可编程绿色边缘网络架构及智能资源优化研究

Aiming at the serious waste of wireless network resources and energy, this project will design a programmable edge network architecture based on the ideas of software defined networking and network virtualization, use reinforcement learning and deep learning algorithms to intelligently optimize the network resources and focus on the following aspects: 1) Design a programmable heterogeneous network vertical fusion scheme and optimize the data forwarding and control layers to achieve seamless switching and dynamic scheduling of network resources. 2) Design a smallcell-based edge network architecture, build virtual networks by using network slicing technology and study on intelligent edge data caching to ensure the balance of network service and energy efficiency. 3) Design service-oriented network resource allocation strategies and green energy-saving forwarding mechanisms, suggest spectrum efficiency and energy efficiency enhancement schemes to improve the resource and energy utilization across the network. 4) Design intelligent resource management and scheduling strategies by using reinforcement learning and deep learning algorithms, and realize the joint optimization of communication, computation and caching resources to decrease average service latency in heterogeneous networks. Meanwhile, the software defined networking-based programmable green edge network simulation platform will be set up to verify the proposed models and algorithms.

针对当前无线网络资源与能量严重浪费的问题，本项目基于软件定义与虚拟化思想设计可编程边缘网络架构，并采用增强学习和深度学习算法对网络资源进行智能优化，拟从以下几方面展开：1）设计可编程异构网络垂直融合方案，优化数据转发层和控制层，实现网络资源的无缝切换与动态调度；2）设计基于小基站的边缘网络架构，并利用网络切片技术划分虚拟网络，研究边缘节点数据缓存机制，保证网络业务量与能耗的均衡性；3）设计面向业务与能效的网络资源分配策略和绿色节能转发机制，提出频谱效率与能量效率增强方案，提高整体网络资源和能量的利用率；4）采用增强学习和深度学习算法设计智能资源管理调度策略，实现对异构网络中的通信、计算、缓存资源的联合优化，降低网络平均业务时延。同时，项目组将搭建基于软件定义的可编程绿色边缘网络实验平台，为模型和算法提供验证。

本项目引入基于软件定义的绿色异构网络架构，并针对异构网络中资源利用率低以及网络能量严重浪费的问题进行研究，借助增强学习、深度学习、联邦学习、区块链等理论，提出了一系列创新的方案和算法对于网络资源进行智能优化，通过仿真工具以及实验平台对所提理论和算法进行验证，在实现绿色通信方面取得了良好的效果。项目研究的主要成果包括：..（1）根据不同网域的业务需求与服务特点，提出了基于软件定义的异构网络架构。实现数据类型异构、能源异构，以及传统网络转发设备与可编程网络转发设备的部署与调整，给出了控制层分布式与集中式扩展和软件定义异构网络环境的垂直整合策略。 .（2）在边缘异构网络场景下，构建了结合小基站和软件定义网络技术的网络架构；针对传统路由方法中存在的能量空洞问题，设计了高效的控制器路径建立方法，提高了网络的生存时间；为实现异构网络中资源的虚拟化和可编程性，结合用户需求、历史行为信息提出了网络切片策略。.（3）为优化网络资源利用率，建立了网络节点绿色能源预测模型和负载量预测模型；为提高绿色能源的利用率、降低传统能源消耗，提出了网络运行过程中的休眠及功率调整方案；为提高网络能量效率，提出了基于能量和数据同传技术的节点能量捕获和数据传输策略优化。.（4）为实现动态高效的用户调度和功率分配，采取基于无模型的增强学习算法调整优化策略；在边缘网络缓存资源有限的约束条件下，制定了优化缓存策略以降低传输开销和传输时延；在虚拟网络架构下，基于增强学习模型对虚拟资源的状态进行建模，实现动态灵活的资源配置。.（5）搭建了可编程异构网络实验平台，模拟对网络链路以及网络设备运行情况的实时监控与动态调整。验证了所提模型、方案和相关算法的有效性和可用性，为算法落地提供参考。.本项目基于相关研究成果，发表学术论34篇（其中SCI检索19篇，EI检索15篇）；申请发明专7项（已授权3项）；出版专著1部；培养博士研究生9人、硕士研究生26人。本项目的学术研究成果对下一代网络通信技术的组网方案与管理模式、能耗优化、资源优化等方面具有重要的科学意义和参考价值；本项目的研究报告为移动通信网络的资源浪费问题寻找了新的解决方案，具有很好的应用价值；本项目论文专利等科研成果，形成了本领域的自主知识产权；依托本项目培养的多名创新型技术人才已经进入网络运营商或设备商，从事相关的技术工作、发挥了一定的社会效益。

内容获取失败，请点击重试