文献标识码： A
DOI：10.16157/j.issn.0258-7998.174574
中文引用格式： 胡晓东，高鹏，唐伦，等. 基于队列稳定性的联合资源优化算法[J].电子技术应用，2018，44(8)：109-112，117.
英文引用格式： Hu Xiaodong，Gao Peng，Tang Lun，et al. Joint resource optimization algorithm based on queue stability[J]. Application of Electronic Technique，2018，44(8)：109-112，117.
0 引言
随着蜂窝网络流量和服务的巨大增长，无线资源变得非常稀缺，但是部署具有更高容量的无线网络来处理这种增长是昂贵且具有挑战性的。在这种情况下，无线虚拟化技术受到网络运营商的高度关注。
无线虚拟化的主要思想是将基础设施提供商(Infrastructure Providers，InP)提供的基础设施与服务解耦，因此不同的服务可以共享相同的基础设施，这可以进一步提高资源利用率。然而，如何将虚拟化后的资源进行有效分配从而进一步提高资源利用率成为现在主要关心的问题之一。
针对目前无线网络中的虚拟资源分配问题，文献[1]研究了虚拟网络的静态资源分配问题，但是没有考虑动态配置过程。文献[2]提出一种无线虚拟网络的切片方案，通过集中启发式方法将频谱资源有效地分配给不同的MVNO，该方案最大限度地提高整个网络的总速率，同时跟踪每个MVNO的SLA(Service Level Agreements)，确保为每个MVNO提供最小的带宽分配。文献[3]基于网络虚拟化模型，将子载波分配、功率分配和运营商的选择进行联合优化，通过设计一种迭代算法来最小化功耗和最大化传输速率。
尽管已有不少文章对无线虚拟化网络中的资源分配问题进行了研究[4-6]，但是通常只考虑网络中的一种资源，没有联合优化其它虚拟资源的分配。另外很少有文献将虚拟网络的收益与系统稳定性进行平衡控制。
因此基于以上研究，本文针对无线虚拟化网络场景提出了一种基于队列稳定性的联合资源优化算法。该算法首先考虑了不同的定价需求，联合计算、缓存和回程链路资源建立资源分配效用模型,并基于Lyapunov优化理论进行转化，对MVNO收益最优性和系统队列的稳定性实现权衡控制。
1 系统模型与问题构建
1.1 系统模型
本文的系统架构如图1所示。
设InP中部署基站的集合用J={0，1，…，j}来表示，用U={0，1，…，i}表示MVNO中所有切片用户的集合。与基站j关联的用户k(i，u)在t时刻的信干燥比为：
其中，K表示所有MVNOi里面的用户集合，Wj表示分配给基站j的回程链路带宽。一般而言，虚拟资源与频谱资源之间存在近似的线性关系，因此在本文系统的缓存资源和计算资源与带宽之间的关系可以近似地简化为：
1.2 问题构建
2 基于Lyapunov资源分配优化算法
2．1 模型转化
Lyapunov函数可以定义如下：
2．2 基于拉格朗日对偶分解算法
由于目标函数是凸优化问题，因此可以用拉格朗日函数对偶理论进行求解，式(20)对应的拉格朗日函数为：
3 性能结果与仿真分析
本文考虑3个MVNO，其收费单价分别为30、10、15 units/(Mb/s)。频谱、回程、计算和缓存资源的单价为80、5、50、20 units/(Mb/s)。下面通过MATLAB仿真分析评估了所提算法的性能，表1为基本的仿真参数设置。
图2描述了无线虚拟化网络在本文算法控制下平均收益与队列积压之间的平衡关系。当控制参数V的取值由0取到400时，时间平均收益和队列逐渐增大并趋于平衡。MVNO可以利用两者之间的平衡关系，合理地选择控制参数V，实现期望的控制目标。从图中可以看出，当V≥400时，时间平均效用和队列积压之间能够实现较好的平衡，但是V持续增大对效用的提高并不明显。
图3描述了不同MVNO的用户队列在时间尺度上变化：在时隙0～300之间，3个MVNO的用户队列成线性增长；但是在时隙300～1 000内，用户队列趋于平稳。这是因为本文采用Lyapunov随机优化的方法，能够有效保证系统队列的稳定性。
图4描述了用户数量和系统吞吐量的关系。为了对比不同算法的性能，本文将根据文献[7]提出的联合资源配置算法(Joint Resource Provisioning Algorithm，JRPA)和文献[4]中的切片功率联合分配(Joint Slice and Power Allocation，JSPR)算法作为本文的对比算法。从图中可以看出，随着用户数量的增长，3种算法系统的吞吐量也在上升，当用户的数量达到一定数值后系统吞吐量将趋于稳定。另外，本文算法系统的吞吐量并没有在这3种算法中达到最高，这是因为JRPA算法的优化目标是吞吐量，会对数据传输高速率的用户优先分配资源，而其余两种方案是以最大化网络收益为目标进行资源分配。
图5描述了随着用户数量的增加，3种方案网络效用的对比图。从图中可以看出，本文提出的算法性能上较其他两种算法效用有所提高。
4 结论
针对无线虚拟化网络中多种资源动态分配的问题，本文提出了一种基于队列稳定性的联合资源优化算法。该算法首先对不同MVNO采用不同的定价机制，联合多种资源以最大化MVNO收益为目标建立收益模型。其次，运用Lyapunov随机优化方法对虚拟网络收益的最优性与请求队列的稳定性实现权衡控制。仿真结果表明，该算法在保证系统队列稳定性的能同时提高MVNO的总收益。
参考文献
[1] ZHU Y，AMMAR M.Algorithms for assigning substrate network resources to virtual network components[C].INFOCOM 2006. IEEE International Conference on Computer Communications.Proceedings.IEEE，2007：1-12.
[2] KAMEL M I，LE L B，GIRARD A.LTE multi-cell dynamic resource allocation for wireless network virtualization[C].Wireless Communications and Networking Conference(WCNC).IEEE，2015：966-971.
[3] ZHANG Y，ZHAO L，LOPEZ P D，et al.Energy-efficient virtual resource allocation in OFDMA systems[C].Global Communications Conference.IEEE，2017：1-6.
[4] LEANH T，TRAN N，NGO D T，et al.Resource allocation for virtualized wireless networks with backhaul constraints[J].IEEE Communications Letters，2017，21(1)：148-151.
[5] JUMBA V，PARSAEEFARD S，DERAKHSHANI M，et al.Dynamic resource provisioning with stable queue control for wireless virtualized networks[C].IEEE International Symposium on Personal, Indoor，and Mobile Radio Communications.IEEE，2015：1856-1860.
[6] CHEN L，YU F R，JI H，et al.Distributed resource allocation for virtualized small cell networks with full duplex self-backhauls[C].IEEE Global Communications Conference.IEEE，2015：1-6.
[7] PARSAEEFARD S，JUMBA V，DERAKHSHANI M，et al.Joint resource provisioning and admission control in wireless virtualized networks[C].Wireless Communications and Networking Conference.IEEE，2015：2020-2025.
作者信息:
胡晓东，高 鹏，唐 伦，陈前斌
（重庆邮电大学 移动通信技术重点实验室，重庆400065）