基于改進(jìn)式貪婪算法的5G網(wǎng)絡(luò)切片動(dòng)態(tài)資源調(diào)度策略

陳強(qiáng)，劉彩霞，李凌書

?

基于改進(jìn)式貪婪算法的5G網(wǎng)絡(luò)切片動(dòng)態(tài)資源調(diào)度策略

陳強(qiáng)1,2，劉彩霞1,2，李凌書1,2

（1. 國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心，河南 鄭州 450002； 2. 移動(dòng)互聯(lián)網(wǎng)安全技術(shù)國(guó)家工程實(shí)驗(yàn)室，北京 100876）

為了解決移動(dòng)通信網(wǎng)絡(luò)中資源利用率和用戶體驗(yàn)質(zhì)量的瓶頸問(wèn)題，5G引入網(wǎng)絡(luò)切片來(lái)應(yīng)對(duì)用戶的巨大資源需求。提出了一種基于改進(jìn)式貪婪算法的網(wǎng)絡(luò)切片動(dòng)態(tài)資源調(diào)度策略，在切片調(diào)度和用戶調(diào)度階段，設(shè)計(jì)了一種兩層模型，即切片?用戶模型，并且結(jié)合改進(jìn)式貪婪算法，使服務(wù)權(quán)重值最大的切片和優(yōu)先級(jí)最高的用戶組合，完成相應(yīng)的服務(wù)。該方法是將全局資源最優(yōu)問(wèn)題簡(jiǎn)化為規(guī)模更小的子問(wèn)題，通過(guò)每一次切片和用戶的最佳組合，從而使整個(gè)系統(tǒng)的資源和用戶的體驗(yàn)質(zhì)量達(dá)到最優(yōu)。Matlab的仿真結(jié)果表明，基于改進(jìn)式貪婪算法的網(wǎng)絡(luò)切片動(dòng)態(tài)資源調(diào)度策略在系統(tǒng)剩余資源利用率、系統(tǒng)達(dá)到平均的QoE水平、系統(tǒng)吞吐量等方面都顯優(yōu)于現(xiàn)行的資源調(diào)度策略，能夠更好地滿足用戶的需求。

網(wǎng)絡(luò)切片；切片權(quán)重值；用戶優(yōu)先級(jí)；動(dòng)態(tài)資源調(diào)度；改進(jìn)式貪婪算法

1 引言

隨著移動(dòng)通信技術(shù)的快速發(fā)展，人們對(duì)高質(zhì)量服務(wù)的需求不斷增長(zhǎng)，未來(lái)5G移動(dòng)通信技術(shù)主要包括更高的數(shù)據(jù)流量業(yè)務(wù)、用戶體驗(yàn)速率、海量終端連接以及更低時(shí)延等[1]。網(wǎng)絡(luò)資源的管理也就成為一個(gè)更具有挑戰(zhàn)性的任務(wù)，為了提高網(wǎng)絡(luò)的性能，需要合理設(shè)計(jì)資源調(diào)度策略。在系統(tǒng)和網(wǎng)絡(luò)功能、用戶體驗(yàn)、安全等各個(gè)方面，不一樣的應(yīng)用場(chǎng)景都有不同的需求，若用同一個(gè)網(wǎng)絡(luò)提供服務(wù)，一定會(huì)造成網(wǎng)絡(luò)更加凌亂和緩慢，加大網(wǎng)絡(luò)運(yùn)維的復(fù)雜性，提高網(wǎng)絡(luò)運(yùn)營(yíng)成本，也難以實(shí)現(xiàn)使用網(wǎng)絡(luò)時(shí)需要的極限性能要求。在這種情況下，網(wǎng)絡(luò)切片作為一種在網(wǎng)絡(luò)資源管理中引入靈活性的有效方法，獲得了日益增強(qiáng)的重要性。網(wǎng)絡(luò)切片通過(guò)提供滿足系統(tǒng)中啟用片所必需的網(wǎng)絡(luò)資源引入網(wǎng)絡(luò)資源的靈活性和更高的利用率[2]。其最突出的特點(diǎn)是網(wǎng)絡(luò)資源的虛擬化，它允許人們以靈活、動(dòng)態(tài)的方式共享相同的物理資源，以便有效利用現(xiàn)有資源[3]。現(xiàn)行的網(wǎng)絡(luò)切片調(diào)度策略主要從2方面考慮。

一是從用戶角度，每個(gè)用戶在通信過(guò)程中可以對(duì)應(yīng)看成是一種服務(wù)，盡可能滿足用戶的體驗(yàn)質(zhì)量（QoE）和服務(wù)質(zhì)量（QoS）是整個(gè)移動(dòng)網(wǎng)絡(luò)發(fā)展的最終目標(biāo)[4]。蜂窩數(shù)據(jù)網(wǎng)絡(luò)中的集中式聯(lián)合功率和接納控制機(jī)制在文獻(xiàn)[5]中已經(jīng)被提出。為了在整個(gè)網(wǎng)絡(luò)中最大限度地承載用戶，Monemi等[5]開發(fā)了一種接納優(yōu)先級(jí)較高用戶的機(jī)制。在這種情況下，優(yōu)先級(jí)只在用戶處考慮，目的是盡可能滿足QoE值最大，在切片處卻沒(méi)有考慮本身的服務(wù)權(quán)重問(wèn)題。在未來(lái)網(wǎng)絡(luò)切片的無(wú)線資源管理中，運(yùn)營(yíng)商最主要考慮的一個(gè)方面是無(wú)線資源如何分配給不同的切片以滿足這些用戶的多樣化需求。

二是從網(wǎng)絡(luò)切片角度，不同切片對(duì)應(yīng)的服務(wù)能力和服務(wù)類型也是有差別的。首要考慮網(wǎng)絡(luò)層連接接納的控制實(shí)體所需的QoS水平，目的是根據(jù)控制決策、資源分配的任務(wù)為每一個(gè)用戶提供相應(yīng)所需要的切片服務(wù)，旨在最大限度地提高體驗(yàn)質(zhì)量和服務(wù)質(zhì)量，從而達(dá)到一個(gè)全局的切片資源最優(yōu)的狀態(tài)[6]。Kamel等[7]提出了一種用于長(zhǎng)期演進(jìn)（LTE）系統(tǒng)的無(wú)線網(wǎng)絡(luò)虛擬化技術(shù)，可以有效地將帶寬資源分配給不同的服務(wù)提供者，以最大限度地利用資源。類似地，Shimojo等[8]提出了一種有效地將服務(wù)分組和網(wǎng)絡(luò)切片創(chuàng)建調(diào)節(jié)機(jī)制合并自動(dòng)化的算法，以提高復(fù)用增益和資源使用效率。然而，該算法沒(méi)有考慮不同片之間的優(yōu)先級(jí)以及用戶之間的優(yōu)先級(jí)。Parsaeefard等[9]提出了一種基于信道狀態(tài)信息調(diào)整最小切片需求的迭代片配置算法，但沒(méi)有考慮網(wǎng)絡(luò)的全局資源利用率和層間和片內(nèi)優(yōu)先級(jí)。在文獻(xiàn)[10]中，一個(gè)下行的網(wǎng)絡(luò)資源分配的機(jī)制被提出，但是這個(gè)機(jī)制不考慮動(dòng)態(tài)修改QoE來(lái)為移動(dòng)用戶的體驗(yàn)增加網(wǎng)絡(luò)容量和資源利用。

由于當(dāng)前的切片調(diào)度無(wú)法很好地解決資源最優(yōu)化的問(wèn)題，只是盲目滿足用戶的QoS最大而調(diào)度資源，使整個(gè)調(diào)度過(guò)程造成很多網(wǎng)絡(luò)資源浪費(fèi)[11]。5G現(xiàn)行的網(wǎng)絡(luò)切片服務(wù)處于單一的滿足一個(gè)或者幾個(gè)用戶的服務(wù)，而不能做到動(dòng)態(tài)地均勻網(wǎng)絡(luò)資源[12]，不能很好地兼顧切片和用戶的配對(duì)過(guò)程，應(yīng)該通過(guò)考慮它們所屬切片的優(yōu)先級(jí)以及它們所需服務(wù)的優(yōu)先級(jí)來(lái)管理公共網(wǎng)絡(luò)資源。本文提出了一種基于改進(jìn)式貪婪算法的動(dòng)態(tài)資源調(diào)度策略（IGADS, improved greedy algorithm dynamic resource scheduling）。在切片和用戶的配對(duì)過(guò)程中，設(shè)計(jì)了一個(gè)2層結(jié)構(gòu)，利用改進(jìn)式貪婪算法，在切片調(diào)度層實(shí)時(shí)地計(jì)算切片的剩余資源，不斷比較切片服務(wù)權(quán)重，同時(shí)在用戶調(diào)度層將用戶進(jìn)行優(yōu)先級(jí)排隊(duì)，實(shí)現(xiàn)權(quán)重最大的切片為優(yōu)先級(jí)最高的用戶進(jìn)行服務(wù)，使子過(guò)程達(dá)到最優(yōu)，進(jìn)而使整個(gè)系統(tǒng)達(dá)到資源最優(yōu)，最大程度地節(jié)約網(wǎng)絡(luò)資源，提高了整個(gè)系統(tǒng)的動(dòng)態(tài)靈活性。

2 新型切片調(diào)度模型與問(wèn)題描述

為了更好地滿足用戶的服務(wù)質(zhì)量和體驗(yàn)質(zhì)量最佳，使整體系統(tǒng)的資源分配最優(yōu)，本文將這種基于改進(jìn)式貪婪算法的切片調(diào)度模型分為2層結(jié)構(gòu)：切片?用戶調(diào)度層。其中，調(diào)度模型2層結(jié)構(gòu)如圖1所示。

圖1 調(diào)度模型兩層結(jié)構(gòu)示意

2.1 虛擬網(wǎng)絡(luò)層

虛擬網(wǎng)絡(luò)層是位于物理網(wǎng)絡(luò)層之上的網(wǎng)絡(luò)切片中比較重要的一部分，在切片的資源調(diào)度過(guò)程中也起著至關(guān)重要的作用，主要是根據(jù)切片控制層發(fā)出的指令決定具體要分配多少虛擬資源給網(wǎng)絡(luò)切片，同時(shí)虛擬網(wǎng)絡(luò)層中的CPNF（控制層網(wǎng)絡(luò)功能）負(fù)責(zé)分配用戶的臨時(shí)ID和網(wǎng)絡(luò)切片類型ID（Nes-ID）[13]。在分配網(wǎng)絡(luò)資源時(shí)，虛擬網(wǎng)絡(luò)層主要根據(jù)信道情況的好壞實(shí)時(shí)調(diào)整策略。圖2是虛擬網(wǎng)絡(luò)層動(dòng)態(tài)資源分配與現(xiàn)行的靜態(tài)資源分配的對(duì)比，可以明顯看出虛擬網(wǎng)絡(luò)層最主要的優(yōu)勢(shì)在于可以節(jié)省大量的網(wǎng)絡(luò)資源，提高網(wǎng)絡(luò)資源利用率。

圖2 靜態(tài)資源分配與IGADS動(dòng)態(tài)資源分配的對(duì)比

2.2 切片調(diào)度層

2.2.1 調(diào)度層的工作原理

切片調(diào)度層是連接虛擬網(wǎng)絡(luò)層和用戶調(diào)度層的紐帶，目的是從虛擬網(wǎng)絡(luò)層接收相應(yīng)的資源同時(shí)將合適的切片調(diào)度給相應(yīng)的用戶，是IGADS模型中最重要的一環(huán)。切片調(diào)度層根據(jù)切片自身的SLA（服務(wù)等級(jí)協(xié)議）保證資源配比，即整個(gè)調(diào)度過(guò)程是在滿足SLA的前提下進(jìn)行的。在整個(gè)調(diào)度過(guò)程中，帶寬資源分配的最小傳輸單位是資源塊，其數(shù)目是與帶寬相對(duì)應(yīng)的[14]。

(4)

2.2.3 切片控制器

切片控制器主要負(fù)責(zé)接收虛擬網(wǎng)絡(luò)層分配的資源，同時(shí)計(jì)算每個(gè)切片的權(quán)重值并按照權(quán)重大小將切片進(jìn)行優(yōu)先級(jí)排序，最后將切片與用戶配對(duì)完成對(duì)應(yīng)服務(wù)。切片控制器最重要的功能是切片選擇功能模塊（SSF），SSF根據(jù)用戶的訂閱信息、用戶的使用類型、業(yè)務(wù)類型和用戶的能力，通過(guò)為用戶選擇合適的切片來(lái)處理用戶的初始附著請(qǐng)求和新會(huì)話建立的請(qǐng)求。在附著過(guò)程中，SSF將用戶與一個(gè)默認(rèn)切片或用戶特定類型切片相關(guān)聯(lián)，然后將初始附加請(qǐng)求轉(zhuǎn)發(fā)到所選擇的網(wǎng)絡(luò)切片，并由所選擇的網(wǎng)絡(luò)切片進(jìn)行處理[15]。在每一個(gè)TTI內(nèi)，切片都會(huì)從虛擬網(wǎng)絡(luò)層接收到對(duì)應(yīng)的網(wǎng)絡(luò)資源，同時(shí)也會(huì)在切片控制器的調(diào)度下與用戶進(jìn)行配對(duì)并對(duì)用戶進(jìn)行服務(wù)，消耗相應(yīng)的網(wǎng)絡(luò)資源，所以每個(gè)切片的權(quán)重值是在不斷改變的，這也就是切片控制器要完成的最重要的任務(wù)之一，在滿足用戶QoE的同時(shí)，使IGADS系統(tǒng)資源利用率能達(dá)到最大。切片控制器的具體功能邏輯如圖3所示。其中，W為切片的權(quán)重值。

圖3 切片控制器功能邏輯

2.3 用戶調(diào)度層

3 算法描述

3.1 新型切片調(diào)度模型的實(shí)現(xiàn)

現(xiàn)有的5G調(diào)度策略都是運(yùn)營(yíng)商為網(wǎng)絡(luò)切片分配固定的資源以滿足其最低要求，根據(jù)比例公平調(diào)度算法計(jì)算出切片的優(yōu)先級(jí)，按優(yōu)先級(jí)從高到低的順序給網(wǎng)絡(luò)切片內(nèi)的用戶分配資源，而沒(méi)有考慮用戶的需求優(yōu)先級(jí)因素，用戶只能被動(dòng)地接受切片提供的服務(wù)，無(wú)法保證用戶獲得最大的體驗(yàn)質(zhì)量。有些用戶可能需要高帶寬服務(wù)，卻可能被分配一個(gè)資源容量很小的切片，造成服務(wù)的中斷。本文提出的基于改進(jìn)式貪婪算法的網(wǎng)絡(luò)切片資源動(dòng)態(tài)調(diào)度策略中，目的就是讓切片和用戶達(dá)到一個(gè)最佳的組合，使用戶的QoE最大，同時(shí)使整個(gè)資源達(dá)到最優(yōu)。這就要求虛擬網(wǎng)絡(luò)層、切片調(diào)度層、用戶調(diào)度層同時(shí)合作，保證IGADS系統(tǒng)能達(dá)到預(yù)期的效果。虛擬網(wǎng)絡(luò)層需要合理地將資源分配給運(yùn)營(yíng)商，分配太多則造成資源浪費(fèi)，分配太少則運(yùn)營(yíng)商無(wú)法根據(jù)SLA創(chuàng)建出相應(yīng)的功能切片來(lái)滿足用戶的需求[17]。而且虛擬資源調(diào)度器的CPNF功能必須判斷出服務(wù)運(yùn)營(yíng)商要?jiǎng)?chuàng)建實(shí)時(shí)業(yè)務(wù)的切片還是非實(shí)時(shí)業(yè)務(wù)的切片，這關(guān)系到分配帶寬資源塊的先后順序，是非常關(guān)鍵的一步，若判斷出是實(shí)時(shí)業(yè)務(wù)，則需要提前分配資源塊，以滿足實(shí)時(shí)業(yè)務(wù)所要占據(jù)的帶寬資源塊，同時(shí)也使切片的權(quán)重增大，并兼顧用戶調(diào)度。切片控制器的SSF功能主要是根據(jù)切片的權(quán)重進(jìn)行調(diào)度切片，權(quán)重大的認(rèn)為在這個(gè)功能上該切片可以為用戶提供更好的服務(wù)。本文滿足的前提條件是網(wǎng)絡(luò)切片具有相同的服務(wù)功能且來(lái)自不同的服務(wù)運(yùn)營(yíng)商，所以切片權(quán)重值成為衡量切片服務(wù)功能能力的一個(gè)重要指標(biāo)，也是切片和用戶組合的一個(gè)重要參考指標(biāo)，權(quán)重值大的切片盡量給優(yōu)先級(jí)高的用戶服務(wù)，這樣才能使用戶的服務(wù)質(zhì)量最佳，也能使整個(gè)系統(tǒng)的資源達(dá)到最優(yōu)[18]。切片控制器要不斷計(jì)算更新切片的權(quán)重值，使每一個(gè)TTI內(nèi)都要將切片按照權(quán)重值的大小排好隊(duì)，等待為不同優(yōu)先級(jí)的用戶提供服務(wù)。用戶調(diào)度器根據(jù)用戶的臨時(shí)ID和Nes-ID收集用戶的信息，同時(shí)動(dòng)態(tài)地更新用戶的優(yōu)先級(jí)，完成切片與用戶的配對(duì)組合，這樣整個(gè)系統(tǒng)就可以達(dá)到真正的動(dòng)態(tài)調(diào)度資源。其中，IGADS邏輯結(jié)構(gòu)如圖4所示。

圖4 IGADS邏輯結(jié)構(gòu)

3.2 基于改進(jìn)式貪婪算法的切片資源動(dòng)態(tài)調(diào)度策略

表1 主要參數(shù)符號(hào)定義

輸出 IGADS與現(xiàn)行資源調(diào)度策略對(duì)比關(guān)系

4) If the resource is real-time

16) end

17) else repeat process 8)

18) Check weight order and calculate the weight of the other slice

27) end

28) else repeat the process 18)

29) Check priority order again

30) Choose the slice with the max weight serve the user with the max priority

32) end

33) end

34) end

4 實(shí)驗(yàn)結(jié)果及分析

4.1 實(shí)驗(yàn)環(huán)境

為對(duì)提出的新型模型性能進(jìn)行分析，仿真實(shí)驗(yàn)使用配置為4 GB內(nèi)存，64位Win7操作系統(tǒng)，Intel core2T9550處理器的計(jì)算機(jī)進(jìn)行上述評(píng)估，使用Matlab進(jìn)行編程，實(shí)驗(yàn)中物理網(wǎng)絡(luò)及虛擬網(wǎng)絡(luò)拓?fù)涠疾捎肎T-ITM工具隨機(jī)生成。Matlab進(jìn)行模擬切片資源分配及系統(tǒng)所能達(dá)到的用戶QoE大小問(wèn)題的模型。通過(guò)對(duì)改進(jìn)前和改進(jìn)后的2個(gè)模型的對(duì)比，觀察剩余帶寬資源塊數(shù)量及所達(dá)到用戶QoE大小，從而說(shuō)明新型架構(gòu)在動(dòng)態(tài)資源調(diào)度上的優(yōu)勢(shì)。表2[12]列舉出實(shí)驗(yàn)所需要的各項(xiàng)參數(shù)。

表2 仿真實(shí)驗(yàn)的主要參數(shù)

本實(shí)驗(yàn)中仿真時(shí)間設(shè)為10 s，傳輸時(shí)間間隔設(shè)置為0.1 s，如前面所描述的那樣，切片在得到資源分配之后進(jìn)行權(quán)重排序，權(quán)重最大的切片為優(yōu)先級(jí)最高的用戶進(jìn)行服務(wù)，觀察整個(gè)系統(tǒng)的帶寬資源塊剩余量，及不同的策略下用戶所達(dá)到的QoE的滿意程度。

4.2 性能分析

圖5是某一用戶在10 s（100個(gè)時(shí)間間隔）內(nèi)資源的使用情況，對(duì)比靜態(tài)資源調(diào)度策略和動(dòng)態(tài)資源調(diào)度策略，可以清楚地顯示出兩者的優(yōu)劣，靜態(tài)資源調(diào)度是固定地分配資源塊，在一段時(shí)間內(nèi)不管實(shí)際的需求怎樣，分配的資源塊數(shù)都是不變的，在實(shí)際需求中，有時(shí)造成資源的極大浪費(fèi)，有時(shí)造成資源的需求不足；而本文中的動(dòng)態(tài)資源調(diào)度策略則是先預(yù)分配2 000個(gè)資源塊，其余的根據(jù)實(shí)際的需求變化進(jìn)行調(diào)整，由于是權(quán)重最大的切片給用戶提供服務(wù)，所以可以提供的資源都比用戶此時(shí)刻的資源大，相比靜態(tài)資源調(diào)度，極大地提高了資源利用率，節(jié)省了資源。

圖5 2種資源調(diào)度策略和實(shí)際需求變化對(duì)比

圖6顯示了2種策略下系統(tǒng)的剩余資源百分率，從仿真的結(jié)果來(lái)看，隨著用戶數(shù)的增加，剩余資源利用率是在不斷減小的，而且在開始用戶數(shù)比較少的情況下，現(xiàn)有的5G調(diào)度策略和IGADS調(diào)度策略并無(wú)太大差別，但是當(dāng)用戶數(shù)達(dá)到20個(gè)的時(shí)候，現(xiàn)行的資源調(diào)度策略剩余資源百分率僅為10%，但是IGADS的資源利用率可以達(dá)到20%，而后隨著用戶數(shù)量增加，IGADS剩余資源利用率也是明顯高于現(xiàn)行5G調(diào)度策略的，前者比后者平均高5%左右，當(dāng)用戶數(shù)為80個(gè)的時(shí)候，系統(tǒng)的資源被消耗殆盡，兩者的剩余資源百分率趨于近似，整個(gè)仿真說(shuō)明IGADS策略優(yōu)化整合了系統(tǒng)的資源，在性能上確實(shí)有很大提高。

圖6 2種策略下系統(tǒng)的剩余資源百分率

圖7顯示了2種策略下達(dá)到的平均QoE水平情況，隨著用戶數(shù)不斷增加，2種策略能達(dá)到平均QoE水平均越來(lái)越差，說(shuō)明無(wú)論哪種系統(tǒng)策略，用戶數(shù)的增加都會(huì)使用戶的體驗(yàn)質(zhì)量降低。但是從兩者的對(duì)比來(lái)看，IGADS調(diào)度策略明顯優(yōu)于現(xiàn)有的5G調(diào)度策略。在開始用戶數(shù)為10個(gè)時(shí)，兩者的平均QoE水平差距不是很大；當(dāng)用戶數(shù)達(dá)到30個(gè)時(shí)，IGADS策略的平均QoE水平已經(jīng)比現(xiàn)行的策略高0.04左右；在用戶數(shù)為100個(gè)時(shí)，IGADS策略的平均QoE水平可以達(dá)到0.7，而現(xiàn)行的5G調(diào)度策略只能達(dá)到0.62，遠(yuǎn)遠(yuǎn)高于現(xiàn)行5G調(diào)度策略，而且隨著用戶數(shù)的增多，這種優(yōu)勢(shì)越來(lái)越明顯，說(shuō)明IGADS策略確實(shí)提高了用戶的體驗(yàn)質(zhì)量和服務(wù)質(zhì)量。

圖7 2種策略下達(dá)到的平均QoE水平

圖8顯示了2種策略下系統(tǒng)的吞吐量，從仿真結(jié)果來(lái)看，IGADS調(diào)度策略的系統(tǒng)平均吞吐能力明顯高于當(dāng)前策略下的系統(tǒng)平均吞吐能力，當(dāng)用戶數(shù)達(dá)到60個(gè)時(shí)，IGADS策略的吞吐量比現(xiàn)行的5G調(diào)度策略高2 500 kbit/s，達(dá)到整個(gè)過(guò)程的最大值，隨著系統(tǒng)資源的消耗，兩者的吞吐量差值逐漸減小，但I(xiàn)GADS策略的吞吐量也遠(yuǎn)超過(guò)現(xiàn)行5G調(diào)度策略，很好地解釋了圖7的仿真結(jié)果，較高的平均吞吐能力是用戶體驗(yàn)質(zhì)量和服務(wù)質(zhì)量的保證，體現(xiàn)了IGADS策略的巨大優(yōu)勢(shì)。

圖8 2種策略下系統(tǒng)吞吐量

圖9 用戶優(yōu)先級(jí)與用戶等待時(shí)間、系統(tǒng)資源塊數(shù)量關(guān)系

5 結(jié)束語(yǔ)

隨著現(xiàn)行5G網(wǎng)絡(luò)切片的廣泛應(yīng)用，切片的資源調(diào)度必將成為亟待解決的問(wèn)題之一。通過(guò)對(duì)目前網(wǎng)絡(luò)切片資源調(diào)度策略的分析，考慮到擁有相同服務(wù)類型的切片有不同的權(quán)值，本文提出了一種基于改進(jìn)式貪婪算法的網(wǎng)絡(luò)切片資源調(diào)度策略（IGADS），不斷計(jì)算切片的服務(wù)權(quán)值和用戶的優(yōu)先級(jí)，動(dòng)態(tài)地控制切片和用戶的配對(duì)關(guān)系，使整體達(dá)到一種資源最優(yōu)的狀態(tài)，節(jié)約了大量的網(wǎng)絡(luò)資源，同時(shí)也能更好地提高用戶的服務(wù)質(zhì)量和體驗(yàn)質(zhì)量。理論分析和實(shí)驗(yàn)結(jié)果都表明，本文提出的基于改進(jìn)式貪婪算法的新型資源調(diào)度策略確實(shí)在平均吞吐能力和用戶的QoE滿意度方面都有很大優(yōu)勢(shì)。

[1] ZHAO G F, CHEN J, HAN Y B, et al. Prospective network techniques for 5G mobile communication: a survey[J]. Journal of Chongqing University of Posts and Telecommunications, 2015 , 27 (4) :441-452

[2] ANDREWS J G, BUZZI S, WAN C, et al. What will 5G be[J]. IEEE Journal on Selected Areas in Communications, 2014, 32(6):1065-1082.

[3] EINSIEDLER H J, GAVRAS A, SELLSTEDT P, et al. System design for 5G converged networks[C]//European Conference on Networks and Communications. 2015.

[4] YOUSAF F Z, GRAMAGLIA M, FRIDERIKOS V, et al. Network slicing with flexible mobility and QoS/QoE support for 5G Networks[C]//IEEE International Conference on Communications Workshops. 2017.

[5] MONEMI M, RASTI M, HOSSAIN E. On low-complexity SINR feasibility checking and joint power and admission control in prioritized multitier cellular networks under co-channel deployment[J]. IEEE Transactions on Wireless Communications, 2016, 15(3): 2421-2434.

[6] JUMBA V, PARSAEEFARD S, DERAKHSHANI M, et al. Energy-efficient robust resource provisioning in virtualized wireless networks[C]//IEEE International Conference on Ubiquitous Wireless Broadband. 2015:1-5.

[7] KAMEL M I, LONG B L, GIRARD A. LTE wireless network virtualization: dynamic slicing via flexible scheduling[C]//Vehicular Technology Conference. 2014:1-5.

[8] SHIMOJO T, SAMA M R, KHAN A, et al. Cost-efficient method for managing network slices in a multi-service 5G core network[C]//Integrated Network and Service Management. 2017: 1121-1126.

[9] PARSAEEFARD S, JUMBA V, DERAKHSHANI M, et al. Joint resource provisioning and admission control in wireless virtualized networks[C]//Wireless Communications and Networking Conference. 2015: 2020-2025.

[10] REJEB S B, NASSER N, TABBANE S. Admission control strategies and QoS evaluation based on mobility in LTE[C]//IEEE Globecom Workshops. 2014: 4883-4888.

[11] ABDELHAMID A, KRISHNAMURTHY P, TIPPER D. Resource allocation for heterogeneous traffic in LTE virtual networks[C]// IEEE International Conference on Mobile Data Management. 2015:173-178.

[12] DIGHRIRI M, ALFOUDI A S D, LEE G M, et al. Data traffic model in machine to machine communications over 5G network slicing[C]//International Conference on Developments in Esystems Engineering. 2017: 239-244.

[13] LI L, CHEN J, CUI H, et al. Resource scheduling virtualization in service-oriented future Internet architecture[J]. The Journal of China Universities of Posts and Telecommunications, 2015, 22(4): 92-100.

[14] GIATSIOS D, CHOUMAS K, FLEGKAS P, et al. SDN implementation of slicing and fast failover in 5G transport networks[C]// European Conference on Networks and Communications. 2017:1-6.

[15] SAMA M R, BEKER S, KIESS W, et al. Service-based slice selection function for 5G[C]//Global Communications Conference. 2017:1-6.

[16] ROST P, MANNWEILER C, MICHALOPOULOS D S, et al. Network slicing to enable scalability and flexibility in 5G mobile networks[J]. IEEE Communications Magazine, 2017, 55(5):72-79.

[17] ANNUNZIATO A. 5G vision: NGMN-5G initiative[C]//IEEE Vehicular Technology Conference. 2015:1-5.

[18] BANCHS A, BREITBACH M, COSTA X, et al. A novel radio multiservice adaptive network architecture for 5G networks[C]// IEEE Vehicular Technology Conference. 2015:1-5.

Dynamic resource scheduling strategy for 5G network slicing based on improved greedy algorithm

CHEN Qiang1,2, LIU Caixia1,2, LI Lingshu1,2

1. National Digital Switching System Engineering and Technological R&D Center, Zhengzhou 450002, China 2. National Engineering Laboratory for Mobile Network Security, Beijing 100876, China

Dealing with the problem of network resource utilization and the user experience, the network slicing as a novel technology is adopted in 5G. A dynamic resource scheduling strategy for 5G network slicing based on improved greedy algorithm was proposed. In the process of slice scheduling and user scheduling, a two layer slice-user model combined with the improved greedy algorithm was proposed, which ensured the slices with maximum service weight and the highest priority users combined together to complete corresponding services. The global resource optimal problem was transformed into a smaller sub problem by means of the optimal combination of each slice and every user, which improved the network resource utilization and the user experience in the meantime. The Matlab simulation results show that compared with existing algorithms, the proposed method could effective improve the system remaining resource utilization, system average QoE level and system throughput.

network slicing, slicing weight value, user priority, dynamic resource scheduling, improved greedy algorithm

TN929.5

A

10.11959/j.issn.2096-109x.2018057

陳強(qiáng)（1993-），男，遼寧本溪人，國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心碩士生，主要研究方向?yàn)樾乱淮苿?dòng)通信。

劉彩霞（1974-），女，山東煙臺(tái)人，國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心副教授，主要研究方向?yàn)橐苿?dòng)通信網(wǎng)絡(luò)、新型網(wǎng)絡(luò)體系結(jié)構(gòu)。

李凌書（1992-），男，湖北恩施人，國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心博士生，主要研究方向?yàn)樾滦途W(wǎng)絡(luò)體系結(jié)構(gòu)、網(wǎng)絡(luò)空間安全。

2018-05-17；

2018-06-28

陳強(qiáng)，1428917764@qq.com

國(guó)家高技術(shù)研究發(fā)展計(jì)劃（“863”計(jì)劃）基金資助項(xiàng)目（No.2014AA01A701）；國(guó)家自然科學(xué)基金資助項(xiàng)目（No.61521003）；科技部支撐計(jì)劃基金資助項(xiàng)目（No.2014BAH30B01）

The National High Technology Research and Development Program of China (863 Program) (No.2014AA01A701), The National Natural Science Foundation of China (No.61521003), Ministry of Science and Technology Support Plan (No.2014BAH30B01)