申请/专利权人：国网思极位置服务有限公司;北京邮电大学

申请日：2024-01-02

公开（公告）日：2024-04-09

公开（公告）号：CN117858256A

主分类号：H04W72/53

分类号：H04W72/53;H04L41/0893

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及一种基于强化学习的星地协同网络切片资源分配方法，包括：通过地面信关站将低轨卫星网络与本地网络数据中心进行连接，根据业务请求创建匹配业务类型的专属切片；将地面信关站节点对各业务请求进行资源分配的过程作为马尔可夫决策过程，建立单地面信关站多切片资源分配过程模型；针对各专属切片的资源请求，构建考虑地面信关站总体频谱资源利用率和用户需求满意度的系统总效用函数；以系统总效用函数的计算结果作为单地面信关站多切片资源分配过程模型的奖励值；构建深度强化学习模型，以最大化奖励值为目标对深度强化学习模型进行训练；通过训练好的深度强化学习模型预测当前状态信息下的资源分配策略进行网络切片资源分配。

主权项：1.一种基于强化学习的星地协同网络切片资源分配方法，其特征在于，包括如下步骤：通过地面信关站将低轨卫星网络与本地网络数据中心进行连接，用户端通过地面信关站与低轨卫星进行交互；获取用户端提出的业务请求，根据业务请求获取不同类型业务的资源需求特点，创建匹配业务类型的专属切片；将地面信关站节点对各业务请求进行资源分配的过程作为马尔可夫决策过程，建立单地面信关站多切片资源分配过程模型；针对各专属切片的资源请求，构建考虑地面信关站总体频谱资源利用率和用户需求满意度的系统总效用函数；以系统总效用函数的计算结果作为单地面信关站多切片资源分配过程模型的奖励值；构建深度强化学习模型，以单地面信关站多切片资源分配过程模型的状态信息作为输入，预测的资源分配策略作为输出，并以最大化奖励值为目标对深度强化学习模型进行训练；通过训练好的深度强化学习模型预测当前状态信息下的资源分配策略，基于该资源分配策略进行网络切片资源分配。

全文数据：

权利要求：

百度查询： 国网思极位置服务有限公司;北京邮电大学 一种基于强化学习的星地协同网络切片资源分配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD