本发明涉及一种基于联邦学习双向GRU资源需求预测的VNF迁移方法,属于移动通信技术领域。该方法包括:S1:在网络切片场景下,考虑时变网络流量引起的VNF迁移问题和对VNF的资源需求缺乏预测引起的VNF迁移时延问题,采用FedBi‑GRU算法预测VNF的资源需求;S2:根据资源需求预测结果,计算物理节点的资源利用率,判定网络系统中资源使用过载或者资源使用轻载的物理节点,通过VNF迁移,在保证网络性能的同时实现系统能耗优化和负载均衡;S3:采用DPPO的深度强化学习方法得到VNF迁移的最优决策。本发明能减少虚拟网络功能的迁移次数并降低网络系统能耗,可以保证网络系统的负载均衡。
声明:
“基于联邦学习双向GRU资源需求预测的VNF迁移方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)