检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多维资源均衡的虚拟网络功能部署方法

计算机工程与设计 2024年第5期45卷 1289-1296页

作者：谷佳江凌云南京邮电大学通信与信息工程学院江苏南京210003

现有虚拟网络功能(virtual network function,VNF)部署方案大多基于单一资源展开研究,忽略了VNF的多维资源需求,导致资源分配失衡,造成低效部署。针对这一问题,提出一种高效的多维资源均衡的VNF部署方法。为避免后续VNF部署时的资源浪费... 详细信息

现有虚拟网络功能(virtual network function,VNF)部署方案大多基于单一资源展开研究,忽略了VNF的多维资源需求,导致资源分配失衡,造成低效部署。针对这一问题,提出一种高效的多维资源均衡的VNF部署方法。为避免后续VNF部署时的资源浪费,在正式部署前会对部分服务器进行VNF迁移。综合考虑VNF的多种资源需求,通过周期性更新服务器的各种资源信息,为各个待部署VNF寻找最合适的部署服务器。仿真结果表明,基于该方法进行VNF部署,可以在保证服务器资源分配均衡的同时,在每个维度上实现近乎最优的资源利用,有效减少使用的服务器的数量。

关键词：网络功能虚拟化虚拟网络功能多维资源均衡迁移部署资源利用率多目标优化

一种基于联邦学习资源需求预测的虚拟网络功能迁移算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2022年第10期44卷 3532-3540页

作者：唐伦吴婷周鑫隆陈前斌重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信重点实验室重庆400065

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学... 详细信息

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。

关键词：虚拟网络功能预测迁移深度强化学习

在线全文

学校读者我要写书评

暂无评论

一种低时延虚拟网络功能映射及调度优化算法

西安交通大学学报 2023年第2期57卷 121-130页

作者：刘光远曹晶仪庞紫园黄书翠石家庄铁道大学信息科学与技术学院石家庄050043 河北省电磁环境效应与信息处理重点实验室石家庄050043

针对传统虚拟网络功能映射及调度服务时间长、不稳定的问题,提出了一种新的虚拟网络功能映射及调度优化算法。以虚拟网络功能链路传输时延与实例化时延整体最小化为目标,建立虚拟网络功能映射及调度模型,通过设计一种低时延映射及调度算... 详细信息

针对传统虚拟网络功能映射及调度服务时间长、不稳定的问题,提出了一种新的虚拟网络功能映射及调度优化算法。以虚拟网络功能链路传输时延与实例化时延整体最小化为目标,建立虚拟网络功能映射及调度模型,通过设计一种低时延映射及调度算法(GABL),根据虚拟网络功能与虚拟机之间的映射集合,优化虚拟网络功能映射节点的选择问题及调度顺序问题,求解出最短时间的网络功能虚拟化映射及调度方案。GABL算法采用两段式初始化技术,将虚拟网络功能和虚拟机分别进行初始化,提高初始解的质量;利用具有锦标赛策略的人工蜂群算法对问题进行求解,保留优秀基因与种群多样性,避免陷入局部最优;采用局部搜索算法在可行解附近进行寻优,加快求最优解的速度。仿真实验结果表明:GABL算法具有稳定性强、收敛性快等特点,能够有效降低虚拟网络功能映射及调度服务时间;与GATS算法相比,GABL算法的服务完成时间减少了15%。

关键词：虚拟网络功能低时延网络功能虚拟化人工蜂群算法局部搜索

面向多模态网络业务切片的虚拟网络功能资源容量智能预测方法

在线全文

学校读者我要写书评

暂无评论

通信学报 2022年第6期43卷 143-155页

作者：兰巨龙朱棣李丹信息工程大学信息技术研究所河南郑州450001

为解决多模态网络场景中网络切片上的VNF部署方案调整不及时造成的切片性能下降问题,提出了一种基于时空特征提取的VNF资源容量预测方法,旨在通过预测为即将到来的切片需求进行VNF的预部署。所提方法首先对用于预测的数据流时间序列进... 详细信息

为解决多模态网络场景中网络切片上的VNF部署方案调整不及时造成的切片性能下降问题,提出了一种基于时空特征提取的VNF资源容量预测方法,旨在通过预测为即将到来的切片需求进行VNF的预部署。所提方法首先对用于预测的数据流时间序列进行加权处理,然后把处理后的时间序列及其依赖的空间拓扑信息输入网络模型中,通过图卷积网络重组时间序列的空间分布特征,再由门控循环单元感知输入数据的时序依赖关系,最后基于数据流序列与VNF实例数量的映射关系,由前馈神经网络最终输出VNF资源需求预测视图。实验结果表明,所提方法比对照方法中预测精度最高的方法提高了6.54%的需求预测精度。

关键词：多模态网络虚拟网络功能资源容量时空特征提取

在线全文

学校读者我要写书评

暂无评论

面向星地网络的虚拟网络功能迁移策略研究

面向星地网络的虚拟网络功能迁移策略研究

作者：李泽明重庆邮电大学

学位级别：硕士

为了应对业务需求和数据流量爆炸式增长,星地网络成为下一代移动通信的主流架构。虚拟网络功能(Virtual Network Function,VNF)迁移技术是保证服务功能链(Service Function Chain,SFC)编排与资源适配,提供业务定制化的关键使能之一。星... 详细信息

为了应对业务需求和数据流量爆炸式增长,星地网络成为下一代移动通信的主流架构。虚拟网络功能(Virtual Network Function,VNF)迁移技术是保证服务功能链(Service Function Chain,SFC)编排与资源适配,提供业务定制化的关键使能之一。星地网络下的VNF迁移已成为新的研究热点。因此,本文以星地网络为研究背景,重点研究了星地网络下的VNF迁移策略,主要工作和创新点简述如下:1.针对卫星网络现有的VNF迁移策略存在VNF迁移决策与SFC路由调度缺乏协同,造成迁移目标选择效率低,导致SFC编排阻塞以及VNF迁移成本增加,提出一种软件定义卫星网络下的VNF迁移策略。该策略首先将VNF迁移决策与SFC路由调度的耦合纳入迁移约束,并结合星间链路通断性以及星上资源容量限制,以最小化VNF迁移成本为目标建立VNF迁移模型。其次,按照过载节点的计算资源需求量降序选择待迁移VNF集合;针对变量耦合问题,根据Dantzig-Wolfe分解原理转化原始迁移问题为迁移主问题和定价子问题,并通过迁移主问题与定价子问题的迭代列生成获取迁移方案。仿真结果表明,与已有策略相比,该策略可以降低迁移成本,减少迁移时延的同时均衡网络负载。2.针对基于资源阈值瞬时触发的VNF迁移机制趋于导致频繁迁移,造成额外迁移开销,网络资源利用率低的问题,提出一种星地融合网络下的VNF迁移策略。该策略首先根据VNF资源需求的连续特性评估下一时隙节点的过载概率及VNF资源需求量,设定负载均衡因子判定迁移触发的时机。其次,通过在SFC流约束、SFC端到端时延约束以及负载均衡因子限制的资源容量约束下,以网络能耗与迁移时延加权和为优化目标建立迁移开销最小化模型。由于迁移的序列决策特性,进而将其转化为离散时间马尔科夫决策过程(Markov Decision Process,MDP),同时,为了克服VNF迁移过程中转移概率不确定和状态空间维度灾难问题,进一步采用深度强化学习算法求解MDP以获取VNF迁移方案。仿真结果表明,与传统迁移策略相比,该策略可以有效避免频繁迁移,减少迁移开销的同时提高计算资源利用率。

关键词：虚拟网络功能迁移列生成深度强化学习

基于联邦学习的虚拟网络功能迁移及服务功能链部署算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于联邦学习的虚拟网络功能迁移及服务功能链部署算法研究

作者：吴婷重庆邮电大学

学位级别：硕士

5G通过网络功能虚拟化(Network Function Virtualization,NFV)和软件定义网络(Software Defined Networking,SDN)这两种关键技术推动了网络模式的转变,使得网络系统可以动态部署服务功能链(Service Function Chain,SFC)来灵活地响应不断变化的网络服务需求。然而,如何有效部署和迁移虚拟网络功能(Virtual Network Function,VNF)是NFV面临的重要挑战之一。因此,本文重点研究VNF的部署和迁移问题,研究内容和创新工作总结如下:针对时变网络流量引起的VNF迁移问题,提出一种基于联邦学习的双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)资源需求预测的VNF迁移算法。该算法首先针对VNF迁移“滞后”带来的时延问题,提出一种Bi-GRU算法对未来VNF的资源需求进行预测,同时为提升数据训练效率,引入一种基于联邦学习的分布式训练框架来辅助Bi-GRU模型训练。其次,基于预测结果提前发现底层物理节点资源使用热点,以最小化系统能耗为目标制定VNF迁移计划,并引入负载均衡模型来加强网络系统的健壮性。最后,针对VNF重映射决策空间的复杂性和高维性,提出一种基于分布式近端策略优化(Distributed Proximal Policy Optimization,DPPO)的深度强化学习算法为VNF迁移做决策,以此来提高问题求解的有效性。仿真结果表明,该算法能有效减少待迁移VNF数量,在降低网络系统能耗的同时也能保证负载均衡。针对核心网的数据传输延迟问题和边缘网络有限的计算资源问题,联合网络边缘端和云端共同进行SFC部署为物联网中异构网络业务请求提供差异化服务,并提出一种基于联邦深度强化学习的SFC部署算法。该算法首先建立SFC部署成本和能耗的联合优化目标,并将其转化成适用于深度强化学习的马尔可夫决策过程(Markov Decision Process,MDP)。其次,针对时延敏感和资源密集这两大典型的物联网应用请求,提出基于参数化深度Q网络(Parametrized Deep Q Network,PDQN)的不同时间尺度的SFC部署方案。最后,针对现有单智能体强化学习方法存在的环境状态观测有限,以及通信开销大和数据传输延迟高的缺点,提出一种基于联邦学习的全局模型训练方法,该方法考虑到这两大典型应用的不同特性,并提出不同时间尺度的模型参数聚合方式。仿真结果表明,该算法在降低部署成本和能耗的同时,也能为不同物联网应用提供差异化的网络服务。

关键词：虚拟网络功能服务功能链部署迁移联邦学习

基于机器学习的网络切片虚拟网络功能部署研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的网络切片虚拟网络功能部署研究

作者：黄晴北京邮电大学

学位级别：硕士

为了应对未来数据流量的爆炸性增长和多样化的服务需求,5G网络切片技术应运而生。它借助软件定义网络和网络功能虚拟化技术将有限的物理资源经过分割和重组,形成逻辑上相互独立的虚拟网络资源供各个切片使用,从而实现资源的集中管理并... 详细信息

为了应对未来数据流量的爆炸性增长和多样化的服务需求,5G网络切片技术应运而生。它借助软件定义网络和网络功能虚拟化技术将有限的物理资源经过分割和重组,形成逻辑上相互独立的虚拟网络资源供各个切片使用,从而实现资源的集中管理并为租户提供更好的服务质量。然而由于底层资源有限,如何有效合理地将切片中虚拟网络功能部署到物理网络中以及对虚拟网络功能进行迁移优化并满足相应的服务质量(QoS)需求,成为虚拟化研究中亟待解决的问题。本文重点研究了 5G网络切片下的虚拟网络功能部署问题,主要内容和创新点总结如下:(1)针对网络业务请求动态到达所引起的VNF部署优化问题,提出了一种基于强化学习的虚拟网络功能部署算法。所做的工作主要有:建立马尔科夫决策模型,该模型为多目标优化,对网络总成本和SFC端到端时延进行联合优化,其中网络总成本包括节点运行成本、VNF部署成本、通信成本;仿真结果表明,该算法能够加速神经网络的训练,在有效地满足SFC端到端时延的同时,降低SFC部署成本。(2)针对已有研究缺乏对资源需求的有效预测而导致的服务质量变差、迁移成本增多等问题,需要采取主动式的预测机制,提出了一种基于改进LSTM资源需求预测的虚拟网络功能动态迁移算法。该算法首先建立了总代价模型,总代价包括包括综合带宽开销、迁移开销以及底层物理服务器的能耗,采用LSTM预测SFC的资源需求情况,利用反向传播算法进行网络的学习与训练,最后应用粒子群算法来进行VNF迁移策略的求解。仿真结果表明,在SFC中所有VNF的CPU资源需求预测中该算法具有更高的预测精度,系统总开销更小且迁移次数更少。

关键词：网络切片动态部署虚拟网络功能服务功能链

边缘云中基于深度强化学习的任务调度及虚拟网络功能部署研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

边缘云中基于深度强化学习的任务调度及虚拟网络功能部署研究

作者：卫佩宏重庆理工大学

学位级别：硕士

随着移动通信技术高速发展,用户对服务质量要求愈来愈高。目前对部署问题的研究主要集中于基于静态的系统信息、基于传统优化算法或启发式算法,这些方法仅在一些特定的网络场景会产生良好的部署策略,但网络具有时变性的特点,用户的任务... 详细信息

随着移动通信技术高速发展,用户对服务质量要求愈来愈高。目前对部署问题的研究主要集中于基于静态的系统信息、基于传统优化算法或启发式算法,这些方法仅在一些特定的网络场景会产生良好的部署策略,但网络具有时变性的特点,用户的任务请求的随机性和差异性使得传统的优化算法与启发式算法不再适用于当下在5G加持下更为复杂的移动通信网络,因此我们把研究重点聚焦于基于深度强化学习方法上。基于深度强化学习的虚拟网络功能部署算法是一种能够针对网络动态系统完成在实际场景中解决动态优化问题的方法,算法通过与未知的网络环境实时交互,收集网络状态,并在不断的训练和试错过程中学习到适应当前网络的良好部署策略。论文的主要研究工作和创新点总结如下:(1)针对边缘计算系统中实时到达的对计算资源需求具有差异性的用户任务的调度问题,模拟了分层的边缘云环境,并以在计算资源异构的分层边缘云中进行优化调度用户任务为目标,基于M/M/1排队网络对请求任务在网络中的延迟进行建模,构建了一个最小化用户任务服务延迟的组合优化模型。在求解方法上,不同于已有工作大多采用启发式近似求解的思路,通过综合发挥神经组合优化方法在求解质量方面以及启发式算法在求解效率方面各自的优势,提出了一种将神经组合优化和启发式算法有效结合的新的用户任务调度算法,并通过与多个相关算法的求解结果进行对比实验,结果表明本章提出的调度算法能在相同的边缘云资源配置的条件下,获得更接近理论最优解的调度决策,使得卸载任务获得相对更短的服务延迟。(2)针对边缘计算系统中服务节点计算资源受限的问题,建立了基于边缘云和第三方云的边云协同系统,提出了一个基于混合整数线性规划模型(MILP)共存虚拟机型虚拟网络功能和容器类型虚拟网络功能的最小化代价的部署优化问题,并根据马尔可夫决策过程将该组合优化问题建模为一个MDP模型。针对强化学习中动作空间维度高的维度爆炸问题,构建基于演员-评论家(Actor Critic)的深度强化学习的求解框架,完成对边云协同系统中虚拟网络功能部署问题最小化代价部署策略的求解。此外,通过与多种相关部署算法的求解结果进行仿真对比实验,结果表明提出的求解框架能在相同的边云协同系统资源配置的条件下,获得更接近理论最优解的双重部署决策,使得边云协同系统的总代价保持最低。

关键词：虚拟网络功能任务调度边缘计算边云协同深度强化学习

基于深度信念网络资源需求预测的虚拟网络功能动态迁移算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子与信息学报 2019年第6期41卷 1397-1404页

作者：唐伦赵培培赵国繁陈前斌重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信重点实验室重庆400065

针对5G网络场景下缺乏对资源需求的有效预测而导致的虚拟网络功能(VNF)实时性迁移问题,该文提出一种基于深度信念网络资源需求预测的VNF动态迁移算法。该算法首先建立综合带宽开销和迁移代价的系统总开销模型,然后设计基于在线学习的深... 详细信息

针对5G网络场景下缺乏对资源需求的有效预测而导致的虚拟网络功能(VNF)实时性迁移问题,该文提出一种基于深度信念网络资源需求预测的VNF动态迁移算法。该算法首先建立综合带宽开销和迁移代价的系统总开销模型,然后设计基于在线学习的深度信念网络预测算法预测未来时刻的资源需求情况,在此基础上采用自适应学习率并引入多任务学习模式优化预测模型,最后根据预测结果以及对网络拓扑和资源的感知,以尽可能地减少系统开销为目标,通过基于择优选择的贪婪算法将VNF迁移到满足资源阈值约束的底层节点上,并提出基于禁忌搜索的迁移机制进一步优化迁移策略。仿真表明,该预测模型能够获得很好的预测效果,自适应学习率加快了训练网络的收敛速度,与迁移算法结合在一起的方式有效地降低了迁移过程中的系统开销和服务级别协议(SLA)违例次数,提高了网络服务的性能。

关键词：虚拟网络功能预测迁移深度学习