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
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
Optimization Results for 5G Slice-in-Slice Scheduling
5G及更高版本的开放无线接入网络（ORAN）切片是一种新兴的架构和功能，将有助于实现具有挑战性的RAN服务水平协议（SLA）保证目标。这可以为运营商有效实现网络切片的好处铺平道路。在本文中，我们提供了新颖而详细的优化结果，以实现ORAN切片中5G用户服务的切片中切片调度。
2021-06-28 cs.NI
Latency-Sensitive 5G RAN Slicing for Deterministic Aperiodic Traffic in Smart Manufacturing
Universidad Miguel Hernández de Elche (UMH)（埃尔切米格尔·埃尔南德斯大学）；Universidad Rey Juan Carlos (URJC)（雷伊胡安卡洛斯大学）
针对现有RAN切片仅考虑传输速率而无法保证确定性非周期流量的延迟需求，提出同时考虑速率和延迟需求的切片设计方法，实验证明该方法能支持关键工业应用。
2026-07-01 cs.NI
Distributed Resource Allocation for Network Slicing of Bandwidth and Computational Resource
网络切片一直被认为是5G支持多样化服务和应用场景的关键使能因素之一。研究了利用通信网络提供的频谱资源和雾计算网络的计算资源进行分布式网络切片的问题。我们提出了一种新的分布式框架的基础上，一个新的控制平面实体，区域协调器（RO），它可以部署在基站（BS）和雾节点之间，以协调和控制它们的带宽和计算资源。提出了一种基于部分变量分裂乘子交替方向法的分布式资源分配算法。我们证明，该算法可以最大限度地减少整个网络的平均延迟，并在同一时间保证令人满意的延迟性能为每一个支持的服务类型。仿真结果表明，该算法的收敛速度比现有的一些算法快得多。与仅具有单个资源的网络切片相比，具有带宽和计算资源的联合网络切片可以提供约15%的总体延迟减少。
2020-02-04 cs.NI
An end-to-end network slicing framework for 5G wireless communication systems
无线产业目前面临两大挑战：1）如何支持垂直行业应用，从而拓展无线产业市场; 2）如何进一步提升设备能力和用户体验。在本文中，我们提出了一个技术框架来应对这些挑战。所提出的技术框架基于端到端垂直和水平切片，其中垂直切片实现垂直行业和服务，水平切片提高系统容量和用户体验。垂直切片的技术开发已经在4G后期和5G早期开始，主要集中在核心网络切片上。我们设想这种趋势将随着无线电接入网络和空中接口中的垂直切片的发展而继续。超越垂直切片，我们提出水平切片的计算和通信资源，以形成虚拟计算平台，解决网络容量扩展问题，提高设备能力和用户体验。本文阐述了垂直切片和水平切片的概念，并对空中接口、无线接入网、核心网和计算平台中的切片技术进行了阐述。本文旨在启动对长期技术路线图的讨论，并促进5G及以后E2 E网络切片解决方案的开发。
2016-08-01 cs.IT cs.NI math.IT
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
Sl-EDGE: Network Slicing at the Edge
多接入边缘计算（MEC）资源的网络切片预计将成为5G网络及其他网络成功的关键技术。将MEC切片与传统资源分配问题区分开来的关键挑战是边缘节点依赖于紧密交织和严格约束的网络、计算和存储资源。因此，实例化MEC切片而不引起资源过度供应很难用现有切片算法来解决。本文的主要创新是Sl-EDGE，这是一个统一的MEC切片框架，允许网络运营商实例化异构切片服务（例如，视频流、缓存、5G网络接入）。我们首先描述了SL-EDGE的架构和操作，然后表明，最佳实例化联合网络MEC切片的问题是NP难的。因此，我们提出了接近最佳的算法，利用边缘节点和资源虚拟化之间的关键相似性，以7.5倍的速度实例化异构切片，并在0.25的最佳范围内。我们首先通过广泛的数值分析来评估我们的算法的性能，并表明S1-EDGE比最先进的MEC切片算法更有效地实例化切片6倍。此外，在9部智能手机的24个无线电测试平台上的实验结果表明，Sl-EDGE可同时提供联合LTE连接、WiFi视频流和ffmpeg视频转码的高效切片。
2020-05-02 cs.NI
Zero-touch Continuous Network Slicing Control via Scalable Actor-Critic Learning
人工智能（AI）驱动的零接触网络切片被认为是一种有前途的尖端技术，可以充分利用异构5G和超5G（B5 G）通信系统的潜力，并实现需求感知资源管理和编排（MANO）的自动化。在本文中，我们通过调用连续深度强化学习（DRL）方法，根据所提出的切片使能无小区大规模多输入多输出（mMIMO）设置来解决B5 G无线电接入网络（RAN）联合切片准入控制和资源分配问题。我们提出了一种新型的基于Actor-Critic的网络切片方法，称为优先级双延迟分布式深度确定性策略梯度（D-TD 3）}。本文通过大量的实验结果定义并证实了一种具有多目标方法的零接触网络切片方案，其中中央服务器不断学习以积累过去学到的知识来解决未来的问题并自主地重新配置计算资源，同时最大限度地减少每个切片的延迟，能耗和虚拟网络功能（VNF）实例化成本。此外，我们追求一个状态-动作回报分布学习方法与建议重放政策和奖惩机制。最后，我们提出了数值结果来展示所采用的多目标策略的收益，并验证了在实现切片准入率，延迟，能源，CPU利用率和时间效率方面的性能。
2021-01-17 cs.NI
A Collaborative Statistical Actor-Critic Learning Approach for 6G Network Slicing Control
人工智能（AI）驱动的零接触大规模网络切片被认为是超越5G（B5 G）/6 G的颠覆性技术，其中租赁将以高级数字用例的形式扩展到最终消费者。在本文中，我们提出了一种新的无模型深度强化学习（DRL）框架，称为协作统计Actor-Critic（CS-AC），它可以在基于移动边缘计算（MEC）和大规模多输入多输出（mMIMO）的6 G RAN场景中实现可扩展和有远见的切片性能管理。在这个意图中，建议CS-AC的目标是在长期统计服务水平协议（SLA）下的延迟成本的优化。特别是，我们考虑了第Q延迟百分位SLA度量，并强制执行一些特定于切片的预设约束。此外，为了实现分布式学习器，我们提出了一个开发的变体软演员批评（SAC）具有较低的超参数敏感性。最后，我们给出了数值结果，以展示所采用的方法在我们构建的基于OpenAI的网络切片环境中的收益，并验证了延迟，SLA Q-th百分位数和时间效率方面的性能。据我们所知，这是第一项研究人工智能驱动的方法在统计SLA下进行大规模网络切片的可行性的工作。
2022-01-22 cs.NI
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
AI-Native Network Slicing for 6G Networks
University of Waterloo（滑铁卢大学）；Nanjing University（南京大学）；University of Windsor（温莎大学）
随着第五代（5G）网络的全球推出，有必要超越5G并设想6 G网络。预计6 G网络将具有空-空-地一体化网络，先进的网络虚拟化和泛在智能。本文提出了一种用于6 G网络的人工智能（AI）原生网络切片架构，以实现AI和网络切片的协同作用，从而促进智能网络管理并支持新兴的AI服务。首先在网络切片生命周期中讨论基于AI的解决方案，以智能地管理网络切片，即，AI用于切片。然后，研究了网络切片解决方案，通过构建AI实例和执行有效的资源管理来支持新兴的AI服务，即，为AI切片。最后，给出了一个案例研究，然后讨论了6 G网络中AI原生网络切片所必需的开放研究问题。
2021-11-05 cs.LG cs.NI
Actor-Critic-Based Learning for Zero-touch Joint Resource and Energy Control in Network Slicing
为了充分利用超5G（B5 G）通信系统的全部潜力，零接触网络切片（NS）被视为一种有前途的全自动管理和编排（MANO）系统。本文提出了一种新的知识平面（KP）为基础的MANO框架，容纳和利用最近的NS技术，被称为KB 5G。具体来说，我们在KB 5G中考虑了算法创新和人工智能（AI）。我们调用连续无模型深度强化学习（DRL）方法来最小化能耗和虚拟网络功能（VNF）实例化成本。我们提出了一种新的基于Actor-Critic的NS方法来稳定学习，称为双延迟双Q软Actor-Critic（TDSAC）方法。TDSAC使中央单元（CU）能够不断学习，以积累过去学到的知识，从而最大限度地减少未来的NS成本。最后，我们提出了数值结果来展示所采用的方法的增益，并验证在能源消耗，CPU利用率和时间效率方面的性能。
2022-01-22 cs.NI
Continuous Multi-objective Zero-touch Network Slicing via Twin Delayed DDPG and OpenAI Gym
人工智能（AI）驱动的零接触网络切片（NS）是一种新的范例，可以在多租户超5G（B5 G）网络中实现资源管理和编排（MANO）的自动化。在本文中，我们解决的问题，云RAN（C-RAN）联合切片准入控制和资源分配，首先制定它作为一个马尔可夫决策过程（MDP）。然后，我们调用一种称为双延迟深度确定性策略梯度（TD 3）的高级连续深度强化学习（DRL）方法来解决这个问题。在这个意图中，我们引入了一种多目标方法，使中央单元（CU）学习如何自主重新配置计算资源，同时最大限度地减少每个切片的延迟，能耗和虚拟网络功能（VNF）实例化成本。此外，我们使用OpenAI Gym工具包构建了一个完整的5G C-RAN网络切片环境，由于其标准化接口，可以轻松地使用不同的DRL方案进行测试。最后，我们提出了广泛的实验结果，以展示TD 3的增益以及所采用的多目标策略，实现切片准入成功率，延迟，节能和CPU利用率。
2021-01-17 cs.NI
Going Green in RAN Slicing
本研究针对RAN切片中的能耗问题，提出用深度上下文多臂老虎机和汤普森采样智能体进行切片激活/停用决策，在NetMob23数据集上验证了其能显著降低能耗并保持服务质量。
2023-12-28 cs.NI
Open RAN Slicing with Quantum Optimization
本文提出利用量子优化技术优化Open RAN切片中URLLC和eMBB服务的无线资源块分配框架，在Dwave量子退火平台上实现，展示了其为5G及未来网络提供实时最优解决方案的潜力。
2025-01-31 cs.NI
Communication and Computation O-RAN Resource Slicing for URLLC Services Using Deep Reinforcement Learning
未来超5G/6 G网络向服务感知网络的演进基于网络切片技术。通过网络切片，通信服务提供商寻求满足垂直行业的所有要求，包括超可靠低延迟通信（URLLC）服务。此外，开放式无线电接入网络（O-RAN）架构通过将更多可编程性引入RAN为灵活共享网络资源铺平了道路。RAN切片是端到端网络切片的重要组成部分，因为它确保了通信和计算资源的有效共享。然而，由于URLLC服务的严格要求和RAN环境的动态性，RAN切片具有挑战性。在这篇文章中，我们提出了一种基于O-RAN架构的两级RAN切片方法，用于在URLLC终端设备之间分配通信和计算RAN资源。针对每个RAN切片层次，将资源切片问题建模为单Agent马尔可夫决策过程，并设计了一种深度强化学习算法来求解，仿真结果表明了该方法在满足期望的服务质量要求方面的有效性.
2022-02-13 cs.NI eess.SP
Network Slicing in 5G Mobile Communication Architecture, Profit Modeling, and Challenges
University of Kaiserslautern (RPTU)（凯泽斯劳滕工业大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
本文探讨了5G移动通信架构中网络切片的概念、系统架构、盈利建模及其面临的挑战和研究方向。
2026-03-10 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
5G-ICN : Delivering ICN Services over 5G using Network Slicing
从应用和架构的角度来看，5G的挑战性要求促使人们需要探索通过新的网络架构提供服务的可行性。由于5G提出了以应用为中心的网络切片，可以使用可在可编程计算，存储和传输基础设施上实现的新数据平面，因此我们将以信息为中心的网络（ICN）视为实现5G目标的候选网络架构。这可以与今天提供的端到端IP服务共存。为此，我们首先提出了一种5G-ICN架构，并比较了其优点（即，通过利用ICN特征提供的创新服务）到当前基于3GPP的移动架构。然后，我们介绍了一个通用的应用程序驱动的框架，强调了网络功能虚拟化（NFV）和软件定义网络（SDN）提供的灵活性，通过它可以实现5G-ICN。我们特别关注如何将移动性即服务（MaaS）实现为5G-ICN切片的问题，并深入概述了资源配置以及功能5G-ICN切片之间的相互依赖和协调，以满足MaaS目标。
2016-10-04 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
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
Deep Reinforcement Learning-Based RAN Slicing with Efficient Inter-Slice Isolation in Tactical Wireless Networks
针对战术网络动态带宽共享与 RAN 切片隔离冲突的问题，提出两阶段 DRL 带宽分配机制并在 O-RAN 中部署，基于三种算法实现并与多基线评估。
2025-06-10 cs.NI
A Comprehensive Tutorial and Survey of O-RAN: Exploring Slicing-aware Architecture, Deployment Options, Use Cases, and Challenges
本文全面探讨了O-RAN中的网络切片，通过深入审查规范和研究论文，重点介绍了其切片感知架构、部署编排选项及用例，填补了该领域研究与标准化的空白。
2025-08-14 cs.NI
Network Slicing with Flexible VNF Order: A Branch-and-Bound Approach
针对VNF顺序可调的网络切片嵌入问题，提出联合优化准入控制与嵌入的框架，并设计结合A*搜索的近优BnB算法，显著提升可部署切片数与资源利用率。
2024-12-08 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
Intelligible Protocol Learning for Resource Allocation in 6G O-RAN Slicing
本文提出STEP框架，结合信息瓶颈理论与DQN，使6G O-RAN切片中的智能体在运行中动态涌现通信协议，以降低切片间冲突、资源利用不足和时延。
2024-06-30 cs.NI
Optimum Network Slicing for Ultra-reliable Low Latency Communication (URLLC) Services in Campus Networks
Institut für Datentechnik und Kommunikationsnetze Technische Universität Braunschweig（布伦瑞克工业大学数据技术与通信网络研究所）
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
Stochastic Optimization and Control Framework for 5G Network Slicing with Effective Isolation
网络切片是一种新兴的技术，用于为具有异构服务质量需求的各种无线服务提供资源。然而，除了满足网络用户的端到端需求之外，网络切片还需要提供切片之间的隔离，以便防止一个切片的故障和拥塞影响其他切片。在本文中，网络切片的问题进行了研究的背景下，无线系统具有时变数量的用户，需要两种类型的切片：可靠的低延迟（RLL）和自我管理（容量有限）切片。为了解决这个问题，提出了一种新的控制框架的基础上的李雅普诺夫漂移加惩罚方法的随机优化。这种新框架使系统能够最大限度地降低功耗，保持切片隔离，并为RLL切片提供可靠的低延迟端到端通信。仿真结果表明，该方法能够在网络环境突变的情况下，保持系统的可靠性，同时提供有效的切片隔离。
2018-01-31 cs.IT cs.NI math.IT
DENIS-SDN: Software-Defined Network Slicing Solution for Dense and Ultra-Dense IoT Networks
针对超密集物联网网络，提出基于网络切片的DENIS-SDN开源方案，通过逻辑或物理切片提升分组投递率，实验显示PDR分别提升4.8%和11.6%。
2023-12-21 cs.NI
SEM-O-RAN: Semantic and Flexible O-RAN Slicing for NextG Edge-Assisted Mobile Systems
本文提出 SEM-O-RAN，首个面向 NextG 开放 RAN 的语义化灵活切片框架，通过语义感知压缩和灵活边缘分配，将已分配任务数量较现有最优方法最多提升 169%。
2022-12-22 cs.NI
Fast and Scalable Network Slicing by Integrating Deep Learning with Lagrangian Methods
Nokia Bell Labs（诺基亚贝尔实验室）；University of Nebraska Lincoln（内布拉斯加大学林肯分校）；Technical University of Munich（慕尼黑工业大学）
针对深度学习网络切片方法泛化与适应性不足的问题，提出融合约束优化与深度学习的神经辅助资源分配算法，在多种切片场景下实现近优QoS满意度、强泛化性和高可扩展性。
2024-01-22 cs.AI cs.LG cs.NI
A Mathematical Introduction to Deep Reinforcement Learning for 5G/6G Applications
本文以5G/6G网络切片为背景，介绍强化学习及Actor-Critic等算法的数学基础，探讨如何利用分布式学习机制实现未来无线网络的自动化管理与编排。
2024-03-21 cs.NI
On Session Continuation among Slices for Inter-Slice Mobility Support in 3GPP Service-based Architecture
3GPP已经在最近的版本15中提供了其第一个用于网络切片的标准规范。的基本原则，构成了标准的网络切片框架。然而，这些规范缺乏切片之间的会话继续机制，这是实现切片间移动性的基本要求。在本文中，我们提出了三种解决方案，使会话继续切片在当前的3GPP网络切片框架。这些解决方案基于现有的、完善的标准机制。第一种解决方案基于流行的互联网标准移动IPv6（MIPv 6）的返回可扩展性/绑定更新（RR/BU）过程。第二种解决方案基于3GPP标准GPRS隧道协议用户平面（GTPv 1-U），其在先前切片与新切片之间建立GTP隧道以用于会话继续。第三种方案是MIPv 6-RR/BU和GTPv 1-U协议的混合方案。我们通过分析建模来比较所有这些解决方案的性能。结果表明，与MIPv 6-RR/BU和3GPP标准PDU会话建立过程相比，基于GTPv 1-U和混合MIPv 6/GTPv 1-U的解决方案具有更低的服务中断延迟，但会产生更高的资源利用开销。
2022-03-24 cs.NI
Network Slicing for Service-Oriented Networks with Flexible Routing and Guaranteed E2E Latency
网络功能虚拟化是在第五代及以后的网络中同时支持具有不同特性和需求的多个服务的有前途的技术。在实践中，每个服务都由一系列预定的功能组成，称为服务功能链（SFC），在云环境中运行。为了使不同的服务切片能够协调工作，关键是选择云节点来部署SFC中的功能，并灵活地路由服务的流程，使得这些功能按顺序处理，保证所有服务的端到端（E2E）延迟约束，并尊重所有资源约束。在本文中，我们提出了一个新的（混合二进制线性规划）制定上述网络切片问题，优化系统的能源效率，同时共同考虑资源预算，功能实例化，流路由，和E2E延迟要求。数值结果表明，所提出的配方相比，现有的优势。
2020-05-01 cs.IT cs.NI eess.SP
5G Network Management, Orchestration, and Architecture: A Practical Study of the MonB5G project
过去几十年来，蜂窝设备的爆炸式增长为后代创造了许多不同的发展机会。5G网络提供了更快的传输速度，更低的延迟，因此更大的远程执行能力。AI对5G网络切片编排和管理的好处将在本调查报告中讨论。我们将根据欧盟资助的MonB5G项目研究这些主题，该项目致力于提供零接触管理和编排，以支持5G LTE及以后的大规模网络切片。
2022-12-28 cs.CY cs.NI
Network Digital Twin for Route Optimization in 5G/B5G Transport Slicing with What-If Analysis
本文提出一种基于图神经网络的网络数字孪生平台，结合假设分析推荐系统，在5G/B5G传输切片中实现动态路由优化，并在8、16、30节点拓扑上验证了其对URLLC和eMBB时延预测的高准确性。
2025-05-08 cs.NI
Federated Orchestration for Network Slicing of Bandwidth and Computational Resource
网络切片一直被认为是5G支持多样化物联网服务和应用场景的关键推动因素之一。本文研究了5G支持的大规模物联网网络的分布式网络切片与雾计算。具有不同需求的多种服务需要由5G网络提供的频谱资源和雾计算网络的计算资源来支持。我们提出了一种新的分布式框架的基础上，一个新的控制平面实体，联邦协调器，它可以协调频谱和计算资源，而不需要任何交换的本地数据和资源信息从BS。提出了一种基于部分变量分裂乘子交替方向法的分布式资源分配算法。我们证明了DistADMM-PVS最大限度地减少了整个网络的平均服务响应时间，并保证了所有支持的服务类型的最坏情况下的性能时，F-协调器和BS之间的协调是完全同步的。基于协调同步可能导致高协调延迟，当网络规模很大时，这是无法容忍的，我们提出了一种新的简化ADMM算法。我们证明了AsynADMM可以收敛到全局最优解，具有更好的可扩展性和可忽略的协调延迟。我们使用在5G网络支持的校园智能交通系统中收集的两个月的交通数据来评估我们提出的框架的性能。我们已就繁忙及非繁忙时间的行人及车辆相关服务进行广泛的模拟。我们的研究结果表明，所提出的框架提供了显着减少的服务响应时间为两个支持的服务，特别是与网络切片只有一个单一的资源。
2020-02-06 cs.NI eess.SP
Slice Agent: Identifying and Isolating Slices in Shared Open Radio Unit
University of Vale do Rio dos Sinos (UNISINOS)（南里奥达斯苏诺斯河谷大学）；Universidade Federal de Goiás (UFG)（戈亚斯联邦大学）
本文提出在共享开放射频单元中嵌入切片代理，通过专用路径实现时间敏感的灵活切片，以支持超低延迟的切片识别和隔离，适用于5G和6G开放RAN部署。
2026-04-28 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
Proactive Service Assurance in 5G and B5G Networks: A Closed-Loop Algorithm for End-to-End Network Slicing
Concordia University（康考迪亚大学）
本文提出了一种面向端到端网络切片的闭环算法，用于5G和B5G网络中的主动服务保障，通过动态资源调整和并行处理实现高效的服务保障。
2025-11-13 cs.DC cs.NI cs.PF
A Queuing based Dynamic Auto Scaling Algorithm for the LTE EPC Control Plane
网络切片（NS）预计将成为即将到来的5G系统的关键功能。NS与软件定义网络（SDN）和网络功能虚拟化（NFV）相结合，将能够在共享基础设施上灵活部署属于多个服务功能链（SFC）的网络功能。为了解决这个新环境中出现的复杂性，我们制定了一个MILP优化模型，该模型可以实现网络切片的成本优化部署，使移动网络运营商能够根据用户的需求有效地分配底层资源。对于每个网络切片，所提出的解决方案保证了所需的延迟和带宽，同时有效地处理底层节点的使用，从而降低了成本。所得到的结果表明，所提出的解决方案的成本和执行时间的小规模网络的效率，而它显示了一个有趣的行为在大规模的拓扑结构。
2022-01-03 cs.NI
Noisy Neighbor Influence in the Data Plane of Beyond 5G Networks
Federal University of Viçosa (UFV)（维索萨联邦大学）；University of São Paulo (USP)（圣保罗大学）；University of Minho (UMinho)（米尼奥大学）
本文提出了一种内核级的UPF仪器化方法，用于评估噪声邻居效应在超5G网络数据平面中的影响，并揭示了优先级切片可能受到的延迟影响。
2026-01-17 cs.NI
QoS-Aware Service Restoration in 5G Optical Transport Networks
针对5G光传输网络中故障影响多服务的问题，提出FDSP算法，结合快速ILP模型与PLI感知路由频谱分配，优先恢复关键服务，降低阻塞概率。
2025-03-28 cs.NI
Optimal Network Slicing for Service-Oriented Networks with Flexible Routing and Guaranteed E2E Latency
网络功能虚拟化是在5G及更高网络中同时支持具有不同特性和要求的多个服务的有前景的技术。具体地，每个服务由在云环境上运行的预定功能序列（称为服务功能链（SFC））组成。为了使不同的服务切片协调地正常工作，关键是适当地选择云节点以在SFC中部署功能，并灵活地路由服务的流，使得这些功能以相应SFC中定义的顺序被处理，保证所有服务的端到端（E2E）延迟约束，并且尊重所有云和通信资源预算约束。在本文中，我们首先提出了一个新的混合二进制线性规划（MBLP）制定上述网络切片问题，优化系统的能源效率，同时联合考虑E2E的延迟要求，资源预算，流路由，和功能实例化。然后，我们开发了另一种MBLP配方，并表明这两种配方是等价的，在这个意义上，他们共享相同的最优解。然而，由于第二个问题公式中的变量和约束的数量明显小于第一个问题公式中的变量和约束的数量，因此求解第二个问题公式在计算上更有效，特别是当相应网络的维数很大时。数值结果表明，所提出的公式相比现有的优势。
2021-06-05 cs.IT cs.NI eess.SP
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
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
Realizing ICN in 3GPP's 5G NextGen Core Architecture
所提出的3GPP的5G下一代（NextGen）核心架构（5GC）使得能够在网络切片的上下文中引入新的用户和控制平面功能，以允许在处理异构设备和应用时具有更大的灵活性。在本文中，我们讨论了这种架构与未来的网络技术的集成，重点是信息中心网络（ICN）技术。为此，我们首先提供了一个简短的描述，建议5GC，这是随后的讨论扩展到5GC的控制和用户平面，以支持协议数据单元（PDU）会话从ICN。为了说明在5GC中启用ICN的价值，我们重点介绍ICN数据网可以启用的两种重要网络服务。第一种情况针对联网汽车用例的移动边缘计算，而第二种情况针对ICN会话的无缝移动性支持。我们在考虑3GPP的23.501和23.502技术规范提出的过程的情况下提出这些讨论。
2017-11-07 cs.NI
Orchra: Stateful-aware Cross-slice Workload Migrations in the 6G Control Plane
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；RPTU University of Kaiserslautern-Landau（凯泽斯劳滕-兰道理工大学）
针对5G-Advanced/6G网络跨切片会话迁移中断问题，提出智能编排器Orchra，通过外化设备状态实现低延迟状态保留迁移，将用户平面中断时间缩短超一半，安全开销可忽略。
2026-08-24 cs.NI
Slicenet: a Simple and Scalable Flow-Level Simulator for Network Slice Provisioning and Management
本文提出Slicenet，一个类似mininet的流级端到端网络切片模拟器，用于在大规模拓扑上评估资源分配与功能放置，支持策略实施、可视化及QoS、SLA等多维度分析。
2023-10-17 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
Generative-AI for AI/ML Model Adaptive Retraining in Beyond 5G Networks
本文提出利用生成式AI预测B5G网络中AI/ML模型重训练时机的方法，在O-RAN平台和Colosseum数据集上验证表明其优于分类器和阈值方法。
2024-08-27 cs.NI eess.SP
IsoRAN: Isolation and Scaling for 5G RANvia User-Level Data Plane Virtualization
5G为蜂窝网络架构带来了一系列独特的挑战。该架构需要具有通用性，以便处理各种用例。虽然已经提出了网络切片作为提供这种多功能性的一种方式，但确保切片不会彼此不利地干扰也很重要。换句话说，需要网络切片之间的隔离。此外，大量的用例也意味着大量的用户，这使得5G架构必须有效地扩展。在本文中，我们提出了IsoRAN，它提供了隔离和扩展以及5G架构所需的灵活性。在IsoRAN中，用户由云无线电接入网络（CRAN）架构中的守护进程线程处理。我们的设计允许来自不同用例的用户以分布式方式在最高效的硬件上执行，以确保满足服务水平协议（SLA），同时最大限度地降低功耗。我们的实验表明，IsoRAN处理用户不同的SLA，同时提供隔离，以减少干扰。在某些情况下，这种增加的隔离将不同用户的掉线率从42%降低到近0%。最后，我们在真实轨迹上运行大规模模拟，以显示在增加基站数量的同时降低功耗和成本的好处。
2020-03-04 cs.DC cs.NI
