基于随机优化的资源调度与时延控制

　　 随着移动设备的普及以及新兴应用带来的需求激增，移动网络需要为人类和机器提供高质量的连接。工业自动化、自动驾驶和远程医疗等新兴应用要求网络支持多种并存的通信服务，每种服务都有各自特定的时延和可靠性要求。对于实时和任务关键型服务，轻微的延迟违反可能带来严重后果。

　　 然而，系统中的随机性，例如应用请求的随机到达和信道的随机衰落，使得提供确定性服务变得极具挑战。基于平均性能的优化往往难以持续满足这些高要求，而基于最坏情况的优化策略则过于保守，导致资源的浪费。为此，我们重点关注服务性能的违反概率，力求在资源利用和时延保障之间找到最佳平衡。然而，时延分布往往难以精确获取，小概率的违反事件难以建模，这为优化带来了新的挑战。

　　 网络切片通过在共享网络基础设施上部署多个独立的逻辑子网，为提供差异化的确定性服务提供了一个有前景的解决方案。这些子网称为切片，可以根据特定通信服务的需求进行定制。然而，在面对随机输入和随机服务能力的网络环境中，如何合理分配资源以确保各个切片的队列时延违反概率不超出预期范围是一项复杂的任务。

　　 由于多个用户对队列资源的竞争以及不同时间段排队情况的相互依赖，切片在给定资源预算下的时延分布难以准确建模。为此，我们采用随机网络演算来推导时延违反概率的上界。通过将排队过程建模为一个超鞅，我们能够获得在多种流量到达模式下（包括独立同分布和非独立同分布流量到达）的服务质量违反概率上界。基于这一概率界限，我们有效地进行切片间的资源分配，确保在不同网络切片中实现资源利用率的最大化，同时满足系统的服务质量要求。该方法基于随机优化思想，通过分析流量的随机性来制定合理的资源分配策略。

　　 数值结果表明，我们设计的鞅随机网络演算能够提供比现有网络演算框架更为紧致的性能界限。

　　 通过引入自适应流量预测器，资源分配能够有效跟踪网络流量的变化。

　　 基于网络演算得到的性能界限进行切片间资源分配，可以实现更加鲁棒的性能，不同切片的端到端性能以较高概率保持在设定区间内。

　 参考文献