12 cs.CY cs.NI
Resource Management Techniques for Cloud-Based IoT Environment
物联网(IoT)是一个基于互联网的连接设备和应用环境。物联网创造了一个环境,在这个环境中,物理设备和传感器被无缝地组合成信息节点,为人类提供创新和智能的服务,使他们的生活更轻松,更高效。物联网设备网络的主要目标是生成数据,这些数据通过数据分析过程转换为有用的信息,它还为最终用户提供有用的资源。物联网资源管理是确保最终用户体验质量的关键挑战。许多物联网智能设备和技术,如传感器,执行器,RFID,UMTS,3G和GSM等,都用于开发物联网网络。云计算在这些网络部署中扮演着重要的角色,它提供物理资源,因为虚拟化资源包括安全的内存、计算能力、网络带宽、虚拟化系统和设备驱动程序,并按使用付费。基于云的物联网环境的主要关注点之一是资源管理,其确保有效的资源利用、负载均衡、减少SLA违规,并通过降低运营成本和能耗来提高系统性能。许多研究人员提出了基于物联网的资源管理技术。本文的重点是研究这些提出的资源分配技术,并发现哪些参数必须考虑改善物联网网络的资源分配。此外,本文还揭示了物联网环境中基于云的资源分配的挑战和问题。
2020-02-11 cs.DC cs.NI
Real-Time Capable, Low-latency Upstream Scheduling in Multi-Tenant, SLA Compliant TWDM PON
针对多租户vPON的上行调度需求,提出DTWA合并式DBA算法,支持多信道动态波长分配,经Numba优化可低时延实时运行,满足6G SLA要求,并分析了吞吐量权衡与算法性能。
2025-06-13 cs.NI
Constrained Deep Reinforcement Based Functional Split Optimization in Virtualized RANs
在虚拟化无线电接入网络(vRAN)中,基站(BS)功能被分解为虚拟化组件,这些虚拟化组件可以通过功能划分而托管在集中式单元或分布式单元处。这种灵活性具有许多益处;然而,它还需要以使总网络成本最小化的方式解决找到BS的功能的最佳分割的问题。基础vRAN系统非常复杂,对其进行精确建模并不容易。公式化的功能分裂问题,以最大限度地减少成本的结果,在一个组合的问题,可证明是NP-难的,解决它是计算昂贵的。本文提出了一种约束深度强化学习(RL)方法来解决这个问题,对底层系统的假设最少。由于在深度RL中,动作选择是神经网络推理的结果,因此它可以实时完成,而更新神经网络的训练可以在后台完成。然而,由于该问题是组合的,即使对于少量的函数,RL问题的动作空间也变得很大。因此,为了处理如此大的动作空间,利用基于链式规则的随机策略,其中应用基于长短期记忆(LSTM)网络的序列到序列模型来估计选择功能分裂动作的策略。然而,所利用的策略仍然限于无约束的问题,并且每个分割决策受vRAN的约束要求的约束。因此,利用约束策略梯度方法来训练和引导策略朝向约束满足。此外,通过贪心解码或温度采样的搜索策略被用来提高测试时的最优性能。使用合成和真实的网络数据集进行模拟,以评估所提出的解决方案的性能。
2022-06-03 cs.NI eess.SP
Scheduling for Cloud-Based Computing Systems to Support Soft Real-Time Applications
基于云的计算基础设施提供了支持实时的【形】处理工作负载的有效手段,虚拟化基站处理和协作视频会议。本文讨论了一个计算系统的资源分配与多个资源支持异构的软实时的【形】应用程序受到服务质量(QoS)的限制,失败,以满足处理的最后期限。我们开发了一个通用的外部边界上的可行的QoS区域的非透视资源分配政策,和一个自然类的政策的基础上动态优先级的应用程序的任务,有利于那些最大的(QoS)赤字的内部边界。这为研究两种自然资源分配策略的效率提供了途径:(1)针对具有可变工作负载的应用的基于优先级的贪婪任务调度,以及(2)针对具有确定性工作负载的应用的基于优先级的任务选择和最优调度。当任务处理期限相对较大和/或计算资源的数量较大时,这些简单策略的接近最优性出现。分析和模拟表明,大量的资源节省,这种政策的保留为基础的设计。
2016-03-07 cs.NI
Characterizing Delay and Control Traffic of the Cellular MME with IoT Support
高级蜂窝网络的主要用例之一由大规模物联网(MIoT)表示,即,大量物联网设备向蜂窝网络基础设施传输数据。为了使蜂窝MIoT成为现实,需要专门为支持物联网而设计的数据传输和控制程序。出于这个原因,3GPP引入了控制平面蜂窝物联网优化,该优化预见了简化的承载实例化,其中移动性管理实体(MME)处理控制和数据流量。因此,MME的性能变得至关重要,适当扩展其计算能力可以决定整个网络有效解决MIoT的能力。特别地,考虑到虚拟化网络和对计算资源的有效分配的需求,随着MIoT业务负载的变化,表征MME性能是至关重要的。我们通过呈现将物联网源的数量与请求承载的速率联系起来的紧凑、封闭形式的表达式,以及这种速率与物联网数据引起的延迟来解决这一需求。我们表明,我们的分析,通过测试台实验的支持和验证,通过大规模的模拟,是一个有价值的工具,使有效的扩展决策,在虚拟化的蜂窝核心网络。
2020-01-01 cs.NI
Energy-Efficient and Delay-Guaranteed Joint Resource Allocation and DU Selection in O-RAN
下一代无线网络的无线电接入网络(RAN)部分将需要有效的解决方案来满足低延迟和高吞吐量服务。开放RAN(O-RAN)是实现这一目标的候选者之一,除了增加供应商多样性和促进开放性之外。在O-RAN架构中,网络功能在中央单元(CU)、分布式单元(DU)和无线电单元(RU)中执行。这些实体在通用CPU上虚拟化并形成处理池。这些处理池可能位于不同的地理位置,容量有限,影响网络的能耗和性能。此外,由于用户需求是不确定的,应特别注意通过确保他们的预期服务质量的延迟敏感的业务流的资源块分配给用户。在本文中,我们提出了一个联合优化解决方案,以提高能源效率,并提供延迟保证的O-RAN架构中的用户。我们制定这个新的问题,并将其线性化,以提供一个混合整数线性问题(MILP)求解器的解决方案。我们将此与使用不相交方法解决此优化问题的基线进行比较。结果表明,我们的方法优于基线方法的能源效率。
2022-01-29 cs.NI
Joint Reliability-aware and Cost Efficient Path Allocation and VNF Placement using Sharing Scheme
网络功能虚拟化(NFV)是现代网络的重要参与者,其提供不同类型的服务,诸如流量优化、内容过滤和负载均衡。更确切地说,NFV是一种配置技术,旨在通过使用虚拟化网络功能(VNF)将服务从专用硬件移动到商品服务器来减少网络提供商的大量资本支出(CAPEX)。遵循逻辑目标的VNF/服务的序列被称为服务功能链(SFC)。向SFC的发展给那些需要高可靠性的网络服务带来了新的挑战。为了应对这一挑战,引入了冗余方案。使用专用保护的现有冗余方案增强了服务的可靠性,然而,它们没有考虑冗余VNF的成本。在本文中,我们提出了一种新的可靠性增强方法,使用共享的保护方案,以减少冗余VNF的成本。为此,我们在数学上将该问题表示为混合线性规划(MILP)。其目标是确定最佳的可靠性,可以达到最低的成本。虽然相应的优化问题可以解决使用现有的MILP求解器,计算复杂性是不合理的现实情况。之后,我们提出了一个可靠性感知和最小成本的遗传算法(RCG)来解决这个问题,具有低计算复杂性。为了评估所提出的解决方案,我们将其与四种不同的解决方案进行了比较。仿真结果表明,与最优解相比,RCG以更低的复杂度获得了接近最优的性能。
2020-04-19 cs.NI
SOARAN: A Service-oriented Architecture for Radio Access Network Sharing in Evolving Mobile Networks
移动网络正经历向软件定义网络(SDN)基础设施的快速演进,以适应不断增长的移动流量,并克服技术创新和服务市场不断加速演进所导致的网络管理噩梦。演进的载波无线网络倾向于在多个(虚拟)网络运营商之间共享无线电接入网络(RAN)以便增加网络容量并降低费用。然而,现有的RAN共享模型是面向运营商的,为了资源共享的目的,其向参与的网络运营商暴露了大量的资源细节,例如基础设施和频谱。这些老式的模型违反了SDN抽象的设计原则,并且无法管理按需定制服务的蓬勃发展的流量。本文提出了一种面向服务的移动网络RAN共享框架SOARAN,该框架用于从LTE/LTE高级演进到软件定义载波无线网络(SD-CWNs)的移动网络中,通过提供应用级差异化服务,从无线资源上为网络运营商提供服务。SOARAN定义了一系列具有不同体验质量(QoE)要求的抽象应用。中央控制器周期性地计算关于运行时业务需求和信道条件的用于每个无线电元件的应用级资源分配,并且将这些分配决定作为面向服务的策略传播到各个元件。无线电元件然后独立地确定每个应用内的流级资源分配以实现这些策略。我们制定的应用程序级资源分配作为一个优化问题,并开发了一个快速算法来解决它与一个可证明的近似保证。
2015-08-03 cs.NI
Information-Centric Wireless Networks with Mobile Edge Computing
为了更好地适应急剧增长的数据缓存和计算服务的需求,存储和计算能力应该被赋予网络内的一些中间结点。在本文中,我们设计了一种新的虚拟化异构网络框架,旨在使内容缓存和计算。随着整个系统的虚拟化,通信、计算和缓存资源可以在与不同虚拟服务提供商相关联的所有用户之间共享。我们制定的虚拟资源分配策略作为一个联合优化问题,其中的收益,不仅虚拟化,但也缓存和计算考虑在建议的架构。此外,为了降低计算复杂性和信令开销,采用了一种基于乘子交替方向法的分布式算法来求解该问题。最后,大量的仿真结果表明,所提出的方案在不同的系统参数下的有效性。
2017-06-29 cs.NI
Optimal Virtual Network Function Placement and Resource Allocation in Multi-Cloud Service Function Chaining Architecture
服务功能链(SFC)是在地理上分布的数据中心上部署各种网络服务实例并提供它们之间的互连的问题。目标是使网络流量能够在底层网络中顺畅流动,从而为最终用户提供最佳体验质量。网络功能的正确链接导致分布式资源的最佳利用。这已经成为电信行业的一种事实模型,网络功能部署在底层硬件上。尽管该模型到目前为止已经很好地服务于电信行业,但是由于直接在物理资源上部署服务,因此它主要适于适应网络服务和服务需求的静态行为。这导致网络僵化,对最终用户的延迟更大,特别是在以数据为中心的模型中,计算资源正在向最终用户移动。一种新颖的联网范例,即网络功能虚拟化(NFV),通过在被称为虚拟网络功能(VNF)的软件层中实现网络功能来动态地满足用户需求并降低运营费用(OpEx)和资本支出(CapEx)。然后,VNF互连以形成完整的端到端服务,也称为服务功能链(SFC)。在这项工作中,我们研究的问题,部署服务功能链的网络功能虚拟化架构。具体来说,我们研究虚拟网络功能布局问题的最佳SFC形成在地理上分布的云。我们将多云场景中最小化云间流量和响应时间的问题设置为ILP优化问题,以及总部署成本和服务水平协议(SLA)等重要约束。在我们的模型中,我们考虑了链路延迟和计算延迟。
2019-02-10 cs.NI
Quality of Service (QoS) Modelling in Federated Cloud Computing
围绕具有潜在的大量定制资源的大规模服务器基础设施的思想构建,这些定制资源能够交互以促进服务的部署、适配和支持,云计算需要频繁地重新调度和管理各种应用任务,以便适应广泛范围和数量的用户的请求。云计算的挑战之一是通过设计用于在用户和云虚拟资源之间分配任务以及将虚拟资源分配给云物理资源的有效技术来支持和管理服务质量(QoS)。虚拟资源跨物理资源的迁移是另一个需要相当关注的挑战;特别是在联合云计算环境中,其中,提供商可能愿意将其未使用的资源作为服务提供给联合(合作分配),并在需要时收回这些资源供其自己使用(竞争分配)。本文重新审视了云计算中的QoS问题,通过制定和提出i)一个多QoS任务分配模型的任务分配到虚拟机和ii)一个虚拟机迁移模型的联合云计算环境中考虑的情况下,资源提供商是在合作或竞争模式下操作。针对联邦云环境中的QoS支持问题,提出了一种新的基于差分进化的任务分配绑定策略和一种新的虚拟机模型.实验结果表明,所提出的解决方案提高了云计算环境中的服务质量,并揭示了在联合云环境中操作混合合作和竞争模型的相对优势。
2019-11-08 cs.DC cs.NI
DPoS: Decentralized, Privacy-Preserving, and Low-Complexity Online Slicing for Multi-Tenant Networks
网络切片是5G通信时代实现垂直行业间虚拟化资源共享的关键。有效的资源分配对于在实际业务场景中实现网络切片至关重要。针对当前网络切片算法存在算法复杂度高、隐私泄露、离线设置不现实等问题,提出了一种完全去中心化、低复杂度的在线多资源切片算法DPoS.我们首先将问题表述为全球社会福利最大化问题。接下来,我们设计了基于原始-对偶方法和公布价格机制的在线算法DPoS。在DPoS中,每个租户都被激励根据其真实偏好做出自己的决定,而不会向移动虚拟网络运营商和其他租户披露任何私人信息。我们提供了一个严格的理论分析表明,DPoS具有最佳的竞争比时,每个资源的成本函数是线性的。进行了大量的仿真实验,以评估DPoS的性能。结果表明,DPoS不仅可以实现接近离线最优的性能,而且具有较低的算法开销。
2021-04-07 cs.NI
Transient Performance Modelling of 5G Slicing with Mixed Numerologies for Smart Grid Traffic
由第五代(5G)系统实现的网络切片具有满足来自不同垂直行业的多样化服务需求的潜力。智能配电网作为一个典型的垂直行业,对通信网络提出了新的挑战。本文研究了具有异构流量的5G无线电接入网络中智能电网应用的网络切片行为。为了促进这种网络中的网络切片,我们针对具有不同无线电资源和服务质量要求的两个业务类别采用不同的5G无线电接入参数集。三个多维马尔可夫模型的开发,以评估网络切片的瞬时性能的资源分配与流量优先级。通过分析和仿真,我们研究了智能电网保护和控制流量对其他类型的并行流量会话以及无线电资源利用率的影响。
2021-11-05 cs.NI
On the Cost-Optimality Trade-off for Service Function Chain Reconfiguration
虚拟网络功能(VNF)在虚拟化数据中心中的最佳放置增强了服务功能链(SFC)的整体性能并降低了移动网络运营商的运营成本。在变化的负载下维持VNF的最佳放置需要动态重新配置,其包括添加或移除VNF实例、改变VNF的资源分配以及重新路由对应的服务流。然而,这样的重新配置可能导致显著的服务中断并且对VNF基础设施施加额外的开销,特别是当重新配置需要状态或VNF迁移时。另一方面,不改变现有布局可能导致运营成本高。在本文中,我们调查之间的权衡重新配置的SFC和最优的结果放置和服务流(重)路由。我们对与有状态VNF的迁移相关的不同重新配置成本进行建模,并解决了一个联合优化问题,该问题旨在最小化VNF放置的总成本和修复次优放置所需的重新配置成本。数值结果表明,少量的重新配置操作可以显着降低VNF基础设施的运营成本,但是,太多的重新配置可能不会带来回报,应该涉及沉重的成本。
2019-10-04 cs.NI
Blockchain-Assisted Spectrum Trading between Elastic Virtual Optical Networks
在通信网络中,网络虚拟化通常可以提供比以其他方式可以实现的更好的容量利用率和服务质量(QoS)。然而,用于虚拟化网络的常规资源分配将仍然遵循基于用户的预测容量需求的固定模式,即使实际上用户的实际业务需求将总是倾向于波动。固定容量分配和实际波动业务之间的不匹配将导致所提供的网络服务的降级和所分配的网络容量的低效率。为了克服这一点,我们提出了一个新的频谱交易(ST)计划之间的虚拟光网络(VONs)的上下文中的弹性光网络(EON)。这里的关键思想是允许不同的VON根据它们在不同时刻所需的实际容量来交易它们的频谱资源。然后,具有未使用频谱的VON可以将其未使用的频谱交换给当时缺少频谱资源的其他VON。作为交换,它会因为对ST社区的贡献而获得一定数量的信用,如果需要的话,它可以在以后使用这些信用来获得额外的带宽。VON之间交易记录的可信度是通过区块链辅助的账簿以分布式方式确保的,该账簿在新交易发生时更新。为此,我们开发了一个软件定义的控制平面,使频谱交易的EON。ST计划的性能进行评估和比较的情况下,没有这样的交易。我们的研究结果表明,所提出的ST计划是有效的,在提高每个VON的QoS和显着提高整体网络的容量利用率。
2019-11-20 cs.NI
Towards Efficient Dynamic Virtual Network Embedding Strategy for Cloud IoT Networks
网络虚拟化是未来网络最有前途的技术之一,被认为是连接分布式、虚拟化云计算服务和不同组件(如存储、服务器和应用程序)的关键IT资源。网络虚拟化允许多个虚拟网络同时共存于同一共享物理基础设施上。虚拟网络嵌入是网络虚拟化的关键技术之一,它提供了一种为虚拟网络请求分配物理底层资源的方法。在本文中,我们研究虚拟网络嵌入策略和相关问题的资源分配的互联网提供商(InP),以有效地嵌入虚拟网络运营商(VNOs)谁共享相同的基础设施提供的InP所要求的虚拟网络。为了实现这一目标,我们设计了一个启发式的虚拟网络嵌入算法,同时嵌入每个虚拟网络请求的虚拟节点和虚拟链路到的基础设施。通过大量的模拟,我们证明了我们提出的方案显着提高了虚拟网络嵌入的性能,通过提高长期的平均收入,以及接受率和资源利用率的虚拟网络请求相比,以前的算法。
2018-01-30 cs.NI
Rigorous and Practical Proportional-fair Allocation for Multi-rate Wi-Fi
最近的实验研究证实了当前Wi-Fi网络中普遍存在的性能异常问题,并报告了这种现象导致的严重网络效用下降。虽然大量的工作解决了这个问题,我们把拒绝先前的解决方案,以他们的穷人的实施可行性与现成的硬件和他们的不精确的802.11协议的建模。它们的适用性今天受到非常高的吞吐量增强(802.11n/ac)的进一步挑战,其中链路速度可以变化两个数量级。与以前的方法不同,在本文中,我们引入了第一个严格的分析模型的802.11站的吞吐量和通话时间在多速率设置,而不牺牲精度的易处理性。我们使用的比例公平分配准则,制定网络效用最大化作为一个凸优化问题,我们给出了一个封闭形式的解决方案。我们提出了一个功能齐全的轻量级实现我们的计划在商品接入点,并通过实验在一个真正的部署,在广泛的网络条件下进行广泛的评估。结果表明,我们的建议实现了高达100\%的效用增益,可以加倍视频流的有效吞吐量和减少TCP下载时间的8倍。
2015-05-19 cs.NI
Scheduling Algorithms for 5G Networks with Mid-haul Capacity Constraints
我们考虑用于5G网络的虚拟化RAN架构,其中远程单元通过中间传输连接到中央单元。为了支持高数据率,使用无源光网络(PON)来实现中距离。在这种架构中,数据存储在中央单元,直到调度器决定将其通过中途传输到适当的远程单元,然后在同一时隙通过空中传输。我们研究的最优调度问题,出现在这种情况下。这个问题有两个关键特征。首先,必须同时调度多个小区以实现高效操作。其次,需要有效地处理时变无线接口速率与固定容量PON之间的相互作用。在本文中,我们采取了全面的看看这个资源分配问题,制定它作为一个效用最大化的问题。使用组合技术,我们得到有用的结构特性的最优分配,并利用这些结果来设计多项式时间的近似算法和伪多项式时间的最优算法。最后,我们数值比较所提出的算法的性能,这是无处不在的比例公平算法的自然推广的算法。
2019-03-27 cs.DM cs.NI math.OC
VNF Migration with Fast Defragmentation: A GAT-Based Deep Learning Method
本文针对NFV网络中的多维资源碎片化问题,提出基于多跳图注意力网络(MHGAT)的深度学习方法,通过快速碎片整理优化VNF迁移,显著提升了接受率并降低了过载率与迁移损失。
2024-10-14 cs.NI
A Heuristically Assisted Deep Reinforcement Learning Approach for Network Slice Placement
Orange Labs(奥兰治实验室);LIP6 – Inria, Sorbonne Univ.(索邦大学 INRIA LIP6 实验室);CNRS(法国国家科学研究中心)
网络切片布局与虚拟化底层网络的资源分配问题是一个优化问题,可以用多目标线性规划(ILP)问题表示。然而,为了应对这种连续任务的复杂性并寻求最优性和自动化,使用机器学习(ML)技术似乎是一种有前途的方法。我们介绍了一种基于深度强化学习(DRL)的混合布局解决方案和一种基于两种选择的力量原理的专用优化启发式算法。DRL算法使用所谓的异步优势演员评论(A3 C)算法进行快速学习,并使用图卷积网络(GCN)从物理基底网络自动提取特征提取。建议的启发式辅助DRL(HA-DRL)允许加速学习过程和增益的资源使用相比,其他国家的最先进的方法作为评估结果的证据。
2021-05-14 cs.LG cs.NI
Dependency-Aware Dominant Resource Fairness for Multi-Tenant Multi-Resource Systems
Conservatoire National des Arts et Métiers (Cnam)(国立巴黎高等工艺学院);Sorbonne Université(索邦大学);Université Paris-Saclay(巴黎萨克雷大学);Institut Universitaire de France (IUF)(法国大学研究院)
提出依赖感知主导资源公平性(DDRF)策略,通过均衡拥塞资源的活跃主导份额,消除资源浪费,实现帕累托效率,在vRAN场景中用户满意度提升达80%,资源浪费减少达60%。
2026-06-25 cs.NI math.OC
Performance Analysis for Bandwidth Allocation in IEEE 802.16 Broadband Wireless Networks using BMAP Queueing
本文提出了一种性能分析的带宽分配在IEEE 802.16宽带无线接入(BWA)网络考虑到分组级的服务质量(QoS)的约束。基于IEEE 802.16标准的自适应调制编码(AMC)速率用于根据信道质量在每帧时间内自适应地调整传输速率,以获得多用户分集增益。为了对到达过程和流量源进行建模,我们使用批处理马尔可夫到达过程(BMAP),它可以实现更真实,更准确的流量建模。我们确定分析不同的性能参数,如平均队列长度,数据包丢弃概率,队列吞吐量和平均数据包延迟。最后,对分析结果进行了数值验证.
2012-03-08 cs.NI cs.PF
Leveraging Synergy of 5G SDWN and Multi-Layer Resource Management for Network Optimization
第五代(5G)蜂窝无线网络被设想为预先配置面向服务的、灵活的和频谱/节能的边缘到核心基础设施,旨在提供多样化的应用。软件定义网络(SDN)、与多种无线电接入技术(RAT)兼容的软件定义无线电(SDR)以及5G软件定义无线网络(5G-SDWN)概念上的虚拟化的融合是提供这种动态网络的有前景的方法。5G-SDWN框架背后的主要技术是从深层核心实体到边缘无线接入点(AP)的控制和数据平面的分离。这种分离允许将资源抽象为5G-SDWN上的每个用户的传输参数。在这个以用户为中心和面向服务的环境中,资源管理对于实现效率和可靠性起着至关重要的作用。然而,很自然地想知道是否可以利用5G-SDWN来实现对资源组合的融合多层资源管理,以及CML资源管理是否可以有效地为5G-SDWN提供性能增强和可靠性。我们认为,回答这些问题并调查这种相互协同作用对于5G-SDWN来说并不是微不足道的,而是多维和复杂的,它由不同的技术组成,并继承了传统的几代无线网络。在本文中,我们提出了一种基于5G-SDWN的三大支柱的灵活协议结构,它可以以更跨层的方式处理所有所需的功能。在此基础上,我们展示了CML资源管理的一般框架如何控制最终用户的体验质量。针对5G-SDWN的两种场景,我们研究了通过CML资源管理联合用户关联和资源分配以提高虚拟化网络性能的效果。
2016-02-29 cs.NI
O-RIS-ing: Evaluating RIS-Assisted NextG Open RAN
本研究整合RIS与开放RAN,通过比较分析不同资源分配策略,证明网络优化可提升eMBB和URLLC切片性能达约34%吞吐量,并在Colosseum上部署xApp验证RIS辅助拓扑的高资源效率与低延迟。
2025-02-26 cs.NI eess.SP
Towards Scalable O-RAN Resource Management: Graph-Augmented Proximal Policy Optimization
Nantes University, École Centrale Nantes, IMT Atlantique, CNRS, INRIA, LS2N, UMR 6004, Nantes, France(南特大学、中央理工学院南特校区、IMT阿蒂安特、CNRS、INRIA、LS2N、UMR 6004、法国南特);SnT, SIGCOM, University of Luxembourg, Luxembourg(SnT、SIGCOM、卢森堡大学、卢森堡)
提出图增强近端策略优化(GPPO)框架,利用图神经网络和动作掩码联合优化O-RAN功能拆分与部署决策,在大规模场景中显著降低部署成本并提升奖励,同时保持完美可靠性。
2025-09-01 cs.AI cs.NI
Achieving AI-enabled Robust End-to-End Quality of Experience over Radio Access Networks
新兴应用如增强现实、车联网和远程手术需要计算和网络功能协调工作。这些应用的端到端(E2E)体验质量(QoE)取决于网络和计算资源的同步分配。然而,资源和E2E QoE结果之间的关系通常是随机和非线性的。为了做出有效的资源分配决策,必须对这些关系进行建模。本文提出了一种新的基于机器学习的方法来学习这些关系,并为此目的同时编排两种资源。机器学习模型还有助于做出关于随机变化的鲁棒分配决策,并将鲁棒优化简化为常规的约束优化。当资源不足以满足所有应用程序的要求时,我们的框架支持以E2E QoE的最小降级(优雅降级)执行一些应用程序。我们还展示了如何通过软件定义网络(SDN)和Kubernetes技术以分布式方式实现学习和优化方法。我们的研究结果表明,基于深度学习的建模实现了E2E QoE,准确率约为99.8%,与现有的差分服务替代方案相比,我们强大的联合优化技术有效地分配了资源。
2022-01-13 cs.NI cs.SY eess.SY
LM4Opt-RA: A Multi-Candidate LLM Framework with Structured Ranking for Automating Network Resource Allocation
School of Computing(计算机学院);Queen’s University(女王大学)
LM4Opt-RA通过结构化排序机制和多种提示策略,提升网络资源分配优化的LLM性能,实现优于基线模型的数学评估成绩。
2025-11-13 cs.AI cs.CL cs.NI