基于拍賣的網(wǎng)絡(luò)切片虛擬資源分配算法研究

施穎潔，陳前斌，楊希希，唐 倫

(重慶郵電大學(xué) 移動通信技術(shù)重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

0 引 言

5G時代，將有各種多樣的業(yè)務(wù)及應(yīng)用場景，有著不同的網(wǎng)絡(luò)需求[1-2]。NGMN(next generation mobile networks)對于5G的愿景是5G可以創(chuàng)造一個全方位移動連接社會的系統(tǒng)[3-4]。為了解決多樣化業(yè)務(wù)在網(wǎng)絡(luò)速率、時延、可靠性方面的問題，根據(jù)業(yè)務(wù)對網(wǎng)絡(luò)的功能、安全性等需求為每一種類型的業(yè)務(wù)都建立一個單獨(dú)的網(wǎng)絡(luò)，網(wǎng)絡(luò)成本將會超出預(yù)算。因此，5G提出了構(gòu)建相互獨(dú)立且具有靈活性的網(wǎng)絡(luò)切片[5]，為不同應(yīng)用場景下的用戶需求提供有力保障。

網(wǎng)絡(luò)切片是滿足物理基礎(chǔ)設(shè)施上針對不同業(yè)務(wù)需求的虛擬網(wǎng)絡(luò)。網(wǎng)絡(luò)切片理論上可使多個切片共享相同的物理資源，該技術(shù)可以動態(tài)地調(diào)整虛擬網(wǎng)絡(luò)的功能、大小等，有效提高資源利用率，較之傳統(tǒng)架構(gòu)可減少更多的實(shí)施成本[6]。目前虛擬網(wǎng)絡(luò)切片的資源分配通常由基礎(chǔ)設(shè)施提供商(infrastructure provider, InP)根據(jù)移動虛擬網(wǎng)絡(luò)運(yùn)營商(mobile virtual network operator, MVNO)中用戶的需求決定最終資源分配方案。文獻(xiàn)[7-8]以時延為約束條件，最大化網(wǎng)絡(luò)吞吐量為目標(biāo)構(gòu)建優(yōu)化模型進(jìn)行資源分配。文獻(xiàn)[9]通過建立馬爾科夫決策模型，利用樹搜索算法使網(wǎng)絡(luò)成本最小化。但是，這些研究沒有考慮到切片業(yè)務(wù)之間需求的區(qū)別，并且，沒有考慮到切片空閑資源的回收，不能及時靈活調(diào)整切片的資源，造成資源浪費(fèi)、資源利用率低。因此，在5G網(wǎng)絡(luò)切片資源分配中考慮切片中資源的靈活性十分重要。

文獻(xiàn)[10-11]將不同的切片分配給不同的虛擬運(yùn)營商，獲取最大收益。文獻(xiàn)[12]以用戶速率為約束條件，為不同的切片用戶分配資源。以上研究中，網(wǎng)絡(luò)切片可以相互調(diào)用資源，或是直接為用戶“打標(biāo)簽”分配資源，不能較好地體現(xiàn)切片隔離性。網(wǎng)絡(luò)切片理論上可使多個切片共享相同物理資源，網(wǎng)絡(luò)切片中若一個切片發(fā)生擁塞現(xiàn)象，不能對其他切片造成影響[13]，所以，切片之間的隔離十分重要。

基于以上研究，本文抽象化無線資源，提出一種基于拍賣的虛擬資源動態(tài)分配算法。該算法首先根據(jù)切片阻塞率量化切片優(yōu)先級，根據(jù)切片資源剩余量計算需求資源報價。其次，考慮資源需求量與資源總量之間的關(guān)系，確定資源拍賣價格。其中，資源總量包括系統(tǒng)剩余資源和回收資源。最后，提出一種新型的拍賣模型，綜合考慮系統(tǒng)的總收益和用戶需求進(jìn)行資源分配，在滿足用戶服務(wù)質(zhì)量(quality of service，QoS)需求的同時使收益最大化。

1 虛擬網(wǎng)絡(luò)切片系統(tǒng)架構(gòu)

1.1 虛擬網(wǎng)絡(luò)切片系統(tǒng)

在5G網(wǎng)絡(luò)中，由于大量不同的應(yīng)用場景同時接入，網(wǎng)絡(luò)切片的設(shè)計必須靈活且完全獨(dú)立[17]。網(wǎng)絡(luò)切片的靈活性可以動態(tài)滿足各自業(yè)務(wù)及用戶的需求，同時網(wǎng)絡(luò)切片具有絕對獨(dú)立性，各個切片間不能相互影響。

針對不同切片的業(yè)務(wù)需求，本文提出一種基于拍賣的虛擬資源動態(tài)分配算法，保證不同業(yè)務(wù)用戶的QoS需求。首先，切片根據(jù)用戶狀態(tài)觸發(fā)開關(guān)提出需求申請；其次，以價格為信譽(yù)因子，根據(jù)切片的優(yōu)先級，回收并分配資源；然后，將切片分配資源時的空隙資源整合作為預(yù)留資源，減小分配資源帶來的時延；最后，利用虛擬拍賣策略在滿足用戶QoS的同時使得收益最大化。

1.2 資源虛擬化方案

資源的虛擬化[2]，即將物理資源抽象化，并根據(jù)抽象資源的分配結(jié)果分配物理資源。本文抽象化資源的過程分為4個步驟：初始化、資源拍賣、提交方案以及資源映射。MVNO根據(jù)切片的業(yè)務(wù)需求，制定各類業(yè)務(wù)的切片，并為其分配一定資源以滿足基本需求；用戶根據(jù)業(yè)務(wù)類型分別接入各個切片，切片根據(jù)用戶狀態(tài)向MVNO進(jìn)行反饋，并制定投標(biāo)信息，MVNO根據(jù)決策為用戶分配資源并及時對空隙資源進(jìn)行整合，通過拍賣策略得到最終分配結(jié)果；InP根據(jù)請求與MVNO建立購買、租借策略，并分配物理資源；最后MVNO根據(jù)計劃向InP租借物理資源。

在動態(tài)分配資源的過程中，根據(jù)切片狀態(tài)提交異常信息，由業(yè)務(wù)需求以及用戶狀態(tài)聯(lián)合制定切片優(yōu)先級，在分配資源過程中優(yōu)先級有著很重要的作用。分配資源時由于各切片資源需求差異會留有資源空隙，此時MVNO需要將這些資源空隙整合作為預(yù)留資源，在資源臨界點(diǎn)作為緩沖資源進(jìn)行分配。

1.3 虛擬資源拍賣機(jī)制

本節(jié)對基于內(nèi)部拍賣的虛擬資源分配算法的系統(tǒng)架構(gòu)及其工作機(jī)制進(jìn)行詳細(xì)介紹。該算法是在MVNO中根據(jù)切片提供的需求與回收信息，以及MVNO整合的空隙資源信息，形成一個如圖1所示的拍賣模型。

該拍賣策略的核心思想是根據(jù)用戶狀態(tài)決定切片狀態(tài)，計算切片優(yōu)先級，以價格代替信譽(yù)因子，以此計算網(wǎng)絡(luò)切片資源需求拍賣報價以及資源回收報價，從而將資源優(yōu)化分配問題轉(zhuǎn)換成為一個內(nèi)部拍賣問題。MVNO處理資源分為2個部分，分別是資源分配(Allocate)和資源回收(Recyeling)(見圖1中的虛線連接部分)，只有切片根據(jù)自身的狀態(tài)觸發(fā)異常開關(guān)時，需要向MVNO提交申請，否則切片只需對自身狀態(tài)進(jìn)行監(jiān)測，切片不能自由調(diào)用資源，回收的資源和空隙資源均由MVNO統(tǒng)一處理。

圖1 虛擬資源分配拍賣模型Fig.1 Virtual resource allocation auction model

整個拍賣過程中的計算分配量和實(shí)際分配資源都在MVNO中進(jìn)行，切片沒有實(shí)際的計算功能，只需要監(jiān)測和記錄，MVNO統(tǒng)一管理資源，避免切片直接接觸造成干擾，在回收資源后和整合的空隙資源再次整合并分配資源；其次切片只具有監(jiān)測和記錄的能力，當(dāng)切片異常時提交該時刻的切片狀態(tài)，最后為各個切片確定需求量、供給量和報價信息，并綜合考慮切片優(yōu)先級為其分配資源。

2 系統(tǒng)模型

2.1 用戶模型

每個切片接入對應(yīng)類型的用戶，因此，各個切片的用戶狀態(tài)是不同的。本文綜合考慮切片業(yè)務(wù)的特殊性和用戶狀態(tài)計算切片的阻塞率，并分析切片當(dāng)前的用戶狀態(tài)，判斷切片是否需要資源或有空閑資源。最后，當(dāng)切片屬于異常狀態(tài)時需要向MVNO提交當(dāng)前切片信息。

假設(shè)，切片中的用戶到達(dá)率服從參數(shù)為λa的泊松分布，業(yè)務(wù)持續(xù)時間Tk服從參數(shù)為μa的指數(shù)分布，在業(yè)務(wù)執(zhí)行過程中，當(dāng)業(yè)務(wù)中斷，用戶回到當(dāng)前業(yè)務(wù)的概率為Pb，用戶恢復(fù)當(dāng)前業(yè)務(wù)的到達(dá)率服從參數(shù)為λa的泊松分布，且用戶離開的時間服從參數(shù)為μb的指數(shù)分布。

切片中資源以其自身的定義，假設(shè)切片已有資源的數(shù)量為Nl={1,2,…,N}，Nnew為新用戶接入時所用的資源，Nl與Nnew的差值為切片的預(yù)留資源。在切片中，最大服務(wù)率為NRlμb。其中，NRl為服務(wù)切片l的資源數(shù)。那么切片強(qiáng)度為

(1)

(1)式中，λl是切片l的業(yè)務(wù)總到達(dá)率，其由新業(yè)務(wù)和中斷業(yè)務(wù)用戶到達(dá)率構(gòu)成，可以寫成

(2)

(2)式中：等式右邊第1項(xiàng)是切片l的業(yè)務(wù)達(dá)到率；第2項(xiàng)是切片l中業(yè)務(wù)中斷后恢復(fù)的達(dá)到率；第3項(xiàng)是當(dāng)用戶在執(zhí)行切片l中的業(yè)務(wù)，被其他業(yè)務(wù)打斷的概率。則新業(yè)務(wù)的業(yè)務(wù)阻塞率和恢復(fù)業(yè)務(wù)的阻塞率分別為

(3)

(4)

2.2 切片模型

切片用戶的QoS需求主要體現(xiàn)在速率和時延2個方面。每個切片具有其特殊大小的子信道帶寬，可以直接為切片用戶服務(wù)。當(dāng)資源不足時，分配的子信道帶寬若不能滿足需求，則另外為切片增加CPU(central processing unit)，減少時延。

切片狀態(tài)為Xl={Ul,Ml,xl}，Ul,Ml分別代表用戶狀態(tài)和剩余資源狀態(tài)，用戶狀態(tài)包括切片強(qiáng)度Γ和業(yè)務(wù)阻塞率P；xl是一個二進(jìn)制數(shù)，其值為0代表正常狀態(tài)，為1代表異常狀態(tài)。

切片中資源為Rl時，已有資源的數(shù)量定為NRl={1,2,…,N}。每個切片根據(jù)自己的資源數(shù)和需求量定制虛擬資源的參數(shù)，使其可以直接分給用戶使用。{Cblock,Pclock}代表切片的子信道數(shù)和CPU，切片的剩余資源狀態(tài)為R={Crem,Prem}，MVNO中的總資源可表示為{C,P}，其中，MVNO中的子信道數(shù)和CPU分別為

(5)

(6)

(7)

(8)

2.3 優(yōu)先級及時延權(quán)重因子

根據(jù)當(dāng)前切片的阻塞率和該切片業(yè)務(wù)需求的最大阻塞率計算切片的優(yōu)先級，且最大阻塞率根據(jù)當(dāng)前切片剩余資源狀態(tài)實(shí)時更新。切片優(yōu)先級越高則表示當(dāng)前切片時延與業(yè)務(wù)需求差距越大，需要優(yōu)先分配資源。若未完成的已決定的分配沒有結(jié)束時，新的優(yōu)先級已經(jīng)形成，則允許優(yōu)先級較高的切片進(jìn)入分配隊(duì)列。異常信息的緊急程度U與用戶狀態(tài)有關(guān)。

(9)

(9)式中，當(dāng)xl=1時，0

優(yōu)先級僅考慮了切片當(dāng)前用戶狀態(tài)，而不同場景下，時延要求的差異尤為突出，針對不同的時延需求，引入一個時延權(quán)重因子

(10)

(10)式中：ρl是切片l容忍的最大時延門限；τl是切片允許的最大丟包率。

3 資源分配算法

3.1 確定報價

由于各個切片所定義的虛擬資源數(shù)不同，資源的收益也不同，MVNO需要綜合剩余資源量與資源需求量，資源供給量統(tǒng)一單位資源的參數(shù)和定價，處于異常狀態(tài)的切片將其狀態(tài)提交，MVNO為各切片確定資源需求量與供給量。

當(dāng)xl=1時,切片異常，MVNO需要根據(jù)具體的切片狀態(tài)判斷切片的異常分類并計算需求信息、回收信息以及相應(yīng)的報價。需求信息Ql是針對各切片的不同需求以及當(dāng)前的用戶狀態(tài)，由恢復(fù)業(yè)務(wù)的用戶需求以及新用戶需求2部分構(gòu)成。恢復(fù)業(yè)務(wù)用戶需求需要考慮其需求資源沒有用到的可能性。根據(jù)MVNO計算需求信息Ql，制定其估價bl(Ql)為

(11)

切片的靈活性即切片中的資源會根據(jù)當(dāng)前的用戶狀態(tài)實(shí)時改變的能力，當(dāng)xl=1且MVNO判斷需要回收切片空閑資源時，MVNO根據(jù)切片狀態(tài)計算空閑資源Wl，并確定其報價al(Wl)，MVNO預(yù)留資源不夠時，則調(diào)用切片的空閑資源。

al(Wl)=ζ[ql(NRl)-ql(NRl-Wl)]

(12)

(12)式中：ζ∈[0,1]是折扣因子；ql(NRl)是切片總資源的收益；ql(NRl-Wl)是切片的現(xiàn)有收益。

3.2 內(nèi)部拍賣資源分配算法

可用資源包括其他切片中的空閑資源，MVNO首先整合空隙資源和切片空閑資源作為預(yù)留資源，當(dāng)?shù)竭_(dá)資源量的零界點(diǎn)時，則分配預(yù)留資源作為緩沖資源。本文以最大化需求收益與供給收益的差值為目標(biāo)，建立拍賣獲勝者問題模型

(13)

s.t. (a)wl∈{0,1}

(d)Pw,l∈{0,1}

(g)δRmin≤Rl

因?yàn)闃I(yè)務(wù)場景不同，需要優(yōu)先滿足優(yōu)先級高且時延要求較高的切片，此時的資源分配分為2個階段，第1階段采用貪婪算法分配子信道，此時假設(shè)CPU與子信道按比例分配，當(dāng)子信道分配完畢后再進(jìn)行第2階段的CPU分配和調(diào)整。基于以上討論，首先進(jìn)行優(yōu)化問題Q1的第1階段的資源分配，如Q2所示。

(14)

s.t. (a)cl∈{0,1}

(d)δRmin′≤Rl

現(xiàn)在問題已簡化為CPU與子信道按比例分配的問題。cl為一個二進(jìn)制數(shù)，表示切片是否中標(biāo)；(b)式用于保證切片不會重復(fù)中標(biāo)；(c)式表示分配的資源不超過總資源量；(d)式表示切片的資源需要滿足用戶及業(yè)務(wù)的需求，Rmin′是切片可接受的最小速率。

分配資源后檢查切片是否能滿足速率需求，如果不能滿足，則再調(diào)整分配資源，直至速率滿足或者優(yōu)先級和時延權(quán)重因子影響的數(shù)組排列后移。在我們提出的算法求解過程中，對每一個有需求的切片，都會優(yōu)先執(zhí)行以下過程

算法1資源預(yù)分配算法。

輸入Q:需求資源量；B(Q):需求資源報價；

W:回收資源量；B(W):回收資源報價

輸出Rrem: 剩余資源量；

Rl：各切片的資源量

Rl—allocate：各切片的分配資源量;

1: while a new time period starts do

2: for(l= 1;l<=L;l++)

3:δl← 0;

4:ζl← 0; //初始化各切片的優(yōu)先級和時延因子

5: end for

6: whilexl=1

7: if(fl=1)

10: else if(fl=0)

11:δ←δl;

12:ζ←ζl; //更新各切片的優(yōu)先級和時延因子

13: end if

14:m← Max(δ1,δ2,…,δL);

15:n← Max(ζ1,ζ2,…,ζL);

//根據(jù)優(yōu)先級和時延權(quán)重找到最大值

16: if(C>0 &P>0)

17: for(m=1;m<=L;m++)

18: for(n=1;n<=M;n++)

19:P←P-xCl—allocate;

20:C←C-Cl—allocate;

21:Rl←Rl+Rl—allocate;//分配并更新資源量

22: end for

23: end if

24: end while

25: end while

在第1階段，分配資源時首先假設(shè)CPU與子信道成比例分配，但由于業(yè)務(wù)需求不同，CPU需求差異較大，在第2階段，任務(wù)是在已分配資源的基礎(chǔ)上對CPU進(jìn)行實(shí)際分配和調(diào)整，盡量提高系統(tǒng)頻道利用率及吞吐量。在第1階段結(jié)束后，可以得到一個分配矩陣，在此階段中首先需要判斷切片需求是否已經(jīng)滿足，根據(jù)原始需求與第1階段分配結(jié)果得到新的需求?；赒2的分配結(jié)果，原優(yōu)化模型Q1的第2階段優(yōu)化問題如Q3所示。

(15)

s.t. (a)pl∈{0,1}

(d)δRmin≤Rl

(15)式中：pl為一個二進(jìn)制數(shù)，表示切片是否中標(biāo)；(b)式用于保證切片不會重復(fù)中標(biāo)；(c)式為總資源量的限制；(d)式表示切片的資源需要滿足用戶及業(yè)務(wù)的需求，此限制條件與Q2的一致。

此時的報價是原始報價與分配結(jié)果的差值，且只有CPU需求，不再對子信道進(jìn)行分配。

算法2CPU調(diào)整分配算法。

輸入Q:需求資源量；

輸出B(Q):需求資源報價；

Pl：各切片的資源量；

1: while pre-allocation is over do

3: if(δlRmin>=Rl)

4:B’(Q)←B(Q);

5:δ←δl; //更新需求資源報價和切片優(yōu)先級

6: end if

7:x← Max(δ1B′(Ql),δ2B′(Ql),…,δLB′(Ql));

8: for(x=1;x<=X;x++)

9: if(Premaind> 0)

10:Pl←Pl+Pl—allocate;

11:P←P-Pl—allocate; //分配并更新資源量

12: else if(Premaind<=0)

13: break;

14: end if

15: end for

16: return ;

17: end while

4 性能仿真與結(jié)果分析

本小結(jié)參照3GPP協(xié)議標(biāo)準(zhǔn)[14]，對上述虛擬資源分配算法進(jìn)行數(shù)值仿真，表1為仿真參數(shù)設(shè)置。

表1 仿真參數(shù)設(shè)置

在實(shí)驗(yàn)中，設(shè)置5個網(wǎng)絡(luò)切片，當(dāng)切片狀態(tài)達(dá)到最低資源利用率門限，則該切片提供供給資源，當(dāng)切片狀態(tài)達(dá)到阻塞率門限，則該切片需要分配資源，將最低資源利用率的最大值設(shè)置為0.5，而阻塞率決定是否為切片分配資源，所以，設(shè)置切片阻塞率為0.1時可以開始考慮為切片分配資源。由于切片業(yè)務(wù)應(yīng)該具有較大的差異性，所以將切片的最低資源利用率門限值和阻塞率門限值分別設(shè)置為{0.5,0.4,0.3,0.2,0.1}和{0.1,0.2,0.3,0.4,0.5}，如此可以遍歷所有情況，例如切片1最低資源利用率門限值和阻塞率門限值分別為0.5和0.1，即該切片對時延要求較高，當(dāng)阻塞發(fā)生即可以分配資源。

圖2給出了本文資源分配算法與按比例分配算法、按優(yōu)先級分配算法的資源分配情況。比例公平算法按比例分配所有資源，使每個切片都能得到資源，保證了切片的公平性；按優(yōu)先級分配算法保證了高優(yōu)先級切片的所需資源，這樣可能出現(xiàn)高優(yōu)先級切片將資源用完，低優(yōu)先級切片則無資源可用；本文的算法同時考慮切片的需求和切片的優(yōu)先級，此時沒有空閑資源，但存在空隙資源，剩余的空隙資源作為預(yù)留資源，等待下一周期的空閑資源或空隙資源一并整合分配。

圖2 本文與比例公平算法、Priority分配算法分配結(jié)果的比較Fig.2 Compares with the results of the proportional fairness algorithm and the Priority distribution algorithm

為切片分配資源，首先考慮的是用戶QoS需求，所以用戶的滿意度是切片資源分配的重要指標(biāo)，本文設(shè)置的用戶滿意度的主要因素為系統(tǒng)是否為切片分配了其所需要的資源，并達(dá)到其QoS需求。

圖3為本文資源分配算法與按比例分配算法、按優(yōu)先級分配算法在資源不夠的情況下各優(yōu)先級對所分配資源的滿意度的比較。隨優(yōu)先級的增加，按比例分配算法滿意度降低，此算法雖然盡可能地保證所有切片的需求，但對于優(yōu)先級高的用戶考慮不周；按優(yōu)先級分配算法可以保證優(yōu)先級高的切片，但優(yōu)先級低的切片滿意度卻很低，因?yàn)橘Y源不夠的壓力完全轉(zhuǎn)移給了優(yōu)先級低的切片；本文算法的滿意度隨優(yōu)先級的增加而增加，盡可能地保證優(yōu)先級高的切片，而對優(yōu)先級低的切片也分配一定的資源。

圖3 優(yōu)先級增加，本文與比例公平算法、Priority分配算法滿意度比較Fig.3 Satisfaction compares with the proportional fairnessalgorithm, Priority distribution algorithm

圖4為當(dāng)所有切片需求同時增加時各優(yōu)先級的切片所得到的資源情況，當(dāng)資源足夠時，各個切片均可得到相應(yīng)的資源，當(dāng)達(dá)到總資源的臨界點(diǎn)時，調(diào)用整合的空隙資源繼續(xù)分配，所以，切片獲得的資源依然有一定程度的增加；當(dāng)總資源不夠時，將依次調(diào)用優(yōu)先級低的切片資源，但依然要滿足低優(yōu)先級切片的最低需求，資源分配趨于穩(wěn)定前開始調(diào)用下一優(yōu)先級切片的資源，所以，資源量從最低優(yōu)先級開始依次趨于穩(wěn)定。

圖4 切片需求同時增加，各優(yōu)先級的切片所得到的資源情況Fig.4 Different slices own different priority obtained resource

圖5為當(dāng)資源不夠且所有切片需求一致時各優(yōu)先級的切片所得到資源的過程。從圖5可看出，從優(yōu)先級較高的切片開始，切片依次獲得所需資源，但在滿足最高優(yōu)先級需求的同時也對其他優(yōu)先級的切片有資源分配，在分配趨于穩(wěn)定時，優(yōu)先級較低的切片還沒有得到全部所需資源，但此時資源已經(jīng)不足，之后的切片獲得的資源緩慢增加正是在分配預(yù)留資源直至全部預(yù)留資源分配完畢。

圖5 切片需求一致時，各優(yōu)先級的切片所得到資源的過程Fig.5 Slices have same consistent, the process of different slices own different priority obtained resource

5 結(jié)束語

本文針對5G網(wǎng)絡(luò)中虛擬網(wǎng)絡(luò)切片靈活且完全獨(dú)立，動態(tài)滿足各自業(yè)務(wù)及用戶的需求，各個切片間不能相互影響的要求，提出一種雙向且動態(tài)、基于內(nèi)部拍賣的網(wǎng)絡(luò)切片虛擬資源分配策略。首先，抽象化無線資源，對不同虛擬網(wǎng)絡(luò)切片的不同業(yè)務(wù)需求定制其特殊虛擬資源需求，從用戶層面提出需求，根據(jù)切片業(yè)務(wù)以及用戶狀態(tài)制定優(yōu)先級，將業(yè)務(wù)需求與用戶需求結(jié)合；切片根據(jù)用戶狀態(tài)觸發(fā)開關(guān)提出需求申請；以價格為激勵，根據(jù)切片的優(yōu)先級，綜合考慮系統(tǒng)的總收益和用戶需求回收并分配資源；將切片分配資源時的空隙資源整合作為預(yù)留資源，減小分配資源帶來的時延，最后，提出一種新型的內(nèi)部拍賣模型，利用虛擬拍賣的方式?jīng)Q定資源分配情況。仿真結(jié)果表明，本文提出的資源分配算法可以在滿足用戶QoS的同時使得收益最大化。

參考文獻(xiàn)：

[1] IMT-2020(5G)推進(jìn)組. 5G無線技術(shù)架構(gòu)白皮書[EB/OL]. (2015-11-03)[2017-07-06]. https://max.book118.com/html/2017/0607/112172915.shtm.

IMT-2020 (5G) push group. white paper of 5G wireless technology architecture[EB/OL]. (2015-11-03)[2017-07-06]. https://max.book118.com/html/2017/0607/112172915.shtm.

[2] ALZENAD M, SHAKIR M Z, YANIKOMEROGLU H, et al. FSO-based Vertical Backhaul/Fronthaul Framework for 5G+ Wireless Networks[J]. IEEE Communications Magazine, 2016(3)：1-9.

[3] COSTA M, HEISKA K. Joint Device Positioning and Clock Synchronization in 5G Ultra-Dense Networks[J]. IEEE Transactions on Wireless Communications, 2017, 16(5):2866-2881.

[4] SAMDANIS K, COSTA-PEREZ X, SCIANCALEPORE V. From network sharing to multi-tenancy: The 5G network slice broker[M]. New York: IEEE Press, 2016.

[5] CHEN J L, MA Y W, KUO H Y, et al. Software-Defined Network Virtualization Platform for Enterprise Network Resource Management[J]. IEEE Transactions on Emerging Topics in Computing, 2016,4(2): 179-186.

[6] HE H, HU J, SILVA D D. Enhancing Datacenter Resource Management through Temporal Logic Constraints[C]//2017 IEEE International Parallel and Distributed Processing Symposium (IPDPS). Orlando, FL, USA: IEEE Press, 2017:133-142.

[7] ZHU K, HOSSAIN E. Virtualization of 5G Cellular Networks as a Hierarchical Combinatorial Auction[J]. IEEE Transactions on Mobile Computing, 2016, 15(10): 2640-2654.

[8] WEI G U, XUE S, WANG Y, et al. Finite-time Consensus Based Distributed Cooperative Control for DC Microgrids[J]. Automation of Electric Power Systems, 2016.

[9] LOLOS K, KONSTANTINOU I, KANTERE V, et al. Adaptive State Space Partitioning of Markov Decision Processes for Elastic Resource Management[C]//2017 IEEE 33rd International Conference on Data Engineering (ICDE). San Diego, CA: IEEE Press, 2017:191-194.

[10] PATEROMICHELAKIS E, PENG C.Selection and Dimensioning of Slice-Based RAN Controller for Adaptive Radio Resource Management[C]//2017 IEEE Wireless Communications and Networking Conference (WCNC). San Francisco, CA: IEEE Press, 2017:1-6.

[11] TALARICO S, MAKHIJANI K, PILLAY-ESNAULT P. Efficient service auto-discovery for next generation network slicing architecture[C]//2016 IEEE Conference on Network Function Virtualization and Software Defined Networks (NFV-SDN). Palo Alto, CA: IEEE Press, 2016:26-32.

[12] NGUYEN V G, BRUNSTROM A, GRINNEMO K J, et al. SDN/NFV-based Mobile Packet Core Network Architectures: A Survey[J]. IEEE Communications Surveys & Tutorials , 2017(99): 1-1

[13] FAN P, ZHAO J, CHIH-LIN I. 5G high mobility wireless communications: Challenges and solutions[J]. China Communications, 2017, 13(Supplement2):1-13.

[14] KAMEL M I, LONG B L, GIRARD A. LTE Wireless Network Virtualization: Dynamic Slicing via Flexible Scheduling[C]// Vehicular Technology Conference.[S.l]: IEEE Press, 2014:1-5.