移动边缘计算(Mobile Edge Computing,MEC)通过在网络边缘部署服务器,提供计算和存储资源,可为用户提供超低时延和高带宽业务。网络功能虚拟化(Network Function Virtualization,NFV)与MEC技术相结合,可在MEC服务器上提供服务功能链(Ser...移动边缘计算(Mobile Edge Computing,MEC)通过在网络边缘部署服务器,提供计算和存储资源,可为用户提供超低时延和高带宽业务。网络功能虚拟化(Network Function Virtualization,NFV)与MEC技术相结合,可在MEC服务器上提供服务功能链(Service Function Chain,SFC),提升用户的业务体验。为了保证移动用户的服务质量,需要在用户跨基站移动时将SFC迁移到合适的边缘服务器上。主要以最小化用户服务的端到端时延和运行成本为目标,提出了MEC网络中具有资源容量约束的SFC迁移策略,以实现移动用户业务的无缝迁移。仿真结果表明,与现有方案相比,该策略具有更好的有效性和高效性。展开更多
为了保证服务质量(quality of service,QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束...为了保证服务质量(quality of service,QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束研究了软件定义网络(software defined networking,SDN)中的在线流请求调度策略。首先,提出了流路由成本和利润的概念,并创新性地设计了一个考虑边际成本的模型来描述链路资源和路由路径的使用成本。然后,将优先级流请求调度问题刻画为混合整数线性规划模型(mixed integer linear programming,MILP),提出在线优先级流调度算法(online priority traffic scheduling algorithm,OPTSA)来求解,最后分析了OPTSA的竞争比。仿真结果显示,与基准算法相比,所提出的算法可以确保网络负载均衡,同时有效提高网络的累积带宽和吞吐量。展开更多
文摘在移动边缘计算网络中,联合考虑用户的移动性和服务满意度,实现数字孪生(Digital Twin, DT)的有效部署是一个极大的挑战。针对该问题,提出了一种边缘网络中基于用户移动性预测的数字孪生部署策略。首先,利用双向长短期记忆网络(Bidirectional Long Short-Term Memory Network, Bi-LSTM)和注意力机制建立一种轨迹预测模型,对移动用户进行轨迹序列预测;然后,利用整数线性规划(Integer Linear Programming, ILP)对数字孪生的部署问题进行建模;最后,以最大化由信息新鲜度(Age of Information, AoI)定义的效用增益函数为优化目标,提出一种基于用户移动性预测的数字孪生部署策略算法对提出的问题进行求解。该算法根据获取到的移动用户轨迹数据,利用数字孪生部署的边际效用递减特性进行设计,以实现最优的数字孪生部署策略。仿真分析验证了所提算法在预测精度和效用增益方面的有效性,且该算法与基准算法相比显示出性能提升不低于10.7%。
文摘移动边缘计算(Mobile Edge Computing,MEC)通过在网络边缘部署服务器,提供计算和存储资源,可为用户提供超低时延和高带宽业务。网络功能虚拟化(Network Function Virtualization,NFV)与MEC技术相结合,可在MEC服务器上提供服务功能链(Service Function Chain,SFC),提升用户的业务体验。为了保证移动用户的服务质量,需要在用户跨基站移动时将SFC迁移到合适的边缘服务器上。主要以最小化用户服务的端到端时延和运行成本为目标,提出了MEC网络中具有资源容量约束的SFC迁移策略,以实现移动用户业务的无缝迁移。仿真结果表明,与现有方案相比,该策略具有更好的有效性和高效性。
文摘为了保证服务质量(quality of service,QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束研究了软件定义网络(software defined networking,SDN)中的在线流请求调度策略。首先,提出了流路由成本和利润的概念,并创新性地设计了一个考虑边际成本的模型来描述链路资源和路由路径的使用成本。然后,将优先级流请求调度问题刻画为混合整数线性规划模型(mixed integer linear programming,MILP),提出在线优先级流调度算法(online priority traffic scheduling algorithm,OPTSA)来求解,最后分析了OPTSA的竞争比。仿真结果显示,与基准算法相比,所提出的算法可以确保网络负载均衡,同时有效提高网络的累积带宽和吞吐量。
