高级搜索

无线虚拟网络中基于自回归滑动平均预测的在线自适应虚拟资源分配算法

唐伦 杨希希 施颖洁 陈前斌

引用本文: 唐伦, 杨希希, 施颖洁, 陈前斌. 无线虚拟网络中基于自回归滑动平均预测的在线自适应虚拟资源分配算法[J]. 电子与信息学报, 2019, 41(1): 16-23. doi: 10.11999/JEIT180048 shu
Citation:  Lun TANG, Xixi YANG, Yingjie SHI, Qianbin CHEN. ARMA-prediction Based Online Adaptive Dynamic Resource Allocation in Wireless Virtualized Networks[J]. Journal of Electronics and Information Technology, 2019, 41(1): 16-23. doi: 10.11999/JEIT180048 shu

无线虚拟网络中基于自回归滑动平均预测的在线自适应虚拟资源分配算法

    作者简介: 唐伦: 男,1973年生,教授,博士生导师,主要研究方向为新一代无线通信网络、异构蜂窝网络、软件定义无线网络等;
    杨希希: 女,1992年生,硕士生,研究方向为网络虚拟化;
    施颖洁: 女,1993年生,硕士生,研究方向为网路切片;
    陈前斌: 男,1967年生,教授,博士生导师,主要研究方向为个人通信、多媒体信息处理与传输、下一代移动通信网络、异构蜂窝网络
    通讯作者: 杨希希,469519917@qq.com
  • 基金项目: 国家自然科学基金(61571073)

摘要: 该文针对无线虚拟化网络中业务的不确定和信息反馈的时延而引起虚拟资源分配不合理,提出一种基于自回归滑动平均(ARMA)预测的在线自适应虚拟资源分配算法。首先,该算法以保障虚拟网络队列上溢概率为目标对时频资源和缓存资源进行联合分配,并建立虚拟网络总成本最小化的理论分析模型。其次,考虑到虚拟网络对不同资源差异化的应用需求,设计了一种多时间尺度的资源动态调度机制,在长周期上基于ARMA模型的预测信息实现缓存资源的预留策略,在短周期上基于利用大偏差原理推导的队列上溢概率对虚拟网络优先级排序,并根据确定的优先级动态调度时频资源,从而满足各虚拟网络的业务需求。仿真结果表明,该算法可有效降低比特丢失率,同时提升物理资源的利用率。

English

    1. [1]

      AGIWAL M, ROY A, and SAXENA N. Next generation 5G wireless networks: A comprehensive survey[J]. IEEE Communications Surveys & Tutorials, 2017, 18(3): 1617–1655. doi: 10.1109/COMST.2016.2532458

    2. [2]

      KALIL M, AL-DWEIK A, SHARKH M A, et al. A framework for joint wireless network virtualization and cloud radio access networks for next generation wireless networks[J]. IEEE Access, 2017, 5: 20814–20827. doi: 10.1109/ACCESS.2017.2746666

    3. [3]

      ZHANG Haijun, LIU Na, CHU Xiaoli, et al. Network slicing based 5G and future mobile networks: Mobility, resource management, and challenges[J]. IEEE Communications Magazine, 2017, 55(8): 138–145. doi: 10.1109/MCOM.2017.1600940

    4. [4]

      RAHMAN M M, DESPINS C, and AFFERS S. Design optimization of wireless access virtualization based on cost & QoS trade-Off utility maximization[J]. IEEE Transactions on Wireless Communications, 2016, 15(9): 6146–6162. doi: 10.1109/TWC.2016.2580505

    5. [5]

      SALLENT O, PEREZ-ROMERO J, FERRUS R, et al. On radio access network slicing from a radio resource management perspective[J]. IEEE Wireless Communications, 2017, 24(5): 166–174. doi: 10.1109/MWC.2017.1600220WC

    6. [6]

      JIANG Menglan, CONDOLUCI M, and MAHMOODI T. Network slicing management & prioritization in 5G mobile systems[C]. The 22th European Wireless Conference, Oulu, Finland, 2016: 1–6.

    7. [7]

      ZHU Qixuan and ZHANG Xi. Game-theory based buffer-space and transmission-rate allocations for optimal energy-erfficiency over wireless virtual networks[C]. 2015 IEEE Global Communications Conference (GLOBECOM), San Diego, USA, 2015: 1–6.

    8. [8]

      AHMADI H, MACALUSO I, GOMEZ I, et al. Substitutability of spectrum and cloud-based antennas in virtualized wireless networks[J]. IEEE Wireless Communications, 2017, 24(2): 114–120. doi: 10.1109/MWC.2016.1500303WC

    9. [9]

      LEANH T, TRAN N, NGO D T, et al. Resource allocation for virtualized wireless networks with backhaul constraints[J]. IEEE Communications Letters, 2017, 21(1): 148–151. doi: 10.1109/LCOMM.2016.2617307

    10. [10]

      SCIANCALEPORE V, SAMDANIS K, COSTA-PEREZ X, et al. Mobile traffic forecasting for maximizing 5G network slicing resource utilization[C]. IEEE INFOCOM 2017-IEEE Conference on Computer Communications, Atlanta, USA, 2017: 1–9.

    11. [11]

      CHU Yenming, HUANG Nenfang, and LIN Shenghsiung. Quality of service provision in cloud-based storage system for multimedia delivery[J]. IEEE Systems Journal, 2014, 8(1): 292–303. doi: 10.1109/JSYST.2013.2257338

    12. [12]

      AMIRI M and MOHAMMAD-KHANLI L. Survey on prediction models of applications for resources provisioning in cloud[J]. Journal of Network & Computer Applications, 2017, 82: 93–113.

    13. [13]

      李捷, 刘先省, 韩志杰. 基于ARMA的无线传感器网络流量预测模型的研究[J]. 电子与信息学报, 2007, 29(5): 1224–1227.
      LI Jie, LIU Xianxing, and HAN Zhijie. Research on the ARMA based traffic prediction algorithm for wireless sensor network[J]. Journal of Electronics &Information Technology, 2007, 29(5): 1224–1227.

    14. [14]

      MANDJES M. Large Deviations for Gaussian Queues: Modelling Communication Networks[M]. Chichester: Wiley, 2007: 55–60.

    15. [15]

      DEMBO A and ZEITOUNI O. Large Deviations Techniques and Applications[M]. Berlin: Springer, 2010: 303–304.

    16. [16]

      YANG Jian, RAN Yongyi, CHEN Shuangwu, et al. Online source rate control for adaptive video streaming over HSPA and LTE-Style variable bit rate downlink channels[J]. IEEE Transactions on Vehicular Technology, 2016, 65(2): 643–657. doi: 10.1109/TVT.2015.2398515

    17. [17]

      GARDNER E Jr. Exponential smoothing: The state of the art—Part II[J]. International Journal of Forecasting, 2006, 22(4): 637–666. doi: 10.1016/j.ijforecast.2006.03.005

    1. [1]

      王汝言, 李宏娟, 吴大鹏. 基于Stackelberg博弈的虚拟化无线传感网络资源分配策略. 电子与信息学报, 2019, 41(2): 377-384.

    2. [2]

      王汝言, 徐宁宁, 吴大鹏. 能耗和时延感知的虚拟化云无线接入网络资源分配机制. 电子与信息学报, 2019, 41(1): 83-90.

    3. [3]

      王汝言, 梁颖杰, 崔亚平. 车辆网络多平台卸载智能资源分配算法. 电子与信息学报, 2019, 41(0): 1-8.

    4. [4]

      唐伦, 魏延南, 马润琳, 贺小雨, 陈前斌. 虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法. 电子与信息学报, 2019, 41(7): 1533-1539.

    5. [5]

      梁靓, 武彦飞, 冯钢. 基于在线拍卖的网络切片资源分配算法. 电子与信息学报, 2019, 41(5): 1187-1193.

    6. [6]

      张达敏, 张绘娟, 闫威, 陈忠云, 辛梓芸. 异构网络中基于能效优化的D2D资源分配机制. 电子与信息学报, 2019, 41(0): 1-9.

    7. [7]

      崔苗, 喻鑫, 李学易, 张广驰, 刘怡俊. 多用户多载波无线携能通信系统的上下行联合资源分配. 电子与信息学报, 2019, 41(6): 1359-1364.

    8. [8]

      代美玲, 刘周斌, 郭少勇, 邵苏杰, 邱雪松. 基于终端能耗和系统时延最小化的边缘计算卸载及资源分配机制. 电子与信息学报, 2019, 41(11): 2684-2690.

    9. [9]

      熊余, 杨娅娅, 张振振, 蒋婧. 软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略. 电子与信息学报, 2019, 41(8): 1885-1892.

    10. [10]

      王汝言, 李宏娟, 吴大鹏, 李红霞. 基于半马尔科夫决策过程的虚拟传感网络资源分配策略. 电子与信息学报, 2019, 41(0): 1-8.

    11. [11]

      张海波, 李虎, 陈善学, 贺晓帆. 超密集网络中基于移动边缘计算的任务卸载和资源优化. 电子与信息学报, 2019, 41(5): 1194-1201.

    12. [12]

      唐伦, 马润琳, 杨恒, 陈前斌. 基于非正交多址接入的网络切片联合用户关联和功率分配算法. 电子与信息学报, 2019, 41(9): 2039-2046.

    13. [13]

      唐伦, 周钰, 杨友超, 赵国繁, 陈前斌. 5G网络切片场景中基于预测的虚拟网络功能动态部署算法. 电子与信息学报, 2019, 41(9): 2071-2078.

    14. [14]

      唐伦, 周钰, 谭颀, 魏延南, 陈前斌. 基于强化学习的5G网络切片虚拟网络功能迁移算法. 电子与信息学报, 2019, 41(0): 1-9.

    15. [15]

      张骥先, 谢宁, 张学杰, 李伟东. 基于监督学习的可信云计算资源拍卖机制研究. 电子与信息学报, 2019, 41(5): 1243-1250.

    16. [16]

      殷礼胜, 唐圣期, 李胜, 何怡刚. 基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测. 电子与信息学报, 2019, 41(9): 2273-2279.

    17. [17]

      冯维, 徐永鑫, 刘浩, 许晓荣, 姚英彪. 无线多跳网络快速跨层资源优化分配算法. 电子与信息学报, 2019, 41(5): 1217-1224.

    18. [18]

      黄晓舸, 樊伟伟, 曹春燕, 陈前斌. 小蜂窝网络中不活跃用户的最优能量效率资源分配方案. 电子与信息学报, 2019, 41(0): 1-8.

    19. [19]

      谢显中, 黎佳, 黄倩, 陈杰. 机器类通信中基于NOMA短编码块传输的高可靠低迟延无线资源分配优化方案. 电子与信息学报, 2019, 41(11): 2549-2556.

    20. [20]

      唐伦, 马润琳, 刘云龙, 王耀玮, 陈前斌. 接入与回传一体化小基站的接入控制与资源分配联合优化算法. 电子与信息学报, 2019, 41(6): 1389-1396.

  • 图 1  系统架构

    图 2  多时间尺度的资源配置示意图

    图 3  长周期上基于ARMA预测的缓存资源预留策略流程图

    图 4  不同方案平均资源成本

    图 5  不同方案平均资源利用率

    图 6  不同方案平均比特丢失率

    图 7  不同T对应的平均资源利用率

    图 8  不同T对应的平均比特丢失率

    图 9  各虚拟网络的平均负载实际值与预测值比较

    表 1  算法1:时频资源动态调度算法

     (1) 在短周期$t$上观察当前各虚拟网络队列状态${Q_k} \left( t \right)$、预留的    缓存资源大小${B_k} $
     (2) for $k = 1;k < K;k + + $ do
     (3)   计算${a_k} $,根据式(22)估计${{\widehat m}_k} $
     (4)   if ${{\widehat m}_k} \ge {a_k} $ then
     (5)    加入虚拟网络集合${{K}}_1 $,根据式(24)估计溢出剩余时间${T_k} $
     (6)   else
     (7)    加入虚拟网络集合${{K}}_2 $,执行黄金分割搜索算法估计      ${P_{\rm of}^k} \left( {t{\rm{ + }}T} \right)$
     (8)   end if
     (9) end for
     (10) while ${{K}}_1 \ne \varnothing $ do
     (11) 令$m = 1$,选择虚拟网络$k = {\arg \min }_{k \in {{K}}_1 } \left\{ {{T_k} } \right\}$
     (12) while ${A_k} \left( t \right) > {C_k} \left( t \right)$ do
     (13)  $\begin{aligned} & m \leftarrow m + 1,{C_k} \left( t \right) \leftarrow mr, \\ &N \leftarrow N - 1 \\ \end{aligned} $
     (14) end while
     (15) ${{K}}_1 = {{K}}_1 \backslash \left\{ k \right\}$
     (16) end while
     (17) while ${{K}}_2 \ne \varnothing$ do
     (18) 令$m = 1$,选择虚拟网络${k^*} = {\arg \max }_{{k^*} \in {{K}_2}} \left\{ {P_{\rm of}^{{k^*}}\left( {t{\rm{ + }}T} \right) - {\varepsilon _{{k^*}}}} \right\}$
     (19) 重复步骤(12)—步骤(14)
     (20) ${{K}}_2 = {{K}}_2 \backslash \left\{ {k^ * } \right\}$
     (21) end while
     (22) if $N \ne 0$ then
     (23) for $k = 1;k < K;k + + $ do
     (24)  if ${C_k} \left( t \right) < \left({Q_k} \left( t \right) + {A_k} \left( t \right)\right)$ then
     (25)  加入虚拟网络集合${{K}}_3 $
     (26)  end if
     (27) end for
     (28) while ${{K}}_3 \ne \varnothing $ and $N \ne 0$
     (29) 令$m = 1$,选择虚拟$k^{''} = {\arg \min }_{k^{''} \in {{K}}_3 } \left\{ {\alpha _{{k^{''}}}} \right\}$
     (30)  $ {{while}} \quad \left({Q_{{k^{''}}}} \left( t \right) + {A_{{k^{''}}}} \left( t \right)\right) > \left({{\bar C}_{{k^{''}}}} \left( t \right) + {C_{{k^{''}}}} \left( t \right)\right)\quad {{do}} $
     (31) $m \leftarrow m + 1,{{\bar C}_{{k^{''}}}} \left( t \right) \leftarrow mr,N \leftarrow N - 1$
     (32)  end while
     (33) ${{K}}_3 = {{K}}_3 \backslash \left\{ {k^{''} } \right\}$
     (34) end while
     (35) end if
    下载: 导出CSV

    表 2  仿真参数设置

    仿真参数仿真值
    虚拟网络数量2,3,4,5,6
    系统带宽10 MHz (50 RBs)
    短周期时长1 ms
    长周期时长300 ms
    负载到达过程泊松分布
    比特到达速率$\lambda = 58.7\ {\rm kbit} $/ms
    RB单价$\alpha $1.2, 2.0, 1.5 unit/RB
    缓存资源单价$\rho $8, 6, 4 unit/kbit
    队列上溢概率$\varepsilon $0.13, 0.05, 0.12
    滑动窗口大小${T_w} $60 ms
    平滑指数$\eta $0.7
    仿真时间6600 ms
    下载: 导出CSV
  • 加载中
图(9)表(2)
计量
  • PDF下载量:  37
  • 文章访问数:  324
  • HTML全文浏览量:  185
文章相关
  • 通讯作者:  杨希希, 469519917@qq.com
  • 收稿日期:  2018-01-15
  • 录用日期:  2018-09-26
  • 网络出版日期:  2018-10-19
  • 刊出日期:  2019-01-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章