虚拟网络功能调度　

　　 网络功能虚拟化（Network Function Virtualization， NFV）将传统移动通信网络中的专用硬件设备通过虚拟化技术，使用基于软件的虚拟网络功能（Virtualized Network Function， VNF）替代以组成虚拟网络，实现灵活、敏捷和多样化的网络业务供应模式，解决传统网络结构固化和未来不断加速的业务创新与多样化业务需求之间的矛盾。网络业务的实现需要对虚拟网络中的资源进行分配和调度，以最大化网络资源的利用率并满足系统中所有业务的服务质量（Quality of Service， QoS）需求。本方向以实现后 5G 和 6G 时代用户体验为中心的业务定制为目标，对通过虚拟网络资源分配与调度来保障业务时延需求面临的问题展开研究，主要工作如下：

　　 后5G和6G网络中，新兴网络服务，如自动驾驶，无人机，虚拟现实等业务实时性需求与网络资源的有限性使提升用户体验成为了巨大的挑战。 服务提供商更加重视服务定制，在满足用户 QoS 需求的同时，还需要保证服务间的公平性，即需要通过实时虚拟资源分配调度完成该目标。基于 NFV 完成业务供应，首先要将所需类型的 VNF 实例化并部署在底层网络上，其次，业务需要实现实时地 VNF 映射与调度过程，该过程属于弹性作业车间调度问题，是典型的 NP 难问题。

　　 针对该问题，我们提出了一种基于深度强化学习训练调度策略网络的 VNF 调度方案，该方案结合了优先分配规则这一启发式方法复杂度低的优势并针对问题设计了相应的策略网络与价值网络，实现了对不同网络业务规模具有扩展性的虚拟网络资源调度方案，有效解决了为网络服务提供多样化业务需求的难题。数值结果表明，该方案在维持和贪婪方法同量级计算复杂度的同时，在网络业务接收率和业务间公平性上均优于传统的贪婪方法与基于随机森林、列生成算法的调度方案。

　　 物联网工业机器人控制、自动驾驶等业务需要保证精确的定时、低延迟通信和确定性性能，以确保操作效率与安全性，物联网和连接设备的激增导致网络流量呈指数级增长，用户对确定性体验的需求导致网络的发展迫切需要可靠和可预测的通信的同时实现对资源的高效利用。其次，业务具有在线到达的动态特性，采用静态的调度方案虽然可以保持进程的确定性，但是会导致资源僵化，动态的调度方案则会破坏系统既有业务进程的确定性。因此需要实现在线的 VNF 调度方案，提升资源利用率的同时维持业务进程的确定性。

　　 针对该问题，我们提出一种基于最优控制的在线 VNF 调度算法，探索问题对偶变量与调度目标之间的关系，利用该关系设计 VNF 映射与调度决策，同时将业务的时延约束分散到组成业务的各个 VNF 上，以提升业务整体时延的确定性，给出了降低超时概率的各个 VNF 时延设置方案。数值结果表明，该方案相比于具有抢占特性的业务供应算法和基于规则的调度方案，在高业务负载下具有更高的延迟确定性和系统收益，同时维持了较低的计算复杂度。

　 公开发表论文