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
Collaborative Intelligence for UAV-Satellite Network Slicing: Towards a Joint QoS-Energy-Fairness MADRL Optimization
University of Engineering and Technology, Vietnam National University（越南国立大学工程技术大学）；School of Computer Science and Informatics, University of Liverpool（利物浦大学计算机科学与信息学院）；Interdisciplinary Centre for Security Reliability and Trust (SnT), University of Luxembourg（卢森堡大学安全、可靠性与信任跨学科中心）
本文提出了一种基于多智能体深度强化学习的无人机-卫星网络切片框架，通过联合优化服务质量、能耗和公平性，实现更高效的资源分配和网络性能提升。
2025-12-09 cs.NI
Learning from Peers: Deep Transfer Reinforcement Learning for Joint Radio and Cache Resource Allocation in 5G RAN Slicing
网络切片是5G通信的关键技术，涵盖无线接入网（RAN）、边缘、传输和核心切片。不断发展的网络架构需要协调无线和缓存资源等多种网络资源。近年来，机器学习（ML）技术已经广泛应用于网络管理。然而，大多数现有的作品没有利用ML的知识转移能力。在本文中，我们提出了一种深度传输强化学习（DTRL）方案，用于联合无线电和缓存资源分配，以服务于5G RAN切片。首先，我们定义了一个层次结构的联合资源分配。然后，我们提出了两种DTRL算法：基于Q值的深度迁移强化学习（QDTRL）和基于动作选择的深度迁移强化学习（ADTRL）。在所提出的计划中，学习者代理利用专家代理的知识，以提高他们的表现在当前的任务。将所提出的算法与无模型探索奖励深度Q学习（EB-DQN）和基于模型的优先级比例公平性和生存时间（PPF-TTL）算法进行比较。与EB-DQN相比，我们提出的基于DTRL的方法为超可靠低延迟通信（URLLC）切片提供了21.4%的延迟，为增强型移动宽带（eMBB）切片提供了22.4%的吞吐量，同时实现了比EB-DQN更快的收敛速度。此外，相对于PPF-TTL，观察到URLLC延迟降低40.8%，eMBB吞吐量提高59.8%。
2022-09-01 cs.NI cs.SY eess.SP
Joint Power Allocation and Network Slicing in an Open RAN System
最近成立的开放无线接入网络（ORAN）联盟将xRAN和云RAN（C-RAN）的思想相结合，建立了一个灵活、开放、智能的无线接入网络（RAN）。ORAN将RAN的功能划分为三个部分，即远程单元（RU）、分布式单元（DU）和中央单元（CU）。RU包含较低的PHY功能，DU包含较高的PHY、MAC和RLC，CU包含RRC、PDCP和SDAP。CU和DU被实现为在云环境上运行的虚拟网络功能（VNF）。RU、CU和DU之间的接口是开放的标准接口。网络切片作为5G系统中的新概念，用于在各种服务之间共享网络资源，而一个服务的操作不影响另一个服务。在本文中，我们研究了在ORAN系统中的RAN网络切片问题。我们制定的问题，无线链路调度，映射切片的服务，并映射物理数据中心的资源切片。目标是联合地最大化能量效率并且最小化RU的功率消耗和下行链路信道中的物理资源的成本。该问题被制定为一个混合整数优化问题，可以分解成两个独立的子问题。启发式算法提出了每个子问题。
2019-11-05 cs.NI eess.SP
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
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
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
Joint Channel Assignment and Opportunistic Routing for Maximizing Throughput in Cognitive Radio Networks
在本文中，我们考虑联合机会路由和信道分配问题，在多信道多无线电（MCMR）认知无线电网络（CRN），以提高聚合吞吐量的次要用户。首先，我们提出了这个联合问题的非线性规划优化模型，考虑到CRNS的特点-信道的不确定性。在此基础上，提出了一种新的基于节点队列状态的机会路由选择方案。此外，提出了一种计算节点处任何数据包的转发概率的新算法，用于计算转发器应该发送多少数据包，从而与MAC无关的机会路由和编码（MORE）相比可以减少重复传输[11]。我们的数值结果表明，该方案的性能显着优于传统的路由和机会路由，其中采用信道分配策略。
2015-07-02 cs.NI cs.PF
Ultra-Reliable Low-Latency Communications in Autonomous Vehicular Networks
预计自动驾驶汽车将成为未来十年汽车发展的主要趋势。为了支持自动驾驶汽车，自动驾驶汽车和基础设施网络之间需要超可靠的低延迟通信（URLLC），例如，第五代（5G）蜂窝网络。因此，在5G自主车辆网络中，必须联合研究可靠性和延迟。利用欧几里德范数理论，我们首先提出了一个可靠性和延迟联合函数来评估5G自主车辆网络中可靠性和延迟的联合影响。可靠性和延迟之间的相互作用通过5G自主车辆网络的蒙特卡洛（MC）模拟来说明。为了提高可靠性和延迟性能并实现URLLC，提出了一种新的用于5G自主车辆网络的网络切片解决方案，该方案从资源切片扩展到服务和功能切片。仿真结果表明，所提出的网络切片解决方案能够提高5G自主车载网络的可靠性和延迟性能，并确保URLLC。
2019-03-05 cs.NI
Online Network Slicing for Real Time Applications in Large-scale Satellite Networks
在这项工作中，我们研究资源分配策略的实时的【形】通信（RTC）在卫星网络与虚拟网络功能。通过星间链路（ISL）、在轨计算和网络虚拟化技术的增强，大规模卫星网络可以为具有多样化功能的RTC应用提供低延迟和高带宽的全球覆盖。然而，使用间歇性ISL实现具有特定功能要求的RTC需要具有快速响应时间的高效路由方法。我们确定，这样的路由问题在时变图可以制定为一个整数线性规划问题。分支定界方法引起$\mathcal{O}(|\mathcal{L}^τ| \cdot (3 |\mathcal{V}^τ| + |\mathcal{L}^τ|)^{|\mathcal{L}^τ|})$时间复杂度，其中$|\mathcal{V}^τ|$是节点的数量，并且$|\mathcal{L}^τ|$是在时间间隔$τ$期间的链路的数量。通过采用基于k-最短路径的算法，理论上的最坏情况复杂度变为$O(|\mathcal{V}^τ|! \cdot |\mathcal{V}^τ|^3)$。虽然它在大多数情况下运行得很快，但它的解决方案可能是次优的，并且可能找不到，从而导致实际中的接受率受损。为了克服这一点，我们进一步设计了一个基于图的算法，利用特殊结构的解决方案空间，它可以获得最优解的多项式时间与计算复杂性为$\mathcal{O}(3|\mathcal{L}^τ| + (2\log{|\mathcal{V}^τ|}+1) …
2023-01-23 cs.NI
WONDER: Workload Optimized Network Defined Edge Routing
与前几代无线网络相比，5G标准实现了蜂窝网络功能，显著改善了延迟、容量、吞吐量和可靠性等关键网络特性。然而，很明显，为了在实际的网络实现中实现这些改进，需要适当地设计支持的物理和逻辑基础设施。该基础设施的关键组件是无线接入网络、边缘数据中心、分组/光互连结构和边缘计算。本文重点介绍边缘数据中心、互联和边缘计算功能，这些功能旨在通过智能网络切片、流量路由和协调的计算工作负载分配，在5G网络上提供高性能服务。我们提出了新的方法，以确保在移动条件下的最佳流量路由和边缘计算工作负载放置，并利用分段路由/IPv6和软件定义的控制机制，满足一组互连边缘数据中心内的应用程序要求和约束。
2021-10-18 cs.NI
Knowledge Transfer based Radio and Computation Resource Allocation for 5G RAN Slicing
为了在5G中实现网络切片，资源分配是将有限的网络资源（诸如无线电和计算资源）分配给多个切片的关键功能。然而，联合资源分配也导致网络管理的更高复杂度。在这项工作中，我们提出了一种基于知识转移的资源分配（KTRA）方法，用于为5G RAN切片联合分配无线电和计算资源。与现有的作品相比，主要的区别是，建议KTRA方法具有知识转移能力。它被设计为使用类似任务的先验知识来提高目标任务的性能，例如，更快的收敛速度或更高的平均报酬。与基于Qlearning的资源分配（QLRA）方法相比，KTRA方法的URLLC延迟降低了18.4%，eMBB吞吐量提高了30.1%，收敛速度加快。
2021-10-23 cs.NI cs.SY eess.SY
RouterWise: Joint Resource Allocation and Routing for Latency-Aware Multi-Model LLM Serving
DisNet Lab, School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息学院）；School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息学院）；Department of Data Science & AI, Monash University（莫纳什大学数据科学与人工智能系）
针对延迟敏感的多模型LLM服务，RouterWise通过联合资源分配与路由策略优化，提升输出质量并满足延迟目标。
2026-06-22 cs.DC cs.NI
Network Slicing for Service-Oriented Networks Under Resource Constraints
为了在固定通信网络上支持多种按需服务，网络运营商必须允许灵活定制和快速提供其网络资源。一种有效的方法是网络虚拟化，其中每个服务都映射到一个虚拟子网，为网络用户提供专用的按需支持。在实践中，每个服务由预先指定的功能序列组成，称为服务功能链（SFC），而SFC中的每个服务功能只能由一些给定的网络节点提供。因此，为了支持给定的业务，我们必须根据SFC选择网络功能节点，并按照指定的顺序确定通过功能节点的路由策略。需要解决的一个关键的网络切片问题是如何在链路和节点容量约束的情况下，根据SFC的规定，最佳地定位物理网络中的服务功能。在本文中，我们制定了网络切片问题作为一个混合二元线性规划，并建立其强NP-困难。此外，我们提出了有效的惩罚连续上限最小化（PSUM）和PSUM-R（ounding）算法，和两个启发式算法来解决这个问题。仿真结果证明了所提出的算法的有效性。
2017-08-24 cs.NI
Joint Task Offloading and Routing in Wireless Multi-hop Networks Using Biased Backpressure Algorithm
针对无线多跳网络中的计算卸载，提出基于有偏背压算法的联合卸载与路由方法，通过扩展图建模并动态调整路由，在大型网络中实现更小的完工时间。
2025-01-24 cs.DC cs.NI eess.SP
OKpi: All-KPI Network Slicing Through Efficient Resource Allocation
网络现在可以处理数据以及传输数据;因此，它们可以支持多种服务，每种服务都需要不同的关键性能指标（KPI）。由于前者，有效地分配网络和计算资源以提供所需的服务至关重要，并且由于后者，此类决策必须共同考虑服务所针对的所有KPI。考虑新引入的KPI（例如，可用性和可靠性）需要量身定制的模型和解决方案策略，并且已经被现有的工作显著地忽视，这些工作而是围绕诸如吞吐量和延迟的传统度量来构建的。我们填补了这一空白，提出了一种新的方法和资源分配计划，名为OKPI，它使高质量的选择无线接入点以及VNF（虚拟网络功能）的布局和数据路由，多项式计算复杂性。OKpi负责每个服务所需的所有相关KPI，以及从雾到云的任何可用资源。我们证明了OKPI的几个重要属性，并在两个现实世界的场景中评估其性能，发现它与最佳值密切匹配。
2019-12-06 cs.NI
Minimizing Energy Consumption for End-to-End Slicing in 5G Wireless Networks and Beyond
端到端（E2E）网络切片使无线网络能够在公共基础设施上提供多样化的服务。每个E2E切片，包括无线电接入网络（RAN）和核心网络的资源，被租用给移动虚拟网络运营商（MVNO）以向最终用户提供特定服务。通过无线网络虚拟化实现的RAN切片涉及在RAN中共享频谱和基站天线。类似地，在通过网络功能虚拟化实现的核切片中，在不同MVNO的用户之间共享诸如商用服务器和物理链路的数据中心资源。在本文中，我们研究了E2E切片的目标是最小化的总能量消耗。所述优化问题是非凸的，其通过这里提出的次优算法来解决。仿真结果表明，我们提出的联合功率控制，服务器和链路分配（JPSLA）算法实现了30%的改善相比，不相交的计划，其中RAN和核心分别切片。
2022-06-07 cs.NI
Jointly Optimal Routing and Caching for Arbitrary Network Topologies
我们研究了一个对ICN至关重要的问题，即通过联合优化任意网络拓扑结构的缓存和路由决策来最大限度地降低路由成本。我们考虑源路由和逐跳路由设置。这两个离线问题都是NP难的。然而，我们发现，存在多项式时间的近似算法生产的解决方案，从最佳的一个常数近似。我们还生产分布式，自适应算法具有相同的近似保证。我们模拟我们的自适应算法在广泛的不同的拓扑结构。与现有技术相比，我们的算法降低了几个数量级的路由成本，包括在固定路由下优化缓存的算法。
2017-08-20 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
Joint Optimization of Application Specific Routing in an Anycast Network
联网领域的最新发展为网络提供了有效满足用户的应用特定需求的机会。在这种情况下，路由路径不仅取决于网络状态，而且还根据使用网络的应用的最佳利益来计算。这些高级路由算法可以利用应用状态数据来增强高级网络服务，例如任播、边缘云计算和网络物理系统（CPS）。在这项工作中，我们的目标是设计这样一个路由算法的路由器的决定是基于凸优化技术。
2018-08-18 cs.NI
Joint Inter-flow Network Coding and Opportunistic Routing in Multi-hop Wireless Mesh Networks: A Comprehensive Survey
网络编码和机会路由是两个公认的创新思想，以提高无线网络的性能，通过利用无线介质的广播性质。在过去的十年中，已经有相当多的研究如何协同流间网络编码和机会路由在一个单一的联合协议优于每个在任何情况下。本文解释了这两种技术的集成背后的动机，并强调了某些情况下，联合方法甚至可能降低性能，强调了一个事实，即它们的协同效应不能用天真和敷衍的组合来实现。这份调查报告还提供了一个全面的分类联合协议的基本组成部分和相关的挑战，并比较现有的联合协议。我们还提出了结论性意见，以及未来的研究方向的纲要。
2018-03-01 cs.NI
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
Jointly Optimal Routing and Caching with Bounded Link Capacities
我们研究了一个缓存网络，其中中间结点配备有缓存可以服务于请求。我们建模的问题，共同优化缓存和路由决策与链路容量约束在任意网络拓扑结构。该问题可以表示为多个连续递减-收益（DR）超模约束下的连续DR子模最大化问题，并且是NP-困难的。我们提出了一个多时间交替原始-对偶启发式算法，其中原始步骤产生的解决方案的$1-\frac{1}{e}$近似因子的最佳。通过大量的实验，我们证明了我们提出的算法显着优于竞争对手。
2023-02-06 cs.NI
JASPER: Joint Optimization of Scaling, Placement, and Routing of Virtual Network Services
为了适应网络中不断变化的工作负载，运行的网络服务的组件可能需要被动态地复制（缩放网络服务）并分配给物理资源（放置），这也需要服务组件之间的流的动态重新路由。在本文中，我们提出了JASPER，一个完全自动化的方法来联合优化复杂网络服务的扩展，布局和路由，由多个（虚拟化）组件。JASPER处理共享同一底层网络的多个网络服务;可以动态添加或删除服务，并处理动态工作负载变化。我们的方法允许服务设计者使用服务模板在高抽象级别上指定他们的服务。根据服务模板和基板网络描述，JASPER自动做出缩放、布局和布线决策，从而对变化做出快速反应。我们对该问题进行了形式化描述，分析了其复杂性，并提出了两种算法来解决该问题，大量的实验结果表明了该方法的适用性和有效性。
2017-11-29 cs.NI
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
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
Slicing-Based AI Service Provisioning on Network Edge
边缘智能利用网络边缘的计算资源，提供贴近网络用户的人工智能（AI）服务。由于它能够实现快速推理和分布式学习，边缘智能被认为是6G网络的重要组成部分。在本文中，我们研究了支持边缘智能的AI服务配置。首先，我们介绍了AI服务的特点和要求。然后介绍了AI服务数据管理，并为AI服务定制了网络切片。具体而言，我们提出了一种新的资源池方法，以联合管理AI服务的服务数据和网络资源。一个跟踪驱动的案例研究证明了所提出的资源池方法的有效性。通过这项研究，我们说明了在网络边缘提供AI服务的必要性、挑战和潜力。
2021-05-14 cs.NI cs.SY eess.SY
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
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
Joint Semantic Coding and Routing for Multi-Hop Semantic Transmission in LEO Satellite Networks
Chongqing University of Posts and Telecommunications（重庆邮电大学）
本文提出GraphJSCR方法，通过联合路由和语义编码提升低轨卫星网络多跳语义传输性能，平衡语义质量和传输延迟。
2026-04-14 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
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
Joint Satellite Gateway Placement and Routing for Integrated Satellite-Terrestrial Networks
随着星地一体化网络（ISTN）的日益重视，卫星网关的布局问题变得至关重要。由此产生的网络性能可能会有所不同，这取决于不同的设计策略。在本文中，联合卫星网关布局和路由策略的地面网络提出了网关部署和流量路由的总成本最小化，同时坚持平均延迟要求的流量需求。虽然流量路由和网关布局可以独立解决，但不同需求的路由决策之间的依赖性使得解决聚合模型更现实。我们开发了一个混合整数线性规划（MILP）制定的问题。我们放松的完整性约束，以实现一个线性规划（LP），从而降低了时间复杂度的代价是一个次优的解决方案。我们还提出了一个变种的建议模型，以平衡所选网关之间的负载。
2020-10-05 cs.NI
Joint Routing, Scheduling And Power Control For Multihop Wireless Networks With Multiple Antennas
研究了多天线多跳无线网络的联合路由、调度和功率控制问题。我们扩展的问题和（次优）启发式求解方法JRSP MHWN单天线。我们提出了一个迭代的计划来计算链路容量（可达速率）的干扰环境中的网络使用SINR模型。然后，我们提出了解决JRSP问题的算法。这完成了一个可行的系统模型MHWN时，节点有多个天线。我们表明，我们实现的增益，通过使用多个天线在网络中是线性的最佳性能以及启发式算法的性能。
2011-10-03 cs.NI stat.CO
Dynamic Network Slicing for Scalable Fog Computing Systems with Energy Harvesting
本文研究了雾计算系统，在该系统中，云数据中心可以通过部署在广阔地理区域的大量雾节点来补充。每个节点依靠从周围环境中收集的能量为本地用户提供计算服务。我们提出了动态网络切片的概念，其中区域协调器协调本地雾节点之间的工作负载分布，提供分区/切片的能量和计算资源，以支持特定类型的服务，具有一定的服务质量（QoS）保证。分配给每个切片的资源可以根据服务需求和能量可用性进行动态调整。提出了一种随机重叠联盟形成博弈模型，研究了随机波动的能量收集和负载到达过程下fog节点之间的分布式合作和联合网络切片.我们观察到，雾计算网络的整体处理能力，可以提高通过允许雾节点，以保持一个信念函数的未知状态和其他节点的私人信息。提出了一种基于信念-状态部分可观测马尔可夫决策过程（B-POMDP）的最优资源切片算法。我们描述了如何实现我们提出的动态网络切片内的3GPP网络共享架构，并评估我们提出的框架的性能，使用一个真正的蜂窝系统的实际BS位置数据，超过200个BS部署在都柏林市。我们的数值结果表明，我们的框架可以显着提高雾计算网络的工作负载处理能力。特别是，即使每个雾节点只能与其最近的邻居协调，在某些情况下，雾节点处理的工作负载总量几乎可以增加一倍。
2020-01-28 cs.DC cs.NI eess.SP
Joint Cache Placement and Routing in Satellite-Terrestrial Edge Computing Network: A GNN-Enabled DRL Approach
本文针对卫星-地面边缘计算网络中的联合缓存与路由问题，提出GNN与DRL结合的框架，将卫星网络建模为动态图并用SAC算法优化缓存策略，仿真表明可显著提高交付成功率并降低通信流量成本。
2025-08-22 cs.NI
On Enhancing Delay SLAs in TCP Networks through Joint Routing and Transport Assistant Deployment
University of Extremadura（埃斯特雷马杜拉大学）；ISITCom, University of Sousse（苏塞大学 ISITCom）；Futurewei Technologies, Inc.（华为技术有限公司）
本文提出联合路由和部署运输助手以减少最佳努力网络中的数据包交付延迟或满足基于服务质量网络的延迟SLA，通过整数线性规划建模并提出启发式解决方案。
2026-04-01 cs.NI
Joint Routing and Model Pruning for Decentralized Federated Learning in Bandwidth-Constrained Multi-Hop Wireless Networks
School of Information and Communication Engineering, Beijing University of Posts and Telecommunications（信息与通信工程学院，北京邮电大学）
本文提出联合路由与剪枝框架，通过优化路由路径和剪枝率，在通信资源受限下提升去中心化联邦学习的收敛性能。
2026-03-16 cs.LG cs.NI
iSatCR: Graph-Empowered Joint Onboard Computing and Routing for LEO Data Delivery
School of Communications and Information Engineering, Chongqing University of Posts and Telecommunications（通信与信息工程学院，重庆邮电大学）
本文提出iSatCR，通过联合在轨计算与路由优化提升低轨卫星数据传输效率，采用图嵌入和深度强化学习处理复杂动态网络。
2026-03-19 cs.LG cs.NI
JAUNT: Joint Alignment of User Intent and Network State for QoE-centric LLM Tool Routing
针对LLM工具路由仅做语义功能匹配、忽视用户意图模糊性及网络状态影响QoE的问题，提出JAUNT双视图对齐框架与配套基准，实验证明其显著优于基线。
2025-10-21 cs.NI
Deep Reinforcement Learning for Combined Coverage and Resource Allocation in UAV-aided RAN-slicing
Technology Innovation Institute（技术创新研究院）；Trinity College Dublin（都柏林圣三一学院）
网络切片是一种评估良好的方法，能够在新兴的第五代新无线电中实现移动核心和无线电接入网络（RAN）的虚拟化。切片是至关重要的，当处理新兴的和多样化的垂直应用程序，需要异构的需求集。5G还设想无人机（UAV）成为蜂窝网络标准的关键元素，旨在将其用作空中基站，并利用其灵活快速的部署来增强无线网络性能。该工作提出了一种无人机辅助的5G网络，其中空中基站（UAV-BS）具有网络切片能力，旨在优化一组用户的服务水平协议（SLA）满意度。这些用户属于5G服务类型的三个异构类别，即增强型移动宽带（eMBB）、超可靠低延迟通信（URLLC）和大规模机器类型通信（mMTC）。介绍了在网络切片背景下用于UAV-BS的多代理和多决策深度强化学习的第一应用，旨在通过将无线电资源联合分配给切片和UAV-BS二维轨迹的细化来优化用户的SLA满意率。所提出的策略的性能已经过测试，并与基准算法进行了比较，在各种场景中，满意用户的比例更高（至少高出27%）。
2022-11-15 cs.LG cs.NI
Joint Routing and STDMA-based Scheduling to Minimize Delays in Grid Wireless Sensor Networks
在这份报告中，我们研究了网格无线传感器网络（WSNs）的延迟优化和能源效率的问题。我们专注于STDMA（空间复用TDMA））调度，其中重复预定义的周期，并且每个节点在特定时隙（由颜色定义）期间具有固定的传输机会。我们假设一个STDMA算法，利用网格拓扑的规律性，也提供了一个空间周期性的着色（“平铺”相同的颜色模式）。在这种情况下，关键的挑战是：1）通过对周期中的时隙进行排序来最小化平均路由延迟; 2）节能。我们的工作遵循两个方向：第一，基线性能进行评估时，没有做任何具体的，颜色是随机排序的STDMA周期。然后，我们提出了一个解决方案，ORCHID，故意构建一个有效的STDMA调度。它分两步进行。在第一步中，ORCHID开始形成一个彩色网格，并根据这些颜色构建一个分层路由。在第二步中，ORCHID通过联合考虑路由和调度来建立颜色排序，以确保任何节点将在单个STDMA周期中到达宿。我们研究这些解决方案的性能，通过模拟和建模。结果显示，与使用延迟作为启发式算法的最短路径路由相比，ORCHID在延迟和能量方面具有出色的性能。我们还提出了适应ORCHID一般网络的SINR干扰模型下。
2014-09-01 cs.NI
Joint Routing, Scheduling and Power Control Providing Hard Deadline in Wireless Multihop Networks
我们认为最佳/有效的功率分配策略在单/多跳无线网络中存在硬端到端的最后期限延迟的传输数据包的约束。这样的约束对于实时的语音和视频是有用的。功率仅在数据的传输中被消耗。我们考虑的情况下，在传输中使用的功率是一个凸函数的数据传输。我们开发了一个计算效率高的在线算法，它最大限度地减少了单跳的平均功率。我们将此问题建模为动态规划（DP），并得到最优解。接下来，我们将其推广到多用户，多跳的情况下，有多个实时的流与不同的硬期限约束。
2017-02-15 cs.NI
Multi-objective Optimization of Space-Air-Ground Integrated Network Slicing Relying on a Pair of Central and Distributed Learning Algorithms
本文针对天地一体化网络中的高吞吐量、低时延和广覆盖三类RAN切片，提出集中式与分布式相结合的CDMADDPG算法，联合优化吞吐量、时延和覆盖面积，仿真表明其逼近Pareto最优并优于基准方案。
2023-09-22 cs.NI eess.SP
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
Uncertainty-Aware Resource Provisioning for Network Slicing
网络切片允许移动网络运营商将物理基础设施拆分为隔离的虚拟网络（切片），由服务提供商管理以适应定制服务。属于一个切片的服务功能链（SFC）通常部署在尽力而为的前提下：没有什么可以保证网络基础设施资源足以支持不同数量的用户，每个用户都有不确定的需求。以网络基础设施提供商（InP）的角度来看，本文提出了一种资源配置方法的切片，鲁棒性部分未知数量的用户随机使用的切片资源。供应方案旨在最大化InP的总收益，同时提供供应的网络资源的量将满足切片要求的概率保证。此外，执行所提出的供应方法，以便限制其对低优先级后台服务的影响，这些后台服务可能与基础设施网络中的切片共存。提出了片资源配置问题的混合线性规划模型。最优联合和次优序列的解决方案提出。这些解决方案相比，不占共享公共基础设施网络的尽力而为的服务的供应方案。
2020-06-01 cs.NI
Joint Routing and Scheduling for Large-Scale Deterministic IP Networks
随着5G的到来和互联网协议的演进，工业应用正从垂直解决方案转向需要满足确定性服务质量（QoS）要求的通用IP基础设施。IETF DetNet工作组旨在通过支持（i）确定性最坏情况延迟和抖动，以及（ii）时间敏感流量的零数据包丢失来满足这一需求。在本文中，我们专注于大规模确定性网络的联合路由和调度问题，使用循环指定的路由和转发（CSQF），扩展的循环路由和转发（CQF）与多个传输队列和支持段路由。在这种情况下，我们提出了两个集中式算法，以最大限度地提高网络规划和在线流量准入的流量接受。我们提出了一种基于列生成和动态规划的有效解决方案。由于模型的加强与有效的不等式，我们提高了上限和解决方案。我们证明了现实的情况下，我们达到了最优差距小于10%，在几秒钟内。最后，我们也推导出一个超快速的自适应贪心算法，以解决这个问题的代价是一个小的额外的差距。
2020-10-28 cs.NI
Joint Resource and Admission Management for Slice-enabled Networks
网络切片是通信服务提供商（CSP）寻求部署的5G网络的关键部分。通过利用三种主要的使能技术，即软件定义网络（SDN）、网络功能虚拟化（NFV）和网络切片，可以以高效、可扩展和灵活的方式向终端用户提供通信服务。要采用这些技术，非常重要的是如何分配资源，并根据预定义的标准和可用的资源接纳客户的CSP。在这方面，我们提出了一种新的联合资源和准入管理算法的切片使能网络。在所提出的算法中，我们的目标是最小化的网络成本的CSP受到切片请求从租户对应的虚拟机和虚拟链路的约束。我们的性能评估所提出的方法表明，它在管理CSP的资源的效率。
2019-12-07 cs.NI cs.SY eess.SY
Network Slicing with MEC and Deep Reinforcement Learning for the Internet of Vehicles
未来第五代（5G）无线生态系统中的车辆互联形成了所谓的车联网（IoV）。车联网提供了需要延迟敏感、计算密集和带宽需求服务的新型应用。移动边缘计算（MEC）和网络切片（NS）是5G网络中的两项关键使能技术，可用于优化网络资源分配并保证车联网应用的多样化需求。由于传统的基于模型的优化技术通常以NP难、强非凸和非线性数学规划公式告终，本文引入了一种基于深度强化学习（DRL）的无模型方法来解决基于网络切片的MEC使能车联网中的资源分配问题。此外，该解决方案使用非正交多址接入（NOMA），使稀缺的信道资源的更好的利用。所考虑的问题共同解决的信道和功率分配，切片选择和车辆的选择（车辆分组）。我们建模的问题作为一个单一的代理马尔可夫决策过程。然后，我们使用DRL使用著名的DQL算法来解决它。我们表明，我们的方法是强大的和有效的，在不同的网络条件下相比，基准解决方案。
2022-01-27 cs.NI eess.SP
Joint Optimization of DNN Model Caching and Request Routing in Mobile Edge Computing
School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）；Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系）
本文研究移动边缘计算网络中DNN模型缓存与请求路由的联合优化问题，提出CoCaR算法提升用户请求推理精度，CoCaR-OL在动态场景下进一步提升用户体验质量。
2026-05-12 cs.NI
Optimal Joint Routing and Scheduling in Millimeter-Wave Cellular Networks
毫米波（mmWave）通信是一种很有前途的技术，可以应对5G网络中数据流量的预期指数增长。毫米波网络通常需要非常密集的毫米波基站（mmBS）部署。为了降低成本并增加灵活性，需要无线回程来连接mmBS。毫米波通信的特性，特别是其高定向性，意味着对高效路由和调度范例的新要求。我们提出了一种高效的调度方法，所谓的面向调度的优化，基于匹配理论，优化QoS指标与路由。它能够解决任何调度问题，可以制定为一个线性规划，其变量是链接时间和QoS指标。作为面向调度优化的一个例子，我们给出了最大吞吐量公平调度（MTFS）的最优解。实际上，即使对于具有超过200个mmBS的网络，也可以获得最优调度。为了进一步提高算法的运行性能，本文提出了一种基于边着色的近似算法，并给出了算法的性能界。它实现了超过80%的最佳最大-最小吞吐量和运行速度比最佳算法在实践中的5至100倍。最后，我们扩展了最佳和近似算法的情况下，多RF链毫米基站和集成的回程和接入网络。
2017-12-13 cs.NI
Joint Service Placement and Request Routing in Multi-cell Mobile Edge Computing Networks
增强现实、联网游戏和自动驾驶等创新移动服务的激增，刺激了对计算资源的低延迟访问的日益增长的需求，而这是现有的集中式云系统无法单独满足的。移动边缘计算（MEC）有望成为满足低延迟服务需求的有效解决方案，通过在网络外围执行计算任务，接近最终用户。虽然最近的一些研究已经解决了确定服务任务的执行和将用户请求路由到相应边缘服务器的问题，但重点主要集中在计算资源的有效利用上，忽略了需要存储大量数据以实现服务执行以及许多新兴服务表现出不对称带宽要求的事实。为了填补这一空白，我们研究的联合优化服务放置和请求路由MEC启用多细胞网络多维（存储-计算-通信）的约束。我们发现，这个问题概括了文献中的几个问题，并提出了一种算法，实现接近最佳性能，使用随机舍入。评估结果表明，我们的方法可以有效地利用可用资源，最大限度地提高低延迟边缘云服务器服务的请求数量。
2019-01-25 cs.NI
Joint Design of Congestion Control Routing With Distributed Multi Channel Assignment in Wireless Mesh Networks
在无线网状网络（WMN）中，信道分配必须平衡保持连通性和增加聚合带宽的目标。信道分配算法的主要目的是根据每个虚拟链路上的给定预期负载将信道分配给网络接口。从目前所做的工作来看，我们可以发现，没有多信道分配与路由和拥塞控制的组合解决方案。在本文中，我们提出了一个拥塞控制路由协议以及多信道分配。我们在这个协议中使用流量感知度量，以提供服务质量。该协议提供了多信道分配和拥塞控制的解决方案，可以很大程度上提高系统的吞吐量和信道利用率。所提出的算法分配的方式，避免拥塞和同信道的链路之间的干扰水平降低的信道。在NS2中的仿真结果表明，该协议具有较高的吞吐量和信道利用率，同时降低了延迟。
2010-04-11 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
