摘要: 考虑到车联网中车辆快速移动造成拓扑复杂的问题,提出了一种基于深度强化学习的动态网络切片资源部署算法。在车辆到基础设施通信场景下,针对不断变化的车辆拓扑和业务请求,将切片资源部署问题建模为可观测的马尔可夫决策模型,利用联合控制器实时监测网络状态,根据执行切片资源分配比例的动作奖励值来实时更新参数,引入优先经验回放策略来加快收敛速度,为每个业务请求提供充足的通信资源来交互车辆速度和位置信息。仿真实验结果表明,对比其他算法,所提算法在端到端吞吐量、端到端时延、切片丢包率和车辆业务请求接受率方面都展现了更好的性能。
中图分类号:
李晓辉 周媛媛 吕思婷 苏家楠. 面向车联网的动态网络切片资源部署算法[J]. 北京邮电大学学报, 2024, 47(4): 124-129.
LI Xiaohui, ZHOU Yuanyuan, LYU Siting, SU Jianan. Dynamic Network
Slicing Resource Deployment Algorithm in Vehicular Networks[J]. Journal of Beijing University of Posts and Telecommunications, 2024, 47(4): 124-129.