5G网络中基于需求预测的云无线接入网计算资源分配策略

"基于需求预测的云无线接入网计算资源分配策略研究" 本文主要探讨了在5G网络背景下，云无线接入网（Cloud Radio Access Network，CRAN）的计算资源分配策略。云无线接入网是一种利用网络功能虚拟化（Network Function Virtualization，NFV）和软件定义网络（Software Defined Networking，SDN）技术的新型网络架构，它能够实现网络切片，以满足不同服务需求，并有效地共享无线、终端和网络资源。 文章指出，在云无线接入网的端到端网络切片场景中，通过控制平面的数据驱动运维框架，可以收集并处理网络信息。研究的核心是预测未来一段时间内的计算业务量需求，以优化计算资源的分配。为了实现这一目标，作者提出了一种基于虚拟化网络功能（Virtualized Network Functions，VNF）的计算资源分配方案。VNF是NFV技术中的关键组件，它可以被虚拟化并按需部署，以提供传统网络功能。 在资源分配策略中，文章引入了基于降序最佳适应（Best Fit Descending，BFD）的离散粒子群优化算法。离散粒子群算法是一种优化工具，源自生物群体行为模拟，它通过粒子间的交互寻找全局最优解。BFD策略则是一种内存管理算法，用于在有限空间内分配或调整大小的对象，这里用于指导VNF的资源分配，以达到高效和节能的目的。 通过仿真，研究证明了所提策略和算法的有效性。它能够动态、灵活地分配云无线接入网的计算资源，同时显著降低VNF的迁移能耗和迁移次数。这不仅提高了网络的效率，还降低了运维成本，对于保证5G网络的服务质量和用户体验具有重要意义。 这篇研究聚焦于解决云无线接入网中的计算资源分配问题，结合需求预测和优化算法，为5G网络的高效运行提供了理论和技术支持。其方法和成果对5G网络的规划、设计和运维具有实际应用价值。