5G超密集接入网智能动态资源分配及其优化方法研究

In 5G networks, the Ultra-Dense Radio Access Networks can enlarge the space of signal coverage area, and strengthen the signal power. This project will study the intelligent dynamic resource allocation and optimization methods of 5G Ultra-Dense Radio Access Networks. The detailed research work is summarized as follows. (1) We will study the modeling methods of the dynamic resource allocation of 5G Ultra-Dense Radio Access Networks, and build the Markov Game model for the non-stationary and time-varying system which describes the effect of resource allocation strategies on the efficacy of wireless channels. (2) We will study the intelligent solutions of the dynamic resource allocation models, and take advantage of Reinforcement Learning to provide the approximate solutions of the Markov Game model. (3) We will study the performance metrics of intelligent dynamic resource allocation system from the aspects of Quality-of-Service (QoS) and Quality-of-Experience (QoE), and systematically construct the framework of quantitative performance metrics, and make use of the theories of Stochastic Network Calculus and Stochastic Petri Nets to build the performance evaluation models. (4) We will study the methods for the performance optimization of the intelligent dynamic resource allocation system, and take advantage of the Convex Optimization theory to provide the collaborative optimization strategy. This project will provide theoretical guidance and technical support for the intelligent dynamic resource allocation and optimization of 5G Ultra-Dense Radio Access Networks.

在5G网络中，超密集接入网具有增大信号的覆盖范围和强度的特点。本项目拟研究5G超密集接入网智能动态资源分配及其优化方法，具体研究内容包括：（1）研究5G超密集接入网动态资源分配建模方法，建立具有系统非稳态时变特性的马尔科夫博弈模型，以描述资源分配策略对超密集无线信道效能的影响；（2）研究动态资源分配模型的智能求解，运用强化学习Q-learning方法，给出智能动态资源分配马尔科夫博弈模型的近优解；（3）从5G超密集接入网的服务质量(QoS)和用户体验(QoE)的角度，研究智能动态资源分配系统的性能指标，构建性能的量化指标体系，运用随机网络演算和随机Petri网理论，建立系统性能评价模型；（4）研究智能动态资源分配系统的性能优化方法，运用凸优化理论，给出动态资源分配系统性能的协同优化策略。本项目的研究将为5G超密集接入网的智能动态资源分配及优化提供理论指导和技术支撑。

5G超密集接入网资源分配策略及其性能优化影响着网络服务质量和用户体验，本项目按照原计划研究路线，从网络动态资源建模方法、资源分配策略优化、系统性能评估和协同优化四个方面开展研究，研究内容如下：. （1）网络资源智能动态分配建模方法。针对5G超密集接入网智能动态资源分配问题，提出基于马尔科夫决策和深度强化学习理论的网络资源动态分配建模方法。在具有系统非稳态时变特性的环境中，优化网络资源分配策略，提高网络资源利用率和用户体验质量。. （2）频谱资源稀缺下智能动态资源分配策略优化。针对边缘缓存支持下车联网动态内容放置和带宽分配问题，在基站总带宽和设备缓存容量均有限的约束下，提出了一种适应车辆高移动性的内容放置和带宽分配策略，有效降低任务完成时延和系统能耗。进一步针对无人机辅助下超密集网络频谱资源配置问题，提出了一种基于深度强化学习的用户链路选择和频谱资源联合优化算法，有效降低系统能耗。. （3）满足用户体验质量的随机服务过程性能评估。针对终端到云通信的串联模型问题，提出了一种基于随机错误曲线的评价方法，可有效评估网络时延界限，满足数据传输低时延需求。进一步针对物联网设备能量受限的问题，提出了一种基于李雅普诺夫优化理论的随机优化方法，揭示了设备任务随机到达和无线网络高动态下对系统能耗的影响。. （4）动态资源定价下的信道带宽分配和计算任务协同优化。针对移动蜂窝网络用户和车辆用户的共享信道资源分配问题，提出了基于进化策略的功率控制和带宽调度协同算法，实现带宽资源单价和任务传输时延的最小化。进一步针对边云协同的网络资源动态分配问题，提出了基于李雅普诺夫优化的在线拍卖算法，最大化用户效用和系统能效。. 本项目共发表论文40余篇，其中SCI检索10篇，EI检索29篇，北大中文核心1篇；专利15项，其中2篇已授权，13篇受理中；软件著作权10项，论文、专利及软件著作数均超预期目标。