基于Q-learning算法的vEPC虚拟网络功能部署方法

admin

【作者】袁泉；汤红波；黄开枝；王晓雷；赵宇；

【机构】国家数字交换系统工程技术研究中心；移动互联网安全技术国家工程实验室；

【摘要】针对虚拟化演进分组核心网(vEPC)环境下,现有虚拟网络功能(VNF)部署方法无法在优化时延的同时保证服务链部署收益的问题,提出一种改进的基于Q-learning算法的vEPC虚拟网络功能部署方法。在传统0-1规划模型的基础上,采用马尔可夫决策过程建立了vEPC服务链部署的空间—时间优化模型,并设计了改进的Q-learning算法求解。该方法同时考虑了空间维度下的EPC服务链虚拟映射和时间维度下的VNF生命周期管理,实现了VNF部署的收益—时延多目标优化。仿真结果表明,与其他VNF部署方法相比,该方法在降低网络时延的同时提高了VNF部署的收益和请求接受率。

【关键词】5G；虚拟网络功能；服务功能链部署；Q-learning；
为了使移动终端完美支持交互式游戏、3D虚拟现实等在线交互应用，5G提出了毫秒级时延和10Gbit/s峰值速率的需求。但是，目前4G长期演进（LTE,longtermevolution）系统的端到端（E2E,end-to-end）时延只能达到10~100ms，其中，EPC系统时延即网络侧时延超过了10ms。虚拟化技术为网络功能的编排提供了更加灵活的解决方案，本文旨在设计动态在线的部署方法，在保证网络业务流量的前提下，降低网络服务时延。文献[1]提出一种新型EPC网络架构，实现了数据转发和功能特征的分离，网络只负责数据转发，功能特征转移到云平台，可根据用户的需求自动化迁移或伸缩，在逻辑上实现了VNF的灵活部署。