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时延违反概率，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。

研究一：基于鞅随机网络演算的切片间资源分配

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。

研究二：基于大偏差理论的分层切片管理与可靠时延保障

在eMBB与URLLC业务共存的移动网络中，随机且非稳态的业务到达会导致切片资源需求持续波动，使传统基于固定流量先验或稳态假设的调度方法难以长期满足超可靠低时延需求。挑战在于如何在缺乏精确流量分布信息的条件下，动态刻画URLLC业务所需的服务能力，并与eMBB业务共享无线资源时实现跨切片的协同优化。

大偏差理论为随机队列系统的尾部事件分析提供了有效工具。基于有效带宽思想，我们将URLLC用户的时延违反概率约束转化为满足给定尾概率要求的参考传输速率估计问题。针对非稳态到达过程难以获得闭式累积量生成函数的问题，进一步构造基于历史到达样本的虚拟队列，通过采样估计队列非空概率与指数衰减参数，并利用二分搜索获得满足时延违反概率约束的有效带宽。结合流量变化检测机制，该方法能够在业务统计特性发生变化时自适应更新参考速率，从而在避免过度保守资源预留的同时保障URLLC切片的高可靠时延性能。

我们构建了跨时隙层级的切片调度框架：切片内调度在细时间尺度上根据有效带宽约束完成URLLC资源分配，并通过局部搜索方法求解广义分配问题；切片间调度则在帧级时间尺度上根据历史效用反馈在线分配频谱与功率资源。理论分析表明，所提出的切片内调度算法具有可证明的近似性能保证，切片间在线资源分配算法在分段平稳环境下具有次线性动态遗憾界，从而能够在非稳态网络中持续跟踪最优资源分配策略。

数值结果表明，所提出的方法能够在泊松流量、自相似流量和突发流量等不同到达模式下稳定满足URLLC时延违反概率约束，并在非稳态流量环境中保持较低的时延尾部分布。同时，相较于现有基线方法，该方法能够在保障URLLC可靠性的同时提升系统效用，实现eMBB吞吐性能与URLLC低时延可靠性的协调优化。