【标题】A Hard and Soft Hybrid Slicing Framework for Service Level Agreement Guarantee via Deep Reinforcement Learning

【作者团队】Heng Zhang, Guangjin Pan, Shugong Xu, Shunqing Zhang, Zhiyuan Jiang

【发表日期】2022.4.6

【论文链接】https://arxiv.org/pdf/2204.03502.pdf

【推荐理由】网络切片是保证5G和未来网络中各种服务水平协议（SLA）的关键驱动因素。近年来，深度强化学习（DRL）被广泛用于网络切片中的资源分配。然而，现有的相关工作不考虑与DRL的初始探索阶段相关的性能损失。本文提出了一种新的性能保证切片策略，采用软硬件混合切片设置。在训练神经网络时，主要采用一种通用的切片设置来保证切片的二语习得。此外，通过DRL的训练，公共切片的资源趋向于精确地重新分配到切片，直到其收敛。此外，实验结果证实了我们提出的切片框架的有效性：可以保证训练阶段切片的SLA，并且所提出的算法在SLA满足率、隔离度和收敛后的频谱最大化方面可以达到接近最优的性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除