[发明专利]一种基于贝叶斯学习的端到端网络资源分配方法

说明书

本发明公开一种基于贝叶斯学习的端到端网络资源分配方法，属于计算、推算或计数的技术领域。该方法采用基于博弈框架的解决方案，提出一个反映服务商需求信息的网络资源定价策略，通过对网络资源状态和服务商行为的分析，实现更加合理的网络资源定价和分配。该方法先建立多个服务商与运营商的博弈模型，运营商根据有限的需求信息选择第一阶段的单位网络切片价格；在第二阶段中更新需求信息确定价格。仿真结果表明该系统模型纳什均衡点的存在性，并提出一种响应式网络资源切片分配的方案，避免服务商集中请求资源时导致的资源短缺和网络拥塞，从而实现网络资源的合理分配。

技术领域

本发明涉及通信技术，具体公开一种基于贝叶斯学习的端到端网络资源分配方法，属于计算、推算或计数的技术领域。

背景技术

近年来，现有网络难以支持5G网络中的应用场景，为不同应用程序场景部署多个不同的通信网络是不现实的，且所产生的巨大成本是运营商无法承受的。因此，下一代移动网络联盟提出了网络切片的概念，即在一个物理基础设施上，利用软件定义网络并采用网络功能虚拟化等技术，按需构建不同的网络切片。各种资源分配方案旨在实现切片间的资源隔离，以便实现动态网络环境中一个切片的故障不会影响到其它切片的通信。当前大部分资源调度都延续传统网络资源调度算法的思路进行研究，比如基于负载均衡通过网络映射实现虚拟网络资源分配，忽略了服务商的实际需求。

Alessandro Lieto等发表的文章《动态资源市场中的网络切片协商策略》(Strategies for Network Slicing Negotiation in a Dynamic Resource Market)，基于博弈论对网络资源切片分配的市场机制，提出了一种在纳什均衡下研究用户策略的技术-经济博弈，在这种机制中动态调节不同租户间的协商，证明了这类博弈中至少存在一个纳什均衡，在多个场景中总是在实现最佳响应动态算法时达到纳什均衡。

本发明旨在通过采用博弈经济模型分析运营商的网络资源分配问题，将此转换为多个服务商与运营商间的非合作博弈问题以实现资源最优分配的目的。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供一种基于贝叶斯学习的端到端网络资源分配方法，采用基于博弈框架的解决方案，提出一个反映服务商需求信息的网络资源定价策略，通过分析服务商需求，实现合理定价网络资源和优化资源分配方案的发明目的，解决现有资源调度方案忽略服务商实际需求的技术问题。

本发明为实现上述发明目的采用如下技术方案：

在本发明中，考虑一个运营商有限时间内提供Q个单位的网络资源切片，并把提供服务的时间分为两个阶段：常规阶段(第一阶段T₁)和激励阶段(第二阶段T₂)。其中，多个服务商在系统中向运营商请求网络资源，服务商的数量是到达率为Λ的泊松过程，Λ服从参数为α和β的先验伽马分布。对于服务商来说，他们需要选择某个阶段来请求网络资源，服务商的决定主要取决于对网络资源的估值v，v服从[0，1]的均匀分布，如果服务商选择在T₂阶段请求资源，则他的估值v会随周期变化而降低δ倍，例如，降低0.8倍。在决策过程中服务商采取阈值策略θ：在v≥θ时，服务商在T₁阶段请求资源；在v＜θ时，服务商在T₂阶段请求资源。对于运营商来说，在T₁阶段根据网络资源切片的初始数量Q和先验伽马分布对网络资源采取初始定价p₁；在T₂阶段，运营商根据更新后的网络资源状态和预测的服务商规模将p₁更改为p₂。本发明证明了该系统模型纳什均衡点的存在，并通过分析博弈模型优化运营商网络资源的分配方案。本发明仿真结果表明了该系统模型纳什均衡点的存在性。

本发明解决其技术问题所采取地一种基于贝叶斯学习的端到端网络资源分配方法，包括以下是个步骤：

步骤一：设服务商j在常规阶段T₁获取到一单位网络资源的可能性为：