0 引言

    隨著5G移動(dòng)通信技術(shù)的快速發(fā)展，移動(dòng)通信用戶數(shù)量增加，業(yè)務(wù)需求逐漸呈現(xiàn)多樣化的趨勢(shì)。為滿足未來用戶和業(yè)務(wù)的差異化需求，運(yùn)營(yíng)商需要合理設(shè)計(jì)網(wǎng)絡(luò)管理系統(tǒng)，根據(jù)不同業(yè)務(wù)的需求可以實(shí)現(xiàn)靈活快速部署，以提高網(wǎng)絡(luò)管理效率。網(wǎng)絡(luò)管理^[1]是向用戶提供一定標(biāo)準(zhǔn)質(zhì)量的業(yè)務(wù)而對(duì)網(wǎng)絡(luò)進(jìn)行初始化、監(jiān)視、分析和控制等行為的總稱^[2]。網(wǎng)絡(luò)管理系統(tǒng)通過收集網(wǎng)絡(luò)狀態(tài)反饋信息，根據(jù)網(wǎng)絡(luò)中所發(fā)生的情況，映射為對(duì)于網(wǎng)絡(luò)物理鏈路的設(shè)計(jì)并結(jié)合調(diào)度算法實(shí)現(xiàn)網(wǎng)絡(luò)鏈路自動(dòng)化調(diào)整，生成合理的網(wǎng)絡(luò)改善建議。網(wǎng)絡(luò)管理系統(tǒng)廣泛應(yīng)用于交通、金融、應(yīng)急、警力一線、云GIS^[3]、視頻音頻等各行業(yè)。建立可靠的網(wǎng)絡(luò)管理系統(tǒng)能夠有效利用網(wǎng)絡(luò)資源，降低運(yùn)營(yíng)成本，提供高質(zhì)量的服務(wù)。

    基于意圖的網(wǎng)絡(luò)(Intent-based Network，IBN)由美國(guó)LENROW D在2015年提出，是一種目前在世界范圍內(nèi)引起熱議的新型網(wǎng)絡(luò)架構(gòu)。2017年Gartner提出的關(guān)于IBN的定義^[4]并概括為4個(gè)關(guān)鍵部分：翻譯和驗(yàn)證、自動(dòng)實(shí)施、對(duì)網(wǎng)絡(luò)狀態(tài)的了解和保證以及動(dòng)態(tài)優(yōu)化/補(bǔ)救。IBN實(shí)現(xiàn)了從意圖到特定基礎(chǔ)設(shè)施的自動(dòng)轉(zhuǎn)化，不需要人工干預(yù)就能夠監(jiān)控網(wǎng)絡(luò)的整體性能、識(shí)別問題并自動(dòng)解決問題。思科的意圖網(wǎng)絡(luò)^[5-6]主要包括五個(gè)部分：意圖的表達(dá)和收集、轉(zhuǎn)譯和驗(yàn)證、自動(dòng)化實(shí)施、網(wǎng)絡(luò)狀態(tài)感知、自動(dòng)調(diào)優(yōu)。

    本文基于IBN的網(wǎng)絡(luò)管理系統(tǒng)架構(gòu)，提出一種快速調(diào)度算法，并在MATLAB仿真平臺(tái)中實(shí)現(xiàn)和驗(yàn)證?？焖僬{(diào)度算法的實(shí)現(xiàn)，將網(wǎng)絡(luò)智能化技術(shù)和管理調(diào)度系統(tǒng)相結(jié)合，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)資源的自動(dòng)化管理和任務(wù)的快速調(diào)度，改變了傳統(tǒng)網(wǎng)絡(luò)資源的調(diào)度以及業(yè)務(wù)的部署需要大量人工手動(dòng)實(shí)施的情況，面對(duì)5G時(shí)代數(shù)量和種類龐大的網(wǎng)絡(luò)業(yè)務(wù)，運(yùn)營(yíng)商可以實(shí)現(xiàn)高效的網(wǎng)絡(luò)管理和快速業(yè)務(wù)部署。

1 基于IBN的網(wǎng)絡(luò)管理架構(gòu)

1.1 網(wǎng)絡(luò)管理調(diào)度系統(tǒng)架構(gòu)

    基于意圖的網(wǎng)絡(luò)是基于用戶意圖去構(gòu)建和操作網(wǎng)絡(luò)的閉環(huán)系統(tǒng)，提供網(wǎng)絡(luò)基礎(chǔ)設(shè)施全生命周期的管理，包括網(wǎng)絡(luò)設(shè)計(jì)、實(shí)施、配置和運(yùn)維，可提升網(wǎng)絡(luò)可用性和敏捷性^[5]。IBN網(wǎng)絡(luò)以用戶意圖為導(dǎo)向進(jìn)行統(tǒng)一管控，在大規(guī)模的網(wǎng)絡(luò)管理與運(yùn)營(yíng)中實(shí)現(xiàn)將用戶的業(yè)務(wù)策略（用戶意圖）轉(zhuǎn)換為網(wǎng)絡(luò)配置，并在網(wǎng)絡(luò)模型上驗(yàn)證配置是否能滿足業(yè)務(wù)策略，驗(yàn)證完成后通過自動(dòng)化配置或網(wǎng)絡(luò)智能編排完成基礎(chǔ)設(shè)施上的配置^[6]。IBN自動(dòng)化配置不關(guān)注底層網(wǎng)絡(luò)差異，由API向底層設(shè)備下發(fā)驗(yàn)證的意圖配置。IBN網(wǎng)絡(luò)架構(gòu)如圖1所示。

    在IBN網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上，設(shè)計(jì)了基于意圖網(wǎng)絡(luò)的網(wǎng)絡(luò)管理調(diào)度系統(tǒng)架構(gòu)，如圖2所示。網(wǎng)絡(luò)管理調(diào)度系統(tǒng)主要由應(yīng)用層、IBN網(wǎng)絡(luò)層、編排管控層和基礎(chǔ)設(shè)施層構(gòu)成。其中，應(yīng)用層主要擬定下發(fā)業(yè)務(wù)；IBN網(wǎng)絡(luò)層結(jié)合大數(shù)據(jù)庫將收集的用戶意愿轉(zhuǎn)譯成可調(diào)整的網(wǎng)絡(luò)參數(shù)和相關(guān)的基礎(chǔ)設(shè)施調(diào)整策略，并對(duì)意圖命令進(jìn)行分析驗(yàn)證；編排管控層實(shí)現(xiàn)編排管理的自動(dòng)化實(shí)施和快速調(diào)度；基礎(chǔ)設(shè)施層則是由一些可以調(diào)整的網(wǎng)元設(shè)備和管理模塊構(gòu)成，主要負(fù)責(zé)數(shù)據(jù)轉(zhuǎn)發(fā)。

1.2 IBN網(wǎng)絡(luò)層設(shè)計(jì)

    IBN網(wǎng)絡(luò)層實(shí)現(xiàn)將用戶業(yè)務(wù)部署意圖轉(zhuǎn)化成標(biāo)準(zhǔn)網(wǎng)絡(luò)配置信息并對(duì)其進(jìn)行網(wǎng)絡(luò)參數(shù)驗(yàn)證。IBN網(wǎng)絡(luò)層主要由意圖收集組件、意圖轉(zhuǎn)譯組件和意圖驗(yàn)證組件3個(gè)模塊構(gòu)成，其結(jié)構(gòu)如圖3所示。

    意圖收集組件主要收集用戶網(wǎng)絡(luò)業(yè)務(wù)部署意圖，根據(jù)常見的網(wǎng)絡(luò)標(biāo)準(zhǔn)問題，將用戶意圖轉(zhuǎn)換為標(biāo)準(zhǔn)的網(wǎng)絡(luò)數(shù)據(jù)信息。意圖收集組件的功能：(1)接收網(wǎng)絡(luò)應(yīng)用層的用戶反饋信息，即用戶意圖；(2)根據(jù)歷史處理數(shù)據(jù)形成用戶意圖和網(wǎng)絡(luò)標(biāo)準(zhǔn)術(shù)語映射關(guān)系網(wǎng)；(3)結(jié)合映射關(guān)系網(wǎng)將用戶意圖轉(zhuǎn)化為常見網(wǎng)絡(luò)問題，并進(jìn)行分類匯總。

    轉(zhuǎn)譯組件將總結(jié)的網(wǎng)絡(luò)意圖轉(zhuǎn)譯為可實(shí)現(xiàn)的網(wǎng)絡(luò)任務(wù)，生成任務(wù)處理數(shù)據(jù)塊，進(jìn)行任務(wù)傳遞和下發(fā)。任務(wù)數(shù)據(jù)塊應(yīng)包含：網(wǎng)絡(luò)任務(wù)類型、網(wǎng)絡(luò)任務(wù)所屬層級(jí)、網(wǎng)絡(luò)處理優(yōu)先級(jí)、預(yù)估網(wǎng)絡(luò)處理時(shí)間等。這里的預(yù)處理時(shí)間包括響應(yīng)時(shí)間和要求服務(wù)時(shí)間，關(guān)系到網(wǎng)絡(luò)處理的優(yōu)先權(quán)的計(jì)算。轉(zhuǎn)譯組件功能有：(1)網(wǎng)絡(luò)任務(wù)類型，如網(wǎng)絡(luò)監(jiān)控、網(wǎng)絡(luò)故障、業(yè)務(wù)配置、工程變更等；(2)任務(wù)所屬網(wǎng)絡(luò)層級(jí)，包括物理層問題、數(shù)據(jù)鏈路層問題、網(wǎng)絡(luò)層問題、運(yùn)輸層問題、應(yīng)用層問題；(3)網(wǎng)絡(luò)緊急程度，包括一般、緊急、立刻處理等；(4)網(wǎng)絡(luò)預(yù)處理時(shí)間，根據(jù)經(jīng)驗(yàn)?zāi)Ｐ瞳@取。

    驗(yàn)證組件將實(shí)現(xiàn)對(duì)于網(wǎng)絡(luò)處理的驗(yàn)證和經(jīng)驗(yàn)?zāi)Ｐ偷男拚^程，針對(duì)不同的網(wǎng)絡(luò)任務(wù)，抽樣實(shí)現(xiàn)并計(jì)算任務(wù)分析準(zhǔn)確性，任務(wù)實(shí)現(xiàn)過程中，不算調(diào)整經(jīng)驗(yàn)?zāi)Ｐ蛥?shù)，當(dāng)準(zhǔn)確性低于某個(gè)閾值時(shí)，重新進(jìn)行分析。驗(yàn)證組件功能有：(1)對(duì)同等級(jí)網(wǎng)絡(luò)任務(wù)抽樣實(shí)現(xiàn)，在數(shù)據(jù)庫進(jìn)行存儲(chǔ)；(2)計(jì)算任務(wù)分析；(3)修改經(jīng)驗(yàn)?zāi)Ｐ秃蛿?shù)據(jù)庫。

2 調(diào)度算法分析

    圖4所示為基于IBN網(wǎng)絡(luò)管理架構(gòu)下的調(diào)度模型，分為三個(gè)部分：用戶意圖層、IBN轉(zhuǎn)化層和任務(wù)調(diào)度層，本文的調(diào)度算法是基于任務(wù)調(diào)度層實(shí)現(xiàn)的。

2.1 IBN資源分配層

    由于網(wǎng)絡(luò)任務(wù)由一個(gè)一個(gè)的任務(wù)單元組成，每一個(gè)任務(wù)根據(jù)其對(duì)網(wǎng)絡(luò)的影響程度的不同，其處理的優(yōu)先級(jí)就會(huì)有所不同。因此當(dāng)面對(duì)一個(gè)龐大的任務(wù)處理問題時(shí)，把任務(wù)作為一個(gè)可離散化處理的變量，離散化為多個(gè)小任務(wù)，與此同時(shí)任務(wù)處理機(jī)的處理資源也離散化處理，要把主要資源用于處理關(guān)鍵重要的緊急任務(wù)。

    其中任務(wù)優(yōu)先級(jí)依據(jù)任務(wù)等級(jí)分配，r_s為資源剩余率，因此為了保證網(wǎng)絡(luò)始終平穩(wěn)運(yùn)行且保證網(wǎng)絡(luò)資源最大化調(diào)度，需要滿足式(1)～式(3)^[7]：

其中，S是整個(gè)處理單元的集合，R_s為所有處理單元s的處理效率；U是任務(wù)處理單元的集合，r_u為單個(gè)任務(wù)單元u實(shí)際獲得的處理資源，R為處理機(jī)所能提供的總的處理資源。

    任務(wù)處理機(jī)資源也要離散化處理，這樣高效的調(diào)度算法才能準(zhǔn)確高效實(shí)施。

2.2 任務(wù)調(diào)度層

    對(duì)于不同的任務(wù)單元，假定任務(wù)處理速度相同且始終保持最大為v_max。定義q_u為每個(gè)任務(wù)單元的體驗(yàn)質(zhì)量，ρ_u為每個(gè)任務(wù)單元的實(shí)際優(yōu)先級(jí),如式(4)～式(9)^[7]所示。

其中，n為任務(wù)單元的序號(hào)，T_n為任務(wù)所需處理時(shí)間，T_u為任務(wù)實(shí)際處理時(shí)間，r_u為任務(wù)單元實(shí)際獲得的處理資源，r_n為任務(wù)理論上應(yīng)該得到的滿足最佳服務(wù)所需的處理資源，R為系統(tǒng)所能提供的總的處理資源。所有任務(wù)單元的服務(wù)質(zhì)量之和為Q，所有任務(wù)的處理時(shí)間之和為T，E(Q)定義為平均服務(wù)質(zhì)量，如式(10)、式(11)^[7]所示：

2.3 多級(jí)任務(wù)調(diào)度算法分析

    網(wǎng)絡(luò)任務(wù)由一個(gè)一個(gè)的小任務(wù)組成，每一個(gè)任務(wù)根據(jù)其對(duì)網(wǎng)絡(luò)的影響程度的不同，其處理的優(yōu)先級(jí)就會(huì)有所不同。離散化處理要把主要資源用于處理關(guān)鍵重要的緊急任務(wù)，而不是先來先處理，這樣高效的調(diào)度算法才能準(zhǔn)確高效實(shí)施。

    根據(jù)不同隊(duì)列的優(yōu)先級(jí)賦予各個(gè)隊(duì)列中進(jìn)程執(zhí)行時(shí)間片的大小也各不相同，圖5所示為多級(jí)任務(wù)處理算法示意圖，在優(yōu)先級(jí)越高的隊(duì)列中，每個(gè)進(jìn)程的運(yùn)行時(shí)間片就越小。例如，第2級(jí)隊(duì)列的時(shí)間片要比第1級(jí)隊(duì)列的時(shí)間片長(zhǎng)一倍。當(dāng)一個(gè)長(zhǎng)進(jìn)程從第1級(jí)隊(duì)列依次降到第n級(jí)隊(duì)列后，在第n級(jí)隊(duì)列中采用時(shí)間片輪轉(zhuǎn)的方式運(yùn)行。僅當(dāng)?shù)?級(jí)隊(duì)列為空時(shí)，調(diào)度程序才調(diào)度第2級(jí)隊(duì)列中的進(jìn)程運(yùn)行；如果處理機(jī)正在執(zhí)行第i級(jí)隊(duì)列中的某進(jìn)程時(shí)，又有新進(jìn)程進(jìn)入優(yōu)先級(jí)較高的隊(duì)列(第1~(i-1)中的任何一個(gè)隊(duì)列)，則此時(shí)新進(jìn)程將搶占正在運(yùn)行進(jìn)程的處理機(jī)，即由調(diào)度程序把正在運(yùn)行的進(jìn)程放回到第i級(jí)隊(duì)列的末尾，把處理機(jī)分配給新到的更高優(yōu)先級(jí)的進(jìn)程。

    這里還結(jié)合現(xiàn)存的兩種調(diào)度算法——FCFS算法和短作業(yè)優(yōu)先算法進(jìn)行比較。調(diào)度算法實(shí)施過程如下：

    (1)按網(wǎng)絡(luò)任務(wù)類型將網(wǎng)絡(luò)任務(wù)分類，分配不同的默認(rèn)初始值，初始值越大，表示任務(wù)重要性越大，越易優(yōu)先處理。

    (2)結(jié)合任務(wù)對(duì)于網(wǎng)絡(luò)的影響程度，分配初始影響因子，影響因子越大，對(duì)優(yōu)先級(jí)的影響越大。

    (3)針對(duì)不同的任務(wù)信令，按初始值乘以影響因子，計(jì)算網(wǎng)絡(luò)優(yōu)先級(jí)，設(shè)置多個(gè)排隊(duì)隊(duì)列。

    (4)處理優(yōu)先級(jí)高的隊(duì)列按任務(wù)量?jī)?yōu)先分配處理資源，低優(yōu)先級(jí)獲取固定少量處理資源和剩余處理資源，當(dāng)高優(yōu)先級(jí)任務(wù)量較小時(shí)，低優(yōu)先級(jí)才可占用高優(yōu)先級(jí)處理資源。

    (5)各個(gè)任務(wù)信令按照兩種算法分配任務(wù)處理概率，分配的概率越大，越易優(yōu)先處理。

    (6)隊(duì)列不斷更新，當(dāng)任務(wù)信令距離死亡時(shí)間(也就是任務(wù)截止時(shí)間)越近，任務(wù)分配影響因子越大。

    (7)當(dāng)任務(wù)執(zhí)行失敗，調(diào)整任務(wù)默認(rèn)初始值。

2.4 同級(jí)任務(wù)調(diào)度算法分析

    多級(jí)調(diào)度算法實(shí)現(xiàn)了高優(yōu)先級(jí)的快速處理，對(duì)于同一優(yōu)先級(jí)的任務(wù)的處理方法主要有：

    (1)先來先服務(wù)算法(First Come First Service，F(xiàn)CFS)：如圖6所示，按照先進(jìn)隊(duì)列先處理，直到發(fā)生阻塞后才放棄，當(dāng)采用該算法時(shí)，每次調(diào)度從后備多個(gè)任務(wù)作業(yè)隊(duì)列中各選擇一個(gè)或多個(gè)最先進(jìn)入該隊(duì)列的任務(wù)，將他們調(diào)入內(nèi)存，后為其分配資源，創(chuàng)建進(jìn)程，然后放入就緒隊(duì)列。

    (2)短任務(wù)優(yōu)先：指對(duì)短作業(yè)或短進(jìn)程優(yōu)先調(diào)度的算法，其實(shí)現(xiàn)機(jī)制與FCFS相似，只是任務(wù)處理時(shí)長(zhǎng)越短，處理順序越靠前。對(duì)于同優(yōu)先級(jí)的各個(gè)任務(wù)，按照短任務(wù)優(yōu)先進(jìn)入就緒隊(duì)列的方法，設(shè)置就緒隊(duì)列，如圖7所示。

    本文采用無序最大化的算法，如圖8所示。該算法的核心思想是有位置即坐，有空閑處理能力即利用，保證處理機(jī)時(shí)刻最大負(fù)載運(yùn)行，實(shí)現(xiàn)處理資源利用率的最大化。假設(shè)處理機(jī)一次可以處理的資源有限且當(dāng)某個(gè)任務(wù)單元超出剩余處理資源時(shí)，即為超出處理能力，處理機(jī)拒絕提供服務(wù)。

3 算法仿真與分析

    將不同用戶意圖按任務(wù)等級(jí)生成任務(wù)信令，并結(jié)合多級(jí)概率調(diào)度算法，實(shí)現(xiàn)了基于意圖網(wǎng)絡(luò)的快速調(diào)度系統(tǒng)，除此之外將多級(jí)概率調(diào)度算法和短任務(wù)算法相結(jié)合，使得任務(wù)處理效率大大提高，處理時(shí)間大大縮短。

    假設(shè)處理機(jī)一次可以處理任務(wù)量為150，按任務(wù)等級(jí)分配處理資源，一級(jí)分配50，二級(jí)40，三級(jí)30，四級(jí)20，五級(jí)10。任務(wù)數(shù)為500，總?cè)蝿?wù)量為2 659，按照多級(jí)任務(wù)處理方法處理。

    圖9所示的仿真結(jié)果表明，高優(yōu)先級(jí)的任務(wù)實(shí)現(xiàn)了優(yōu)先處理，當(dāng)高優(yōu)先級(jí)任務(wù)處理完成后，多余的處理能力用來處理低優(yōu)先級(jí)的任務(wù)。在多級(jí)調(diào)度時(shí)，高優(yōu)先級(jí)的處理速度較快，相同的任務(wù)數(shù)高優(yōu)先級(jí)被優(yōu)先處理完。隨著高優(yōu)先級(jí)的處理完成，處理資源被用于低優(yōu)先級(jí)，低優(yōu)先級(jí)的任務(wù)處理速度變快。

    多級(jí)調(diào)度算法實(shí)現(xiàn)了高優(yōu)先級(jí)的快速處理，但是對(duì)于同優(yōu)先級(jí)的任務(wù)，如何處理才能實(shí)現(xiàn)高效是要考慮的另一個(gè)問題。下面對(duì)此進(jìn)行了詳細(xì)的探究。

    假設(shè)總?cè)蝿?wù)量為573，圖10所示為同級(jí)任務(wù)處理算法運(yùn)行對(duì)比情況，可以看出無序最大化的任務(wù)處理方法可以實(shí)現(xiàn)任務(wù)的快速處理。同等級(jí)任務(wù)處理有優(yōu)化的空間，對(duì)于同等級(jí)任務(wù)，無需最大化處理實(shí)現(xiàn)的效率的提升，近15 s左右。

    圖11反映了同等級(jí)任務(wù)處理的任務(wù)剩余量與處理時(shí)間的關(guān)系。由圖可以看出，短任務(wù)優(yōu)先在一定時(shí)間內(nèi)實(shí)現(xiàn)了任務(wù)數(shù)的快速下降，但是當(dāng)短任務(wù)處理完成時(shí)，處理速度發(fā)生大幅下降，無序最大化的處理方法整體上實(shí)現(xiàn)了最優(yōu)。

    圖12所示為多級(jí)調(diào)度和同級(jí)調(diào)度算法的比較，通過分析發(fā)現(xiàn)，將資源多級(jí)調(diào)度多級(jí)處理在實(shí)現(xiàn)任務(wù)處理上表現(xiàn)出優(yōu)越性，在快速處理資源調(diào)度上具有明顯的優(yōu)勢(shì)。

4 結(jié)論

    本文基于IBN的網(wǎng)絡(luò)架構(gòu)提出了網(wǎng)絡(luò)管理系統(tǒng)，面對(duì)5G網(wǎng)絡(luò)下數(shù)量龐大和種類繁多的用戶及網(wǎng)絡(luò)業(yè)務(wù)需求，基于該系統(tǒng)對(duì)多級(jí)調(diào)度和同級(jí)調(diào)度算法作深度研究，通過MATLAB平臺(tái)仿真將算法進(jìn)行實(shí)現(xiàn)和對(duì)比分析。通過將不同用戶意圖按任務(wù)等級(jí)生成任務(wù)信令，結(jié)合多級(jí)調(diào)度算法，實(shí)現(xiàn)基于意圖網(wǎng)絡(luò)的快速調(diào)度系統(tǒng)，將多級(jí)調(diào)度算法和同級(jí)調(diào)度算法相結(jié)合，任務(wù)處理效率大大提高，處理時(shí)間大大縮短。當(dāng)優(yōu)先級(jí)高的任務(wù)較多時(shí)，可能會(huì)導(dǎo)致低優(yōu)先級(jí)的任務(wù)無法快速處理，從而導(dǎo)致低優(yōu)先級(jí)任務(wù)堆積或者失敗，故算法有待改進(jìn)。

參考文獻(xiàn)

[1] 孟洛明，亓峰.現(xiàn)代網(wǎng)絡(luò)管理技術(shù)(修訂版)[M].北京：北京郵電大學(xué)出版社，2001.

[2] 王冬.基于任務(wù)調(diào)度的高適應(yīng)性適配器的研究與應(yīng)用[D].北京：北京郵電大學(xué)，2006.

[3] 楊柳.基于云計(jì)算的GIS應(yīng)用模式研究[D].開封：河南大學(xué)，2011.

[4] Gartner.Intent-based networking[EB/OL].(2017-02-07)[2019-08-18].https：//blogs.gartner.com/andrew-lerner/2017/02/07/intent-based-networking/.

[5] Veriflow.Intent-based networking：top 10 questions and answers[EB/OL].[2019-08-18].https：//www.veriflow.net/_downloads/Intent-based%20Top%20questions.pdf.

[6] Veriflow.Verification and intent-based networking：closing the control looph[EB/OL].(2017-07-11)[2019-08-18].https：//www.veriflow.net/verification-intent-based-networking-closing-control-loop/.

[7] 陳強(qiáng)，劉彩霞，李凌書.基于改進(jìn)式貪婪算法的5G網(wǎng)絡(luò)切片動(dòng)態(tài)資源調(diào)度策略[J].網(wǎng)絡(luò)與信息安全學(xué)報(bào)，2018，4(7)：60-68.

作者信息:

王海寧，賈  鵬，曹宇詩，楊馥聰，裴天天，曾  宇

(中國(guó)電信股份有限公司戰(zhàn)略與創(chuàng)新研究院新興信息技術(shù)研究所 網(wǎng)絡(luò)AI研究中心，北京102209)