文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.174574
中文引用格式： 胡曉東，高鵬，唐倫，等. 基于隊列穩定性的聯合資源優化算法[J].電子技術應用，2018，44(8)：109-112，117.
英文引用格式： Hu Xiaodong，Gao Peng，Tang Lun，et al. Joint resource optimization algorithm based on queue stability[J]. Application of Electronic Technique，2018，44(8)：109-112，117.
0 引言
隨著蜂窩網絡流量和服務的巨大增長，無線資源變得非常稀缺，但是部署具有更高容量的無線網絡來處理這種增長是昂貴且具有挑戰性的。在這種情況下，無線虛擬化技術受到網絡運營商的高度關注。
無線虛擬化的主要思想是將基礎設施提供商(Infrastructure Providers，InP)提供的基礎設施與服務解耦，因此不同的服務可以共享相同的基礎設施，這可以進一步提高資源利用率。然而，如何將虛擬化后的資源進行有效分配從而進一步提高資源利用率成為現在主要關心的問題之一。
針對目前無線網絡中的虛擬資源分配問題，文獻[1]研究了虛擬網絡的靜態資源分配問題，但是沒有考慮動態配置過程。文獻[2]提出一種無線虛擬網絡的切片方案，通過集中啟發式方法將頻譜資源有效地分配給不同的MVNO，該方案最大限度地提高整個網絡的總速率，同時跟蹤每個MVNO的SLA(Service Level Agreements)，確保為每個MVNO提供最小的帶寬分配。文獻[3]基于網絡虛擬化模型，將子載波分配、功率分配和運營商的選擇進行聯合優化，通過設計一種迭代算法來最小化功耗和最大化傳輸速率。
盡管已有不少文章對無線虛擬化網絡中的資源分配問題進行了研究[4-6]，但是通常只考慮網絡中的一種資源，沒有聯合優化其它虛擬資源的分配。另外很少有文獻將虛擬網絡的收益與系統穩定性進行平衡控制。
因此基于以上研究，本文針對無線虛擬化網絡場景提出了一種基于隊列穩定性的聯合資源優化算法。該算法首先考慮了不同的定價需求，聯合計算、緩存和回程鏈路資源建立資源分配效用模型,并基于Lyapunov優化理論進行轉化，對MVNO收益最優性和系統隊列的穩定性實現權衡控制。
1 系統模型與問題構建
1.1 系統模型
本文的系統架構如圖1所示。
設InP中部署基站的集合用J={0，1，…，j}來表示，用U={0，1，…，i}表示MVNO中所有切片用戶的集合。與基站j關聯的用戶k(i，u)在t時刻的信干燥比為：
其中，K表示所有MVNOi里面的用戶集合，Wj表示分配給基站j的回程鏈路帶寬。一般而言，虛擬資源與頻譜資源之間存在近似的線性關系，因此在本文系統的緩存資源和計算資源與帶寬之間的關系可以近似地簡化為：
1.2 問題構建
2 基于Lyapunov資源分配優化算法
2．1 模型轉化
Lyapunov函數可以定義如下：
2．2 基于拉格朗日對偶分解算法
由于目標函數是凸優化問題，因此可以用拉格朗日函數對偶理論進行求解，式(20)對應的拉格朗日函數為：
3 性能結果與仿真分析
本文考慮3個MVNO，其收費單價分別為30、10、15 units/(Mb/s)。頻譜、回程、計算和緩存資源的單價為80、5、50、20 units/(Mb/s)。下面通過MATLAB仿真分析評估了所提算法的性能，表1為基本的仿真參數設置。
圖2描述了無線虛擬化網絡在本文算法控制下平均收益與隊列積壓之間的平衡關系。當控制參數V的取值由0取到400時，時間平均收益和隊列逐漸增大并趨于平衡。MVNO可以利用兩者之間的平衡關系，合理地選擇控制參數V，實現期望的控制目標。從圖中可以看出，當V≥400時，時間平均效用和隊列積壓之間能夠實現較好的平衡，但是V持續增大對效用的提高并不明顯。
圖3描述了不同MVNO的用戶隊列在時間尺度上變化：在時隙0～300之間，3個MVNO的用戶隊列成線性增長；但是在時隙300～1 000內，用戶隊列趨于平穩。這是因為本文采用Lyapunov隨機優化的方法，能夠有效保證系統隊列的穩定性。
圖4描述了用戶數量和系統吞吐量的關系。為了對比不同算法的性能，本文將根據文獻[7]提出的聯合資源配置算法(Joint Resource Provisioning Algorithm，JRPA)和文獻[4]中的切片功率聯合分配(Joint Slice and Power Allocation，JSPR)算法作為本文的對比算法。從圖中可以看出，隨著用戶數量的增長，3種算法系統的吞吐量也在上升，當用戶的數量達到一定數值后系統吞吐量將趨于穩定。另外，本文算法系統的吞吐量并沒有在這3種算法中達到最高，這是因為JRPA算法的優化目標是吞吐量，會對數據傳輸高速率的用戶優先分配資源，而其余兩種方案是以最大化網絡收益為目標進行資源分配。
圖5描述了隨著用戶數量的增加，3種方案網絡效用的對比圖。從圖中可以看出，本文提出的算法性能上較其他兩種算法效用有所提高。
4 結論
針對無線虛擬化網絡中多種資源動態分配的問題，本文提出了一種基于隊列穩定性的聯合資源優化算法。該算法首先對不同MVNO采用不同的定價機制，聯合多種資源以最大化MVNO收益為目標建立收益模型。其次，運用Lyapunov隨機優化方法對虛擬網絡收益的最優性與請求隊列的穩定性實現權衡控制。仿真結果表明，該算法在保證系統隊列穩定性的能同時提高MVNO的總收益。
參考文獻
[1] ZHU Y，AMMAR M.Algorithms for assigning substrate network resources to virtual network components[C].INFOCOM 2006. IEEE International Conference on Computer Communications.Proceedings.IEEE，2007：1-12.
[2] KAMEL M I，LE L B，GIRARD A.LTE multi-cell dynamic resource allocation for wireless network virtualization[C].Wireless Communications and Networking Conference(WCNC).IEEE，2015：966-971.
[3] ZHANG Y，ZHAO L，LOPEZ P D，et al.Energy-efficient virtual resource allocation in OFDMA systems[C].Global Communications Conference.IEEE，2017：1-6.
[4] LEANH T，TRAN N，NGO D T，et al.Resource allocation for virtualized wireless networks with backhaul constraints[J].IEEE Communications Letters，2017，21(1)：148-151.
[5] JUMBA V，PARSAEEFARD S，DERAKHSHANI M，et al.Dynamic resource provisioning with stable queue control for wireless virtualized networks[C].IEEE International Symposium on Personal, Indoor，and Mobile Radio Communications.IEEE，2015：1856-1860.
[6] CHEN L，YU F R，JI H，et al.Distributed resource allocation for virtualized small cell networks with full duplex self-backhauls[C].IEEE Global Communications Conference.IEEE，2015：1-6.
[7] PARSAEEFARD S，JUMBA V，DERAKHSHANI M，et al.Joint resource provisioning and admission control in wireless virtualized networks[C].Wireless Communications and Networking Conference.IEEE，2015：2020-2025.
作者信息:
胡曉東，高 鵬，唐 倫，陳前斌
（重慶郵電大學 移動通信技術重點實驗室，重慶400065）