一种基于机器学习的端到端网络切片资源分配方法

技术特征：

1.一种基于机器学习的端到端网络切片资源分配方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于机器学习的端到端网络切片资源分配方法，其特征在于，步骤2包括如下步骤：

3.根据权利要求1所述的基于机器学习的端到端网络切片资源分配方法，其特征在于，步骤3包括如下步骤：

4.根据权利要求1所述的基于机器学习的端到端网络切片资源分配方法，其特征在于，步骤4包括如下步骤：

5.根据权利要求1所述的基于机器学习的端到端网络切片资源分配方法，其特征在于，步骤5包括如下步骤：

6.根据权利要求1所述的基于机器学习的端到端网络切片资源分配方法，其特征在于，步骤6包括如下步骤：

技术总结
本发明公开了一种基于机器学习的端到端网络切片资源分配方法。其中，强化学习IPPO算法主要用于决策满足网络切片数学模型各项约束并且使得目标函数最大的RB资源分配方案。随机森林算法作为辅助主要用于快速判断接入网给定的RB资源分配方案能否在核心网成功完成切片的VNF映射。两者相辅相成，将原来端到端联合优化的问题在不影响最优解的前提下，转化为在接入网侧和核心网侧单独进行优化。从而大大降低了计算时间复杂度，提高了资源分配的效率。

技术研发人员：刘楠,王喻星,潘志文,尤肖虎
受保护的技术使用者：东南大学
技术研发日：
技术公布日：2024/1/12