Optimal virtual PON slicing to support ultra-low latency mesh traffic pattern in MEC-based Cloud-RAN
随着小区的逐渐密集化，Cloud-RAN和\ac{MEC}的部署正在成为现实，以支持5G及以后的超低延迟和高可靠性，它产生了跨前传网络的网状业务模式。这导致了PON架构增强与虚拟化的演进，以支持这种网状业务模式。然而，在这种基于mesh-PON的前传传输上动态地分配虚拟PON切片正成为研究挑战。在本文中，我们提供了一个混合的分析迭代模型来计算最佳的虚拟PON切片分配，在下一代基于MEC的Cloud-RAN中提供具有超低端到端延迟的网状接入连接。我们提出的方法可以计算最佳的虚拟PON切片分配的时间尺度兼容的实时或近实时操作。
2021-06-01 cs.NI
Isolating SDN Control Traffic with Layer-2 Slicing in 6TiSCH Industrial IoT Networks
IEEE 802.15.4-2015时间调度信道跳变（TSCH）和IETF 6 TiSCH工作组（WG）中的最近标准化努力旨在提供跨受限物联网（IoT）网络的确定性通信和资源的高效分配，特别是在工业IoT（IIoT）场景中。在6 TiSCH中，软件定义网络（SDN）已被确定为在许多关键情况下提供集中控制的手段。然而，在低功耗和有损网络（LLN）中实现集中式SDN架构面临着相当大的挑战：不仅控制器流量由于不可靠的链路和网络争用而受到抖动，而且SDN产生的开销可能严重影响其他流量的性能。本文提出使用6 TiSCH轨道，一种用于跨TSCH网络创建专用转发路径的第2层切片机制，以隔离SDN控制开销。这不仅可以防止控制流量影响其他数据流的性能，而且6 TiSCH轨道的属性允许确定性的低延迟SDN控制器通信。使用我们自己的轻量级SDN实现Contiki操作系统，我们首先展示了SDN控制流量的应用程序数据流通过6 TiSCH网络的影响。然后，我们表明，通过沿着SDN控制路径分配专用资源来切片网络，跟踪提供了一种有效的手段来减轻IEEE 802.15.4-2015 TSCH网络中SDN控制开销的成本。
2019-05-29 cs.NI
Traffic-cognitive Slicing for Resource-efficient Offloading with Dual-distillation DRL in Multi-edge Systems
针对动态多边系统中流量波动与异构资源导致的切片和卸载难题，提出SliceOff框架，结合自注意力流量预测、随机舍入自适应切片及双重蒸馏DRL，提升资源效率与ESP利润。
2024-11-28 cs.NI
Slicing Scheduling for Supporting Critical Traffic in Beyond 5G
第五代（5G）移动网络旨在支持的最具挑战性的服务之一是需要非常低延迟和/或高可靠性的关键服务。现在很明显，这些关键服务也将成为超5G（B5 G）网络的核心。虽然5G无线电设计通过在定时方面引入更大的灵活性来适应这种支持，但如何有效地在共享网络上与其他宽带服务调度这些服务仍然是一个挑战。在本文中，我们使用网络切片作为网络共享的使能器，并提出了一个优化框架，通过打孔技术将资源调度到关键服务，对常规宽带服务的影响最小。然后，我们彻底检查的吞吐量和可靠性，通过模拟方面的框架的性能。
2021-12-06 cs.IT cs.NI math.IT
Evaluation of Mobile Network Slicing in a Logistics Distribution Center
物流是一个关键的经济部门，任何降低成本或改善服务的优化都会对整个社会产生重大影响。本文研究了两种5G网络切片（NS）策略在智慧物流中的作用：使用静态切片，平衡划分网络资源和使用动态切片。为了验证这些策略的潜在收益，模拟了具有5G连接的配送中心，重现了在真实智能物流场景中发生的活动。结果表明，动态切片使得网络资源的更有效的使用，提高服务质量的不同流量配置文件，即使在有一个流量高峰。这种改善的范围从6.48\%到95.65\%，这取决于特定的流量配置文件和评估的度量。
2023-01-12 cs.NI
Statistical Multiplexing and Traffic Shaping Games for Network Slicing
下一代无线架构有望实现共享无线基础设施的切片，这些切片是针对特定移动运营商/服务定制的。考虑到基础设施成本和移动服务空间负载的随机性，非常希望在这些切片之间实现高效的统计复用。我们研究了一个简单的动态资源共享策略，分配一个“共享”的（分布式）资源池的每个切片共享约束比例公平（SCPF）。我们给出了静态切片和一般处理器共享的SCPF的性能增益的表征。我们发现，当一个切片的空间负载是更多的“不平衡”，和/或“正交”，总的网络负载时，获得更高的增益，并且跨切片的整体增益是积极的。然后，我们解决相关的尺寸问题。在SCPF下，传统的网络规模确定转化为耦合的共享规模确定问题，其特征在于给定切片的预期负载和性能要求的可行共享分配的存在。我们提供了一个解决方案，以强大的共享规模为基础的SCPF网络切片。切片可能希望经由准入控制来单方面地管理其用户的性能，该准入控制使其承载的负载最大化以满足性能要求。我们表明，这可以被建模为一个“交通塑造”的游戏，一个可实现的纳什均衡。在高负载下，平衡被明确表征，SCPF与静态切片下承载负载的增益也是如此。一个无线基础设施，支持多个切片异构移动负载的详细模拟显示我们的模型的保真度和我们的高负载均衡分析的有效性范围。
2018-05-15 cs.DC cs.NI
Optimizing power by selective IP card shutdown using transport slicing
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；Telefónica Innovación Digital（电话创新数字）；CCTC/CERCA；CNIT（意大利国家研究委员会）
本文提出一种基于IP的网络切片策略，通过双切片方法优化能效，实验表明在低流量时段可关闭超40%的线路卡，实现显著节能同时保持性能。
2026-04-27 cs.NI
On the Specialization of FDRL Agents for Scalable and Distributed 6G RAN Slicing Orchestration
网络切片使多个虚拟网络能够被实例化和自定义，以满足5G及其他网络部署的异构用例需求。然而，当今可用的大多数解决方案在考虑许多切片时都面临可扩展性问题，因为集中式控制器需要全面了解不同网络域上的资源可用性和消耗情况。为了应对这一挑战，我们设计了一个分层架构，以联邦的方式管理网络切片资源。在深度强化学习（DRL）方案和开放RAN（O-RAN）范式的快速发展的驱动下，我们提出了一组动态放置在无线电接入网络（RAN）中的流量感知本地决策代理（DA）。这些联合决策实体根据底层流量的长期动态调整其资源分配策略，定义能够实现更快训练和通信开销减少的专用集群。事实上，在流量感知代理选择算法的帮助下，我们提出的联邦日间行车线方法通过快速对最终用户移动模式做出反应并减少与集中式控制器的昂贵交互，提供比基准解决方案更高的资源效率。
2022-11-06 cs.NI
HyRA: A Hybrid Resource Allocation Framework for RAN Slicing
University of Waterloo（滑铁卢大学）；University of Ottawa（渥太华大学）
HyRA通过结合专用和共享资源分配，提升RAN切片的资源效率和SLA合规性。
2026-02-18 cs.NI
Robust Resource Sharing in Network Slicing via Hypothesis Testing
针对网络切片中资源共享导致的性能隔离下降问题，提出基于假设检验的两阶段方法，通过检测并排除异常切片，在保障服务水平协议的同时实现了效率与隔离的有效权衡。
2024-04-28 cs.NI
eMBB-URLLC Resource Slicing: A Risk-Sensitive Approach
超可靠低延迟通信（URLLC）是一种5G新无线电（NR）应用，需要严格的可靠性和延迟。URLLC业务通常被调度在正在进行的增强型移动宽带（eMBB）传输之上（即，穿孔当前的eMBB传输），并且由于其硬延迟要求而不能排队。在这封信中，我们提出了一个基于风险敏感的公式来分配资源给传入的URLLC流量，同时最大限度地减少eMBB传输的风险（即，保护具有低数据率的eMBB用户）并确保URLLC可靠性。具体而言，引入条件风险价值（CVaR）作为eMBB传输的风险度量。此外，URLLC的可靠性约束制定为一个机会约束和放松基于马尔可夫不等式。我们将公式化的问题分解成两个子问题，以便将其转化为凸形式，然后交替求解，直到收敛。仿真结果表明，该方法在满足eMBB和URLLC可靠性的同时，有效地为URLLC业务分配了资源.
2019-02-05 cs.NI
Joint Planning of Network Slicing and Mobile Edge Computing: Models and Algorithms
多访问边缘计算（MEC）有助于部署具有严格QoS要求（特别是延迟）的关键应用程序。本文考虑的问题，联合规划的计算资源的可用性在边缘，移动网络和边缘计算资源的切片，和路由的异构流量类型的各种切片。这些方面相互交织，必须一起解决，以便为所有移动用户和流量类型提供所需的QoS，同时保持成本可控。我们制定我们的问题作为一个混合整数非线性规划（MINLP），我们定义了一个启发式，命名为邻居探索和顺序固定（NESF），以方便解决问题。该方法允许网络运营商微调网络运营成本和用户体验的总延迟。我们评估所提出的模型和启发式对两个自然的贪婪方法的性能。我们显示了所有考虑的参数的变化的影响（即，不同类型的业务、可容忍的延迟、网络拓扑和带宽、计算和链路容量）。数值结果表明，NESF是非常有效的，即使在大规模的网络场景中，在很短的计算时间内实现接近最优的规划和资源分配的解决方案。
2021-09-08 cs.NI
Multivariate, Multi-step, and Spatiotemporal Traffic Prediction for NextG Network Slicing under SLA Constraints
本研究提出一种面向NextG网络切片的多变量、多步时空流量预测方法，利用RAN特征和移动性聚类设计基于SLA的参数化损失函数，实验表明单小区和基于切片的模型显著优于多小区及基线模型。
2023-09-07 cs.IT cs.NI eess.SP
Prediction-based Hybrid Slicing Framework for Service Level Agreement Guarantee in Mobility Scenarios: A Deep Learning Approach
网络切片是保证5G和未来网络中各种服务水平协议（SLA）的关键驱动因素。无线接入网中的切片间无线资源分配（IS-RRA）是非常重要的。然而，用户移动性给最优IS-RRA带来了新的挑战。本文首先提出了一种软硬混合切片框架，其中引入了一个公共切片来实现隔离度和频谱效率（SE）之间的权衡。为了应对用户移动性带来的挑战，我们提出了一种基于深度学习的两步算法：基于长短期记忆（LSTM）的网络状态预测和基于深度Q网络（DQN）的切片策略。在该提案中，LSTM网络被用来预测交通需求和切片窗口级别中每个用户的位置。此外，通过位置和无线电地图来映射信道增益。然后，将预测的信道增益和业务需求输入到DQN以输出精确的切片调整。最后，实验结果证实了本文提出的切片框架的有效性：切片的SLA得到了很好的保证，算法在SLA满意率、隔离度和SE方面都达到了接近最优的性能。
2022-08-06 cs.NI cs.SY eess.SY
Joint Traffic Offloading and Aging Control in 5G IoT Networks
5G蜂窝技术的广泛采用将成为物联网应用增长的主要驱动力之一。在本文中，我们考虑了一个基于物联网数据读取启动智慧城市服务的服务提供商（SP）：为了服务于在不同位置收集的物联网数据，SP动态协商和重新调整带宽和服务功能。5G网络切片功能是在异构接入技术和不同站点类型上租用适量资源的关键。此外，不同的基础设施提供商将根据跨站点支持的特定接入技术和物联网数据汇集模式对切片服务收费。我们引入了基于信息时代（AoI）的定价机制，以降低SP的成本。它通过将部分流量负载从高度拥塞和更昂贵的位置转移到收费较低的位置，同时满足物联网服务的QoS要求，为设备提供了平滑流量的激励。所提出的最优定价方案包括两阶段决策过程，其中SP确定每个位置的定价，并且设备基于最优上传策略调度所收集数据的上传。模拟表明，SP通过调整切片成本和上传物联网数据的AoI之间的权衡，实现了一致的成本降低。
2022-01-19 cs.NI
Future Network: End-to-End Slicing and Hop-On (a Slice)
网络切片的概念，即，业务定制虚拟网（VN）在电信业中正吸引越来越多的关注。切片是一组适合客户服务的服务属性和要求的网络资源。网络资源包括云资源和通信链路资源。一个切片可以提供一个或多个客户服务，这些客户服务共享相似的服务属性和要求。定义、创建和管理切片（VN）是未来网络的一个方面。另一方面是切片操作，即，使用创建的切片向客户提供服务。本文重点讨论了切片的配置和切片的操作。本文详细描述了片（VN）配置。本文提出了一种新的跳上（切片）概念。给定良好定义和配置的端到端切片（VN），切片上的实时数据业务递送由网络操作控制实体管理，这些实体也是预先配置的。因此，客户流量分片交付的过程就像旅行者跳上旅游巴士，然后关键路口的交通管制人员引导旅行者按照预先设计的路线行驶，直到到达目的地。
2016-08-24 cs.NI
DRL-driven RAN Slicing Management: A V2X-oriented Approach In Multi-service Scenarios
University of Málaga（马拉加大学）；Ericsson（爱立信）
本文提出一种基于深度强化学习的RAN切片管理框架，用于在V2X与eMBB共存的5G网络中动态优化资源分配，实验证明其能平衡SLA合规与资源利用率，优于静态和比例分配策略。
2026-10-02 cs.NI
Dynamic Bandwidth Allocation for PON Slicing with Performance-Guaranteed Online Convex Optimization
多样化网络应用的出现要求网络的资源分配更加灵活和响应迅速。网络切片是一种关键的使能技术，它为每个网络服务提供一组定制的网络资源，以满足特定的服务需求。本文研究的重点是无源光网络（PON）实现接入网的网络切片。提出了一种基于学习的PON接入网动态带宽分配算法，综合考虑了切片感知、需求响应和分配公平性。我们基于凸优化的在线算法学习隐式流量随时间的变化趋势，并确定最稳健的窗口分配，以减少平均延迟。我们的仿真结果表明，该算法通过优先考虑延迟敏感和重负载的ONU，同时保证最小的窗口分配给所有ONU的平均延迟降低。
2022-01-19 cs.NI
Intelligent Resource Slicing for eMBB and URLLC Coexistence in 5G and Beyond: A Deep Reinforcement Learning Based Approach
在本文中，我们研究了两种不同的5G服务（即超可靠低延迟通信（URLLC）和增强型移动宽带（eMBB））的动态复用场景中的资源切片问题。虽然eMBB服务专注于高数据率，但URLLC在延迟和可靠性方面非常严格。鉴于此，资源切片问题被公式化为优化问题，其旨在最大化受到URLLC可靠性约束的eMBB数据率，同时考虑eMBB数据率的方差以减少立即调度的URLLC业务对eMBB可靠性的影响。为了解决该问题，提出了一种基于优化辅助的深度强化学习（DRL）框架，包括：1）eMBB资源分配阶段，和2）URLLC调度阶段。在第一阶段，优化问题被分解成三个子问题，然后每个子问题转化为一个凸的形式，以获得近似的资源分配的解决方案。在第二阶段中，提出了一种基于DRL的算法来智能地在eMBB用户之间分配传入的URLLC流量。仿真结果表明，我们提出的方法可以满足严格的URLLC的可靠性，同时保持eMBB的可靠性高于90%。
2020-11-12 cs.NI eess.SP
Predictive Closed-Loop Service Automation in O-RAN based Network Slicing
Samsung R&D（三星研发中心）；Virginia Tech（弗吉尼亚理工学院）；San Jose State University（圣何塞州立大学）；Manchester Metropolitan University（曼彻斯特城市大学）；MediaTek（联发科）
网络切片提供了定制和敏捷的网络部署，用于在同一基础设施下管理各种垂直领域的不同服务类型。为了满足这些垂直行业的动态服务需求，并满足服务水平协议（SLA）中提到的所需服务质量（QoS），网络切片需要通过专用元件和资源进行隔离。此外，需要持续监控和智能管理分配给这些切片的资源。这可以立即检测和纠正任何违反SLA的行为，以闭环方式支持自动化服务保证。通过减少人为干预，智能和闭环资源管理降低了提供灵活服务的成本。在垂直行业（可能由不同的供应商管理）之间共享的网络中的资源管理将通过开放和标准化的接口得到进一步促进。开放式无线接入网（O-RAN）可能是最有前途的RAN架构，它继承了所有上述特征，即智能、开放和标准接口以及闭环控制。受此启发，在本文中，我们为O-RAN切片提供了一个闭环和智能的资源配置方案，以防止SLA违规。为了保持真实性，使用大型运营商的真实世界数据集来训练用于在所提出的闭环服务自动化过程中优化资源利用的学习解决方案。此外，部署架构和相应的流程，认识到O-RAN的要求也进行了讨论。
2022-02-04 cs.LG cs.NI eess.SP
AI-Assisted Slicing-Based Resource Management for Two-Tier Radio Access Networks
针对两层RAN多服务切片，提出融合空间、时间与切片维度的资源管理框架，并用深度无监督学习与解析优化求解能效最大化，性能接近最优。
2023-08-21 cs.NI eess.SP
A Flexible Infrastructure-Sharing 5G Network Architecture Based on Network Slicing and Roaming
本文提出并实现了一种基于网络切片和漫游的灵活基础设施共享5G网络架构，通过UERANSIM和Open5GS仿真验证了其认证与流量隔离能力，并在多客户端共享场景下显著提升吞吐量、降低丢包率。
2024-11-23 cs.NI
AI-Driven Digital Twins: Optimizing 5G/6G Network Slicing with NTNs
针对5G/6G NTN网络切片的移动性与流量变化，提出结合DDPG深度强化学习的AI数字孪生架构，动态优化eMBB资源分配，使延迟较静态方法降低25%。
2025-05-13 cs.NI eess.SP
Stable and Fault-Tolerant Decentralized Traffic Engineering
提出去中心化流量工程系统Symphony，通过二次正则化增强TE目标使控制器无需协调即可收敛到兼容分配，并采用随机切片算法分布关键流量源，在保留故障隔离优势的同时显著减少发散引起的拥塞和影响范围。
2025-10-13 cs.NI
An efficient linear programming rounding-and-refinement algorithm for large-scale network slicing problem
本文考虑了网络切片问题，即试图将多个定制的虚拟网络请求（也称为服务）映射到一个公共的共享网络基础设施，并分配网络资源以满足不同的服务需求，并提出了一种有效的两阶段算法来解决这个NP难问题。在第一阶段，该算法使用迭代线性规划（LP）舍入过程将所有业务的虚拟网络功能放置到云节点中，同时考虑所有业务的流量路由;在第二阶段，该算法使用迭代LP细化过程获得满足端到端延迟约束的所有业务的流量路由的解决方案。与已有的具有指数复杂度或返回低质量解的算法相比，该算法在解的质量和计算复杂性之间取得了更好的折衷.特别是，我们提出的算法的最坏情况下的复杂度是多项式，这使得它适合于解决大规模的问题。数值结果表明了该算法的有效性和效率。
2021-02-04 cs.IT cs.NI eess.SP
Towards Intelligent RAN Slicing for B5G: Opportunities and Challenges
为了满足无线通信的多样化需求，第五代（5G）网络及以后（B5 G）通过锻造其物理基础设施的虚拟实例（切片）来拥抱网络切片的概念。网络切片是核心网和无线接入网资源的动态分配，本文重点研究了无线接入网切片的设计。形成可以灵活（重新）配置同时确保切片隔离的按需RAN-S是具有挑战性的。最近已经引入了各种机器学习（ML）技术用于RAN-S中的业务预测和分类、资源使用预测、准入控制、调度和动态资源分配。尽管这些方法为智能RAN-S设计提供了机会，但它们提出了需要研究的关键挑战。本文通过回顾RAN-S的尖端ML技术，强调了将ML纳入RAN-S的机遇和挑战。它也为智能RAN-S（iRAN-S）的未来研究提出了一些方向。
2021-02-27 cs.LG cs.NI
Latency-Sensitive 5G RAN Slicing for Industry 4.0
UWICORE Laboratory, Universidad Miguel Hernández de Elche (UMH)（埃尔切米格尔·埃尔南德斯大学）
提出一种延迟敏感的5G RAN切片方案，通过设计切片和分配无线资源来满足不同应用的速率和延迟需求，并在工业4.0场景中评估。
2026-07-02 cs.NI
Network Slicing for Vehicular Communication
超可靠的车联网（V2X）通信对于实现下一代智能车辆至关重要。V2X通信是一个不断增长的通信领域，它将车辆连接到相邻车辆（V2 V），基础设施（V2 I）和行人（V2 P）。网络切片是下一代设备连接的有前途的技术之一，在公共和可编程的物理基础设施上创建多个逻辑网络。网络切片提供了一种有效的方式，通过利用共享物理基础设施的好处来满足不同的用例需求。在这方面，我们提出了一种基于网络切片的车载网络通信解决方案。在这项工作中，我们模拟了一个高速公路的情况下，具有异构的交通需求的车辆。自动驾驶切片（安全信息）和信息娱乐切片（视频流）是在公共基础设施上创建的两个逻辑切片。我们制定了一个网络聚类和切片算法划分成不同的集群的车辆和分配切片领导人到每个集群。Slice leaders为其集群车辆提供高质量的V2 V链路，并以低延迟转发安全信息。另一方面，路边单元使用高质量的V2 I链路提供信息娱乐服务。一个广泛的长期演进高级（LTE-A）系统级仿真与蜂窝V2X（C-V2X）标准的增强被用来评估所提出的方法的性能，其中它表明，所提出的网络切片技术实现了低延迟和高可靠性的通信。
2019-05-23 cs.NI
Cost-Effective Two-Stage Network Slicing for Edge-Cloud Orchestrated Vehicular Networks
Peng Cheng Laboratory（鹏城实验室）；University of Waterloo（滑铁卢大学）；Huazhong University of Science and Technology（华中科技大学）；University of Windsor（温莎大学）
在本文中，我们研究了一个网络切片问题的边缘云编排车辆网络，其中的边缘和云服务器编排处理计算任务，以减少网络切片成本，同时满足服务质量的要求。提出了一种两阶段网络切片框架，包括1）大时间尺度的网络规划阶段，用于执行切片部署、边缘资源配置和云资源配置; 2）小时间尺度的网络运营阶段，用于执行资源分配和任务调度。特别地，我们将网络切片问题表示为两个时间尺度的随机优化问题，以最小化网络切片成本。由于该问题是NP难的，网络规划和网络运营阶段耦合，因此提出了一种基于强化学习（RL）和优化方法的二次网络切片（TAWS）算法，可以联合进行网络规划和运营决策。具体来说，通过利用决策的时标分离属性，我们将问题解耦为一个大时标网络规划子问题和一个小时标网络操作子问题。前者用RL方法求解，后者用优化方法求解。基于真实车辆交通轨迹的仿真结果表明，与基准方案相比，TAWS方案能有效降低网络切片成本。
2022-12-31 cs.AI cs.NI
On the Application of Network Slicing for 5G-V2X
超可靠的车联网（V2X）通信对于实现下一代智能车辆至关重要。V2X通信是指车辆与基础设施（V2 I）或车辆之间（V2 V）的信息交换。网络切片是下一代连接设备的有前途的技术之一，它在一个通用的可编程物理基础设施上创建多个逻辑网络。遵循这一思想，我们提出了一个基于网络切片的车载网络通信模型。在本文中，我们模拟了一个多车道的高速公路的情况下，具有异构的交通需求的车辆。自动驾驶切片（交换安全信息）和信息娱乐切片（提供视频流）是在公共基础设施上创建的两个逻辑切片。此外，中继方法被用来提高低信号干扰噪声比（SINR）的视频流媒体车辆的性能。这些低SINR车辆由其他信息娱乐车辆提供服务，这些车辆具有高质量的V2 V和V2 I链路，并且不充当自动驾驶切片接入点。一个广泛的长期演进高级（LTE-A）系统级仿真器被用来评估所提出的方法的性能，其中它示出，所提出的网络切片方法的分组接收率（PRR）从31.15%增加到99.47%。
2018-05-20 cs.NI
Dynamic RAN Slicing for Service-Oriented Vehicular Networks via Constrained Learning
University of Waterloo（滑铁卢大学）；Huawei Technologies Canada Inc.（华为技术加拿大公司）
针对不同服务质量（QoS）要求的车联网（IoV）服务，研究了无线接入网（RAN）切片问题，其中多个逻辑隔离的切片构建在公共的路边网络基础设施上。提出了一种动态RAN切片框架，用于动态分配无线电频谱和计算资源，并为切片分配计算工作负载。为了获得一个最佳的RAN切片政策，以适应车辆交通密度的时空动态，我们首先制定了一个约束RAN切片问题的目标，以最大限度地减少长期的系统成本。传统的强化学习（RL）算法由于决策间存在复杂的耦合约束而无法直接解决该问题。为此，我们将问题分解为资源分配子问题和工作负载分配子问题，并提出了一种两层约束强化学习算法，即资源分配和负载分配算法（RAWS）来求解这两个子问题。具体地，外层首先通过RL算法做出资源分配决策，然后内层通过优化子例程做出工作负载分配决策。大量的跟踪驱动的模拟表明，RAWS有效地降低了系统成本，同时满足QoS要求的概率很高，与基准相比。
2020-12-03 cs.LG cs.NI
LACO: A Latency-Driven Network Slicing Orchestration in Beyond-5G Networks
Technische Universität Kaiserslautern（卡尔斯鲁厄理工大学）；NEC Laboratories Europe GmbH.（欧洲电气股份有限公司实验室）
网络切片预计将成为即将到来的5G网络及以后的游戏规则改变者，通过尚未开发的垂直行业利润扩大电信业务生态系统。这意味着在给定大量预定义需求的情况下，必须保证每个切片的异构服务级别协议（SLA）。在本文中，我们开创了一种新的无线切片编排解决方案，同时提供延迟和吞吐量保证在多租户环境。利用一个坚实的数学框架，我们利用探索与开发的范例，通过一个多臂的基于土匪（MAB）的编排，LACO，使自适应资源切片的决定，没有先验知识的流量需求或信道质量统计。与对底层系统视而不见的传统MAB方法相反，LACO依赖于系统结构信息来加快决策。经过初步的模拟活动经验证明我们的解决方案的有效性，我们提供了一个强大的实现LACO使用现成的设备，以充分模拟现实的网络条件：接近最佳的结果在负担得起的计算时间内测量LACO时到位。
2020-09-07 cs.LG cs.NI stat.ML
Application-Integrated Slicing towards 6G: The Musical Metaverse Use Case
CNR-IEIIT（意大利国家研究委员会电子与信息技术研究所）；CNIT（意大利电信与信息技术研究中心）
针对5G切片无法满足沉浸式应用多类用户差异化需求的问题，提出应用集成切片框架，统一应用与网络编排，在音乐元宇宙场景中降低资源成本与QoS违规率。
2026-09-18 cs.NI eess.AS
Adversarial Attacks in AI-Driven RAN Slicing: SLA Violations and Recovery
Polytechnique Montreal（蒙特利尔理工学院）
研究AI驱动RAN切片中对抗攻击的影响，分析预算受限攻击对深度强化学习资源分配的影响，揭示SLA违规及恢复行为。
2026-04-01 cs.AI cs.NI
URLLC-eMBB Slicing to Support VR Multimodal Perceptions over Wireless Cellular Systems
虚拟现实（VR）使移动无线用户能够在虚拟空间中体验多模态感知。在本文中，我们调查的问题，同时支持的视觉和触觉感知无线蜂窝网络，重点放在下行链路传输阶段。视觉感知需要中等的可靠性和最大化的速率，而触觉感知需要固定的速率和高可靠性。因此，视觉触觉VR流量需要使用两种不同的网络切片：用于视觉感知的增强型移动宽带（eMBB）和用于触觉感知的超可靠低延迟通信（URLLC）。我们调查两种方法，这两个切片共享下行链路资源正交和非正交，分别。我们比较这些方法在刚刚可察觉的差异（JND），在心理物理学的一个既定的措施，并表明，非正交切片成为更好的下一个更高的目标集成感知分辨率和/或更高的目标率触觉感知。
2018-05-07 cs.IT cs.NI eess.SP
DeeP-TE: Data-enabled Predictive Traffic Engineering
针对自适应路由的流量矩阵估计与路由变更性能下降问题，提出数据驱动的预测性流量工程算法DeeP-TE，无需流量矩阵测量/估计即可生成路由更新，在真实拓扑和流量下实现近最优拥塞控制且路由变化更小。
2025-08-19 cs.NI
How Does Forecasting Affect the Convergence of DRL Techniques in O-RAN Slicing?
Queen’s University（女王大学）；University of Calgary（卡尔加里大学）；Cairo University（开罗大学）
本文研究时间序列预测对O-RAN切片中DRL收敛的影响，提出预测辅助DRL方法，显著提升初始奖励、收敛速度和场景收敛数，并增强泛化能力。
2023-09-01 cs.LG cs.NI
Multi-Agent Reinforcement Learning for SLA-Aware Network Slicing in UAV-Enabled MEC
Oulu University（奥卢大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；ICTFICIAL Oy（ICTFICIAL公司）；Ruhr University Bochum (RUB)（波鸿鲁尔大学）
研究无人机支持的MEC中保证SLA稳定性的问题，提出预测性多智能体强化学习框架，通过协调轨迹控制和资源分配维持SLA稳定，设计奖励函数，用MAPPO训练智能体，模拟表明该框架能显著提升SLA稳定性且保持性能优势。
2026-07-28 cs.NI
Towards Sustainability in 6G Network Slicing with Energy-Saving and Optimization Methods
Universidade Federal de Viçosa (UFV)（弗拉门多联邦大学）
针对6G网络切片架构缺乏嵌入型节能方法的研究空白，提出在SFI2网络切片参考架构中部署原生机器学习智能体，结合对比学习实现资源动态编排优化与节能，助力6G可持续发展。
2025-05-17 cs.ET cs.LG cs.NI
Open RAN LSTM Traffic Prediction and Slice Management using Deep Reinforcement Learning
Clemson University（克莱姆森大学）
本文针对5G及未来网络中动态环境下的网络切片管理挑战，提出一种结合分布式深度强化学习xApp与LSTM预测rApp的ORAN切片管理方法，通过联合利用DU异构经验和预测信息显著减少QoS违规。
2024-01-12 cs.AI cs.LG cs.NI
Integrating Wi-Fi into 3GPP 5G Network Slicing: An Experimental Prototype Study
Telecommunication Research and Development Center (CPQD)（电信研发中心 (CPQD)）；Federal University of Ceará（塞阿拉联邦大学）；Instituto Atlântico（大西洋研究所）；Leading Advanced Technologies Center of Excellence (LANCE) at the Federal University of Rio Grande do Norte（北里奥格兰德联邦大学领先先进技术卓越中心 (LANCE)）
本研究通过适配TNGF将Wi-Fi集成到5G SA网络，搭建测试平台验证多RAT切片可行性，为3GPP与非3GPP服务统一交付提供了概念验证。
2026-09-03 cs.NI
Towards Energy Efficiency in RAN Network Slicing
本文研究 RAN 切片激活/停用的能耗与 QoS 权衡问题，提出基于两个 MAB 智能体的基站决策方法，并在真实流量数据上验证其可节能约 11-14%。
2023-07-13 cs.NI
Online Admission Control and Resource Allocation in Network Slicing under Demand Uncertainties
迈向下一代网络（如5G/6 G）的最重要方面之一是以有效的方式实现网络切片。最具挑战性的问题是计算和通信需求的不确定性。由于切片在不同的时间到达网络，并且它们的生命周期不同，因此解决方案应该动态地响应在线切片请求。建立了考虑能耗的在线接纳控制和资源分配联合问题的数学模型。它基于二进制线性规划（BLP），其中，利用$Γ$ -鲁棒性概念来克服虚拟链路（VL）带宽和虚拟网络功能（VNF）工作负载的不确定性。然后，提出了一种优化算法。对于现实世界和大规模网络，这种最佳算法无法在合理的时间内解决。为了有效地找到近似最优解，提出了一种新的启发式算法。评估的结果表明，启发式算法的效率对于增加接受的请求数量、降低功耗以及分别针对VNF工作负载和VL流量的不确定性提供可调容差至关重要。考虑到接受率和功耗这两个重要组成部分的目标函数，启发式有约7%和10%的最优性差距，分别，而约30倍的速度比最优算法。
2022-04-14 cs.NI
Sub-Band Full Duplex Resource Allocation: A Predictive Deep Reinforcement Learning Approach
School of Engineering, Cochin University of Science and Technology（科钦科技大学工程学院）；Adat Nextwave Consulting（阿达特奈克斯特波咨询公司）；Global Young Researchers’ Academy (GYRA)（全球青年研究者学院）
本文提出一种预测深度学习框架，用于子带全双工系统中的动态子带分配，通过结合双向长短期记忆网络与双深度Q网络，实现实时资源分配，提升频谱利用率并减少队列堆积。
2026-05-14 cs.NI
From Classification to Optimization: Slicing and Resource Management with TRACTOR
本文提出TRACTOR框架，通过构建真实O-RAN数据集、多模型流量分类和强化学习PRB分配优化，实现网络切片与资源管理，性能优于专家策略和随机基线。
2025-03-11 cs.NI cs.SY eess.SY
LEO-Aware DRL Meta-Scheduler for 5G Non-Terrestrial Network Slicing
Professional School of Computing Science, National University of San Agustin（圣奥古斯丁国立大学计算机科学专业学院）；Institute of Computing, University of Campinas（坎皮纳斯大学计算研究所）
针对5G非地面网络集成LEO带来的资源管理挑战，提出基于TD3智能体的DRL元调度器，在牺牲1%不显著容量的情况下，严格限制关键业务排队延迟，且不会导致宽带切片饥饿，为6G O-RAN NTN资源分配提供基础。
2026-08-04 cs.NI
SDN-controlled and Orchestrated OPSquare DCN Enabling Automatic Network Slicing with Differentiated QoS Provisioning
在这项工作中，我们提出和实验评估的自动和灵活的NS配置的光OPSquare DCN控制和编排的扩展SDN控制平面的多租户应用程序与差异化的QoS配置。光流控制（Optical Flow Control，OFC）协议是为了防止交换机端由于数据包竞争而导致的数据包丢失而开发的，基于收集的数据平面的资源拓扑，SDN控制平面可以对光网络切片进行动态配置和自动重配置。同时，实验结果验证了应用流的优先级分配能够为不同切片提供动态的QoS性能，这些切片在丢包率和传输延迟方面具有特定的要求。此外，将数据平面的流量统计信息暴露给SDN控制平面的能力使得能够实现负载均衡算法，从而进一步提高具有高QoS的网络性能。对于负载为0.5的具有最高优先级的切片网络，可以保证没有分组丢失和小于4.8 us的服务器到服务器延迟。
2020-01-10 cs.NI
Adaptive Digital Twin and Communication-Efficient Federated Learning Network Slicing for 5G-enabled Internet of Things
School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院）；School of Electro-optical Engineering, Chongqing University of Posts and Telecommunications（重庆邮电大学光电工程学院）；Technische University（工业大学）
针对5G物联网，提出结合图注意力数字孪生与联邦深度强化学习的网络切片方法，提升需求预测精度并降低通信开销。
2024-06-22 cs.AI cs.NI eess.SP
DRASTIC: A Dynamic Resource Allocation Framework over 6G Network Slicing in Task-aware Closed-Loop Tactile Internet Applications
University of Louisville（路易斯维尔大学）
本文提出DRASTIC框架，通过强化学习动态分配资源，满足延迟要求并提高吞吐量，适用于eMBB和HRLLC用户。
2026-03-28 cs.NI
Joint Explainability and Sensitivity-Aware Federated Deep Learning for Transparent 6G RAN Slicing
本文提出一种联合可解释性与敏感性约束的联邦深度学习模型，用于在非IID环境下预测6G RAN切片丢弃流量概率，并通过log-odds指标约束提升模型解释可信度，仿真验证其优于无约束IG事后基线。
2023-09-23 cs.NI
Optimal Slicing of Virtualised Passive Optical Networks to Support Dense Deployment of Cloud-RAN and Multi-Access Edge Computing
Cloud-RAN的商业化，特别是Open-RAN，是通过提供更低的成本和更灵活的小型小区部署来实现5G小区密集化的关键因素。此外，MEC的采用对于支持关键任务应用所需的超低延迟和高可靠性至关重要，这构成了5G的里程碑，并超越了完全连接社会的愿景。然而，以低成本连接天线站点、C-RAN处理和MEC是具有挑战性的，因为它需要通过高度互连的拓扑提供高容量、低延迟的连接。虽然PON被认为是用于向C-RAN提供低成本连接的解决方案，但它们仅允许从端点（例如，在天线站点处托管RU）向中央节点（例如，托管计算设备的中心局）因此不能支持从RU到MEC端节点的业务，MEC端节点可以托管DU以及可能的CU和网络核心。这促使人们研究PON架构的发展，使其能够在端点之间提供直接通信，从而支持MEC安装所需的网状流量模式。在这种情况下，虚拟化在根据端点的通信模式实现对端点的高效资源分配（即，光传输容量）方面起着关键作用。在这篇文章中，我们解决的挑战，动态分配虚拟PON切片的网状PON架构，以支持C-RAN和MEC节点。我们利用一个混合的分析迭代模型来计算最佳的虚拟PON切片分配，目标是最大限度地减少MEC节点资源的使用，同时满足目标延迟阈值（在我们的场景中为100 $μs$）。我们的方法是特别有效的，在减少计算时间，使虚拟PON切片分配的时间尺度与实时或近实时操作兼容。
2022-03-22 cs.NI
Joint Traffic-Aware UAV Placement and Predictive Routing for Aerial Networks
由充当Wi-Fi接入点或蜂窝基站的无人机（UAV）组成的空中网络正在成为一种有趣的解决方案，用于在没有可用的网络基础设施时向用户提供按需无线连接，或者增强网络容量。本文提出了一种用于空中网络的流量感知拓扑控制解决方案，该解决方案将无人机的放置与预测性和集中式路由协议相结合。无人机布局和路由解决方案相结合所产生的协同效应允许空中网络根据用户的交通需求无缝更新其拓扑，同时最大限度地减少无人机移动造成的干扰。结果，提高了提供给用户的服务质量（QoS）。本文通过模拟和实验测试平台分别描述和评估了所提出的解决方案的组成部分。结果表明，所有的组件相比，相应的基线解决方案，提高了提供给用户的QoS。
2020-04-15 cs.NI
Optimum Network Slicing for Ultra-reliable Low Latency Communication (URLLC) Services in Campus Networks
针对校园网络中URLLC服务的高可靠低延迟需求，提出基于RAN垂直切片的最优网络切片方法，将RAN功能部署建模为混合整数线性规划问题，可在实际场景找到最优解，支持动态UPF部署以提升灵活性。
2025-11-19 cs.NI
Slice-Aware Resource Calendaring in Cloud-based Radio Access Networks
在5G/6 G网络中已经引入了网络切片，以解决提供具有不同且有时相互冲突的要求的新服务的挑战。随着SDN和NFV技术被用于5G和6 G无线网络切片的设计，以及对这些技术的集中控制，资源共享等新服务也可以用于无线网络。在带宽分配中，具有低延迟敏感性和高容量的业务被转移到稍后的时隙，使得可以替代地服务具有高延迟敏感性的应用。我们讨论了如何在C-RAN架构中日历无线电资源，这也利用了网络切片。这被称为切片感知无线电资源日历。该问题的模型被开发为一个ILP问题，并提出了两个启发式算法来解决它，由于最优解的复杂性。观察结果表明，当资源在租户之间共享时，接受的请求数量会增加。
2022-03-01 cs.NI
