文章快速检索     高级检索
  重庆邮电大学学报(自然科学版)  2018, Vol. 30 Issue (6): 739-745  DOI: 10.3979/j.issn.1673-825X.2018.06.002
0

引用本文 

李红, 孙三山, 周朝荣, 李李. 5G切片化网络中基于吞吐量最大化的用户切换机制[J]. 重庆邮电大学学报(自然科学版), 2018, 30(6): 739-745. DOI: 10.3979/j.issn.1673-825X.2018.06.002.
LI Hong, SUN Sanshan, ZHOU Zhaorong, LI Li. Throughput maximization-based user handover mechanism in sliced 5G network[J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2018, 30(6): 739-745. DOI: 10.3979/j.issn.1673-825X.2018.06.002.

基金项目

国家自然科学基金(61471089);四川省教育厅基金(17ZB0355);重庆市高校电子商务与现代物流实验室开放基金(ECML01710)

通信作者

孙三山 sanshansun@sicnu.edu.cn

作者简介

李红(1992—),女,四川达州人,硕士在读,研究方向为5G网络中的无线资源管理。E-mail:cherishlihong@163.com; 孙三山(1983—),男,四川达州人,博士在读,研究方向为5G无线通信网络,博弈论。E-mail: sanshansun@sicnu.edu.cn; 周朝荣(1975—),男,四川内江人,副教授,研究方向为无线资源管理、群体感知网络。E-mail:zrzhou@sicnu.edu.cn; 李李(1982—),男,安徽合肥人,副教授,主要研究方向为异构网络中的无线资源分配。E-mail:wsll320@gmail.com

文章历史

收稿日期: 2018-02-01
修订日期: 2018-10-25
5G切片化网络中基于吞吐量最大化的用户切换机制
李红1, 孙三山1,2, 周朝荣1, 李李1     
1. 四川师范大学 物理与电子工程学院,成都 610101;
2. 通信抗干扰技术国家级重点实验室 电子科技大学,成都 611731
摘要: 第五代无线通信系统(the fifth generation, 5G)利用网络功能虚拟化(network function virtualization, NFV)和软件定义网络(software defined network, SDN)2项技术将网络进行了切片划分,让用户接入不同服务质量(quality of service,QoS)保障的虚拟网络切片以获得服务。为了解决切片化网络中由于用户移动性而导致的切片重新接入问题,提出了最大化网络吞吐量的用户切换机制来降低越区切换对已有网络切片的影响。该机制根据用户业务类型的QoS服务等级筛选备选接入站点的归属切片,运用贪心算法选择能为用户提供最大数据传输速率的切片接入服务,在网络切片代理的体系架构下完成切换过程的控制和管理。在与功率接入、负载接入和随机接入3种切换方案的性能对比中,相关仿真结果表明,随着越区用户数目和网络切片类型的增加,所提方案在保证较高网络吞吐量的同时,切换成功率始终维持在80%以上,远优于其他3种方案。
关键词: 5G    网络切片    越区切换    切片接入    吞吐量    
Throughput maximization-based user handover mechanism in sliced 5G network
LI Hong1 , SUN Sanshan1,2 , ZHOU Zhaorong1 , LI Li1     
1. College of Physics and Electronic Engineering, Sichuan Normal University, Chengdu 610101, P. R. China;
2. University of Electronic Science and Technology of China, National Key Laboratory of Science and Technology on Communication, Chengdu 611731, P. R. China
Foundation Items: The National Natural Science Foundation of China (61471089);The Scientific Research Fund of Sichuan Provincial Education Department (17ZB0355); The Open Research Fund of Chongqing E-commerce and Modern Logistics Laboratory (ECML01710)
Abstract: The fifth generation mobile communication system (5G) enables physical network sliced by employing network function virtualization (NFV) and software defined network (SDN) technologies, and serves users through diverse QoS guaranteed virtual network slice. In order to deal with slice re-access caused by user mobility in sliced 5G network, a throughput maximization-based user handover mechanism was proposed to reduce the impact of handover on existing network slices. Firstly, the mechanism filtered the home slice of the candidate access points according to the QoS demand of user service type; Secondly, the greedy algorithm was utilized to select the slice which could provide the maximum data transmission rate for user; Finally, the proposed mechanism controlled and managed handover process under the new architecture that was applied to the network slice broker. In performance comparison to other three handover schemes such as power-based access, load-based access and random access, the simulation results validate the best efficiency of proposed mechanism on improvement of handover success ratio and throughput. Specifically, when the number of users and the number of network slice types increase separately, the handover success ratio of throughput maximization-based scheme remains above 80% while the throughput stays in high level, which is far better than the other three schemes.
Keywords: 5G    network slice    handover    slice access    throughput    
0 引言

随着物联网和车联网等新型应用的出现和快速发展,现有的移动通信网络在系统容量、传输速率和可靠性等方面已无法满足用户日益增长的通信需求。第五代移动通信(the fifth generation, 5G)系统凭借超高的频效和能效,以及灵活的网络组织结构,逐渐成为能够解决上述问题的新一代技术规范。借助网络功能虚拟化(network function virtualization, NFV)和软件定义网(software defined network, SDN)技术,5G系统中将通用的物理资源抽象成虚拟资源,然后利用核心控制器根据特定的业务需求进行资源的剪裁和编排[1],从而构建出多个定制化的虚拟网络切片,让用户通过slice ID搜索并接入不同的网络切片以享用独立的网络服务[2]。根据切片在网络中的作用位置,可以将网络切片分为频谱层级、基础设施层级和网络层级3种[3]。频谱层级是将频谱资源按照时间、空间和频率的复用原则进行切片划分,是切片应用的最低层级。文献[4-5]中提出了频谱层级中基于资源块的分配和调度方案。基础设施层级主要是将无线侧物理网元(如天线、处理器等)进行切片划分。文献[6]提出将物理网元组成资源池,然后再对其切片化来实现物理基础设施的共享。文献[7]则考虑将物理网元按照网络中的位置层级来进行切片划分,每个切片以云的形式将该层级的物理网元组织起来。网络层级是将整个网络基础设施(包含交换设备和各类服务器上的所有资源)整合成一系列的独立切片,每个切片都能承担完整的网络功能,是切片应用的最高层级。文献[8-9]以最大化系统资源利用率为设计目标,提出了基于流量预测的切片分配和调度方案,从而使得整个网络资源能够根据用户的业务流量变化动态地在各个网络切片中流转。而网络切片接入和选择方面的研究则主要集中在网络侧的资源重新配备。文献[10]在用户接入网络切片时考虑降低用户的接入延迟,并提出了基于设备触发的切片接入方案。文献[11]确定了用户在进行切片选择时,各个切片间的协商机制。文献[12]研究了同一用户的不同业务在接入不同切片时的内部资源分配。与已有网络切片的研究不同的是,本文主要关注用户在服务过程中由于移动性而导致的切片重新接入问题。事实上,5G系统中的一个网络切片虽然可以看作独立的虚拟网络为用户提供服务,但同属一个网络运营商的用户却会因为业务QoS的不同而被分派到不同的网络切片中。而不同网络切片的服务范围则取决于它所占用资源的物理基站的覆盖范围。当正在接受某一网络切片服务的用户由于移动性而远离该切片所属的物理基站并靠近新的一个物理基站时,仍然会发生越区切换[13]。但在网络切片应用场景下,这个新的物理基站的资源可能没有被整合到用户原有的网络切片,于是用户需要接入一个新的网络切片以获得服务。因此,解决用户移动性导致的切片重新接入,保证用户良好的服务接续,是网络切片应用时必须解决的问题。它不仅关系用户的业务体验,也会对整个网络的网络切片部署和资源利用效率产生影响。3GPP虽然在它的技术草案中确认了这一问题[14],但并未提出具体的实现标准,相应的研究成果也还未出现。

为了使越区切换的用户在重新接入切片时尽可能地选择网络中已构建好的切片,减小重构切片的时间成本对用户服务体验的影响,本文设计了基于系统吞吐量最大化的用户切换机制来解决切片重新接入问题。

1 系统模型

本文考虑一个通用的异构网络场景,如图 1所示,网络中包含有宏基站(macro base station, MBS)、微微基站(pico base station, PBS)和毫微微基站(femto base station, FBS),它们作为网络接入点(access point, AP)为用户提供服务。此外,网络已在初始化阶段完成了切片的构建,具有相同QoS保证的业务会被分配到相同的一个切片上。所以网络中的切片类型指的是该切片所接纳的业务类型,切片的个数就是不同业务类型的个数。由于网络业务类型的多样性,AP上的物理资源承载了多个不同QoS业务类型的切片,且各类切片所分得的带宽和最大接纳用户数各不相同。而不同AP由于业务类型和覆盖范围的不同,切片部署方案也不一样,即相邻AP上所包含的切片类型可能有所差异。当用户处于某个AP的覆盖范围内,且该AP上所部署的网络切片包括用户所请求的切片类型时,这个AP就会为该用户提供服务。

图 1 系统模型 Figure 1 System model

假设整个网络根据以往的用户业务需求,共部署了N个QoS等级的切片类型,每类切片的QoS服务等级用Sn来表示,n∈{1, 2, …, N},则每个用户可将Sn设为某一类服务的slice ID,然后由此找到相应的切片进行接入。同时,假设这些切片的QoS服务等级有高低之分,按照S1S2<…<Sn<…<SN进行排序,用RSYS={Sn|n=1, 2, …, N}表示网络中已部署的切片。此外,假设网络中的用户正由一个AP提供某种切片类型的接入服务,并且用户会因为移动性随机向着某个方向运动。当用户远离原有AP时,会有K个备选AP作为用户接入选择。假设每个备选AP的切片部署为RSYS的一个非空子集,即第k个AP的切片部署RAP-kRSYSRAP-k≠∅。

2 吞吐量最大化的用户切换机制

由于用户的越区切换具有很强的随机性,且持续时间较短,临时构建新的网络切片来响应用户的切换请求,将会严重影响网络的资源分配效率。因此,本文的机制设计中认为用户越区切换时优先接入已构建好的网络切片。

2.1 机制设计

假设某时刻共有J个用户发生越区切换,第j个用户当前服务的slice ID为Sn(j), n∈{1, 2, …, N}。在该用户的K个备选AP中,第k个AP部署的切片集合RAP-k中有任意的一类切片Sm(k),m∈{1, 2, …, M},而M=sizeof(RAP-k),其对应的带宽为Bm(k)。当第j个用户接入第k个AP的第m个切片时,用户的速率大小与该接入点已接纳用户数和所分配的带宽资源比例有关。文献[15]表明,当所有接入的用户均匀分配资源时,系统的资源利用率最大。所以,第j个用户的数据传输速率为

$ \begin{align} &{{\text{c}}_{jk}}\left( m \right)=\frac{1}{{{t}_{m}}\left( k \right)+1}{{B}_{m}}\left( k \right)\cdot loss({{d}_{jk}})\cdot \\ &\ \ \ \ \ \ \ \ \ \ \ \text{lb}\left( 1+\frac{{{P}_{k}}}{~{{N}_{0}}{{B}_{m}}\left( k \right)+I} \right) \\ \end{align} $ (1)

(1) 式中:N0表示单位带宽的噪声功率;Pk表示待接入AP的发射功率;tm(k)表示当前切片Sm(k)已接纳用户数;I为待接入AP受到的总干扰;djk为用户和待接入AP间的距离,所以用户和待接入AP间的传播损耗loss(djk)∝ $\frac{1}{d_{jk}^{2}}$

为了使越区的用户在进行切片重新选择时,最大化地利用切片资源,本文以最大化系统吞吐量为优化目标,目标函数表示为

$ \text{max}\sum\limits_{\text{ }j=1}^{J}{\sum\limits_{k=1}^{K}{\sum\limits_{m=1}^{M}{{{c}_{jk}}\left( m \right)\cdot {{x}_{jk}}\left( m \right)}}} $ (2)

约束条件为

$ \sum\limits_{k=1}^{K}{\sum\limits_{m=1}^{M}{{{x}_{jk}}\left( m \right)}}=1, \ \forall {{x}_{jk}}\left( m \right)=1 $ (3)
$ {{S}_{m}}\left( k \right)\ge {{S}_{n}}\left( j \right) $ (4)
$ {{c}_{jk}}\left( m \right)\ge {{r}_{j}}, j\in J, k\in K, m\in M $ (5)
$ \sum\limits_{j=1}^{J}{{{x}_{jk}}\left( m \right)\le {{u}_{m}}\left( k \right), m\in M} $ (6)

(2) 式中,xjk(m)是一个二元变量,表示第j个用户是否选择接入第k个AP的第m个切片,所以,xjk(m)∈{0, 1}且xjk(m)=1时,表示接入切片。约束条件(3)式表示一个用户只允许同时接入一个切片,约束条件(4)式表示用户所接入切片的QoS服务等级应大于等于原服务切片,约束条件(5)式表示用户接入切片后的数据速率应大于等于其本身业务的最低速率要求rj,约束条件(6)式表示待接入切片所能接纳的用户数应该小于等于在执行接入允许前的剩余用户数um(k)。

2.2 算法设计

由于(2)式所示的目标函数的优化变量xjk(m)是一个0/1二元变量,且函数形式是一个标准的线性求和,所以基于吞吐量最大化的用户关联是一个0/1背包问题,常用的求解方法有动态规划和贪心算法[16]。动态规划算法的核心思想是自底向上地将待求解问题分解为若干个独立的子问题,然后由这些子问题的解得到原问题的解,其算法复杂度取决于可选择数目和子问题数目。贪心算法主要采用自顶向下的思想,总在当前时刻做出满足优化目标的选择,其算法复杂度取决于可选择数目。

由于每个用户的备选接入点上的切片类型和最低速率要求各不相同,所以原问题不具有严格的最优子结构,也就难以用动态规划求得最优解。加之随着网络规模的扩大,算法复杂度是决定执行用户切换机制的一个关键因素。因此,选择了算法复杂度相对较低的贪心算法对问题进行求解。具体实现的用户切换机制算法流程如图 2所示。

图 2 算法流程 Figure 2 Algorithm flowchart

基于吞吐量最大化的用户切换算法的核心思想如下。

1) 由于终端用户具有移动性,该用户可能逐渐远离原AP。若原AP检测到该用户的信号强度已低于某一门限值时,那么该用户会被筛选出来,作为越区切换用户;

2) 将越区切换用户接收到的高于SINR阈值的AP都作为切换备选AP,生成越区切换用户的策略选择空间;

3) 需要进行越区切换的用户依次根据备选AP上的切片类型和每类切片的剩余接纳用户数进行贪婪的接入筛选,选择能为自己提供最大数据传输速率的切片接入;

4) 如果根据贪心算法得到的接入结果能够保证用户最低QoS,则用户切换成功,否则失败。

算法代码如下。

for 越区请求用户集合 J do

   找出该用户的切片类型Sn(j)

   for 备选AP集合 K do

     if Sn(j)≤Sm(k)&&um(k)>0 then

     根据(1)式计算传输速率cjk(m)

          end if

     end for

     求出速率最大值max(c(j, :))

     if max(c(j, :))≥rj then

         用户接入成功

     else

         用户接入失败

     end if

   end for

2.3 机制实现

为了在实际的切片网络中实现最大化系统吞吐量的用户切换,本节提出了相应的实施流程。文献[17]中提出了5G网络切片代理的概念,并认为在3GPP未来的网络架构下,网络切片代理能够实现物理资源的集中分配、接入基站的集中控制,以及移动终端切片请求的集中处理等。所以本文提出的用户切换算法考虑部署在网络切片代理模块中,为需要越区切换的终端用户进行切片选择的决策处理。

图 3展示了机制具体的实施流程,步骤如下。

图 3 机制实现流程 Figure 3 Mechanism implementation

步骤1  原AP周期性地收集它所服务用户上报的数据信息,这些信息包括位置信息、当前信号强度、服务切片类型、最低QoS速率保证等;

步骤2  原AP可以从已收集的信息中筛选出即将进行越区切换的用户,并将相应信息上报给网络切片代理;

步骤3  网络切片代理模块根据上报的用户数据信息和已存储的AP切片部署方案,执行系统吞吐量最大化的切换算法,为用户做出切换决策,找到适合该用户的目标AP;

步骤4  网络切片代理给目标AP发起接入请求,目标AP收到请求后会给代理返回确认请求信号;

步骤5  网络切片代理将得到的切换决策结果发送给原AP;

步骤6  原AP也会将切换决策结果发送给需要切换的用户,用户成功接入目标AP,整个切换过程完成。

3 仿真结果与分析 3.1 仿真系统参数设置

为了验证最大化系统吞吐量的用户切换机制的有效性,选取了用户切换时常用的接入准则,即功率接入、负载接入和随机接入3种方案进行对比分析。功率接入指的是切换用户选择接收功率最大的站点进行接入。负载接入指的是切换用户按照负载均衡的原则平均接入到备选站点。而随机接入则将切换用户随机分配到备选站点进行接入。在仿真系统中,设置网络中的AP个数K=20,其中,基站类型和位置随机分配,但只包含宏基站、微基站和毫微微基站3种,各自的发射功率分别为PMBS=40 W,PPBS=0.25 W,PFBS=0.1 W[15]。出于计算的简便,将AP的总干扰Ⅰ和单位带宽噪声功率N0均设为常数,取值如表 1所示。为了研究网络中切片类型个数N和切换用户数J对切换结果的影响,这2个参数在不同的仿真条件下取值会发生变化。

表 1 仿真参数 Table 1 Simulation parameters
3.2 用户个数对切换结果的影响

在此部分的仿真条件中,设置网络切片类型数目N=4,改变越区切换用户个数,研究越区切换用户个数对切换结果的影响。

不同接入方案的切换成功率随用户数变化曲线如图 4所示,在切换成功率方面,基于吞吐量最大化的切片接入方案中优于其他3种接入方案。同时,随着发生切换的用户个数逐渐增加,吞吐量接入方案虽然呈现出切换成功率降低的趋势,但其值始终维持在83%以上。而其他3种方案中,功率接入方案和负载接入方案的切换成功率随用户数的增加波动不大,分别维持在30%和17%左右。而随机接入方案的切换成功率则从最初的30%下降到10%。通过分析发现,由于系统中的各个AP在初始化时切片类型是随机分配(即每个AP上的切片类型可以是网络4种切片类型中的一个或多个),所以功率接入方案并不能保证接收功率较大的接入点一定具有与用户匹配的切片类型,其切换成功率始终维持在30%左右。类似地,负载接入方案虽然平衡了各AP的业务负荷,但也难保证具有用户匹配的切片类型。随机接入方案虽然能够保证用户接入AP,但接入的站点可能无法提供合适的切片服务等级,所以从业务的角度上看,服务中断就是切换失败,切换成功率相应就会降低,而且会随着用户数目的增加而显著下降。而基于吞吐量的接入方案会先筛选出与用户匹配的基站,然后再选择数据传输速率最大的切片接入,这样会大大增加用户切换的成功率。只是由于用户增加,可用的切片资源会下降,所以,切换成功率会有所下降。

图 4 不同接入方案的切换成功率随用户数变化曲线 Figure 4 Handover success ratio versus number of users of different handover schemes

不同接入方案的系统吞吐量随用户数变化曲线如图 5所示,在系统吞吐量方面,基于吞吐量最大化的切片接入方案优于其他3种接入方案。随着发生切换的用户数目增加,各方案的系统吞吐量都逐渐增加且增速变缓。但吞吐量接入方案的系统吞吐量始终高于其他接入方案,且增长变化更快。通过分析可得,随着切换用户数的增加,越来越多的用户成功切换,系统吞吐量必然增加。但系统的剩余资源同时也逐渐变少,切换成功率出现降低,新成功接入的用户速率对系统吞吐量增长的贡献就会降低。而其他3种接入方案中较低的切换成功率也导致了相应的系统吞吐量只能维持在一个较低水平。

图 5 不同接入方案的系统吞吐量随用户数变化曲线 Figure 5 Throughput versus number of users of different handover schemes
3.3 网络切片类型对切换结果的影响

在此部分的仿真条件中,选取越区切换用户个数J=50,改变网络切片类型数目,研究网络切片类型对切换结果的影响。

不同接入方案的切换成功率随切片类型数变化曲线如图 6所示。在切换成功率方面,切片类型的增加对吞吐量接入方案和其他3种接入方案的切换成功率均有一定的提高作用。以吞吐量接入方案为例,从图 4中可以看出,当用户数为50,切片类型为4时,切换成功率在83%左右。在不增加用户数的前提下,在图 5中,增加切片类型可以将83%的切换成功率提高至90%。这说明更精细化的业务分类将使用户有更多更好的切换选择。此外,可以明显看出,其他3种接入方案对于切片类型的敏感性不如吞吐量接入方案。

图 6 不同接入方案的切换成功率随切片类型数变化曲线 Figure 6 Handover success ratio versus number of slice types of different handover schemes

不同接入方案的系统吞吐量随切片类型数变化曲线如图 7所示。随着切片类型逐渐增多,吞吐量接入方案的切换成功率明显高于其他3种接入方案,由此导致系统吞吐量接入方案也是所有对比方案中最高的。而其他接入方案由于切片类型的增加并不能带来切换成功率的增加,由此导致吞吐量的增长不明显,这说明网络切片应用场景下的用户切换机理与传统的用户切换有所区别,传统的接入方案在接入策略上有自身的局限性。

图 7 不同接入方案的系统吞吐量随切片类型数变化曲线 Figure 7 Throughput versus number of slice types of different handover schemes
4 结束语

针对5G系统中网络切片的应用场景,研究了用户越区切换时的切片重新接入问题,提出了基于系统吞吐量最大化的用户切换机制。该机制首先根据用户切片类型和备选AP上的切片剩余接纳用户数筛选出符合业务QoS保证的切片,然后运用贪心算法选择其中数据传输速率最大的切片提供用户接入。而且在基于网络切片代理的新型体系架构下,该机制能够有效部署和运行。在接入性能的仿真分析中,基于系统吞吐量最大化的切片接入方案明显优于功率接入、负载接入和随机接入等传统切换接入方案。此外,通过仿真数据的对比发现,适当提高精细化的切片业务分类有利于提高用户切换成功率,提高系统吞吐量。在未来的工作中,将会进一步考虑动态的切片资源调度方案来处理用户移动性引起的切片重新接入问题。

参考文献
[1]
CAO B, HE F, LI Y, et al. Software defined virtual wireless network: framework and challenges[J]. IEEE Network, 2015, 29(4): 6-12. DOI:10.1109/MNET.2015.7166185
[2]
RICHART M, BALIOSIAN J, SERRAT J, et al. Resource slicing in virtual wireless networks: A survey[J]. IEEE Transactions on Network and Service Management, 2016, 13(3): 462-476. DOI:10.1109/TNSM.2016.2597295
[3]
LIANG C C, RICHART F. Wireless network virtualization: A survey, some research issues and challenges[J]. IEEE Communications Surveys & Tutorials, 2015, 17(1): 358-380.
[4]
CAPOZZI F, PIRO G, GRIECO L. A, et al. Downlink packet scheduling in LTE cellular networks: Key design issues and a survey[J]. IEEE Communications Surveys & Tutorials, 2013, 15(2): 678-700.
[5]
ZAKI Y, ZHAO L, GOERG C, et al. LTE wireless virtualization and spectrum management[C]//WMNC: Wireless and Mobile Networking Conference. New York: IEEE Press, 2010: 1-6. http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=5678740
[6]
KOKKU R, MAHINDRA R, ZHANG H H, et al. CellSlice: Cellular wireless resource slicing for active RAN sharing[C]//COMSNETS: Communication Systems and Networks. New York: IEEE Press, 2013: 1-10. http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=6465548
[7]
CAO B, LI Y, WANG C G, et al. Resource allocation in software defined wireless networks[J]. IEEE Network, 2017, 31(1): 44-51. DOI:10.1109/MNET.2016.1500273NM
[8]
SCIANCALEPORE V, SAMDANIS K, COSTA-PEREZ X, et al. Mobile traffic forecasting for maximizing 5G network slicing resource utilization[C]//INFOCOM 2017: 2017 International Conference on Computer Communications. New York: IEEE Press, 2017: 1-9. https://ieeexplore.ieee.org/document/8057230
[9]
MAHINDRA R, KHOJASTEPOUR MA, ZHANG H, et al. Radio access network sharing in cellular networks[C]//ICNP: International Conference on Network Protocols. New York: IEEE Press, 2013: 1-10. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6733595
[10]
AN X L, ZHOU C, TRIVISONNO R, et al. On end to end network slicing for 5G communication systems[J]. Transactions on Emerging Telecommunications Technologies, 2017, 28(4): 1-10.
[11]
CHOYI VK, ABDEL-HAMID A, SHAH Y, et al. Network slice selection, assignment and routing within 5G networks[C]//CSCN: Conference on Standards for Communications and Networking. New York: IEEE Press, 2016: 1-7. http://ieeexplore.ieee.org/document/7784887/
[12]
SAMA MR, BEKER S, KIESS W, et al. Service-based slice selection function for 5G[C]//GLOBECOM 2016: 2016 Global Communications Conference.New York: IEEE Press, 2016: 1-6. https://ieeexplore.ieee.org/document/7842265
[13]
杨静, 李鹏程, 闫俊杰, 等. 关系亲密程度的LTE异构网络切换算法[J]. 四川大学学报:自然科学版, 2018, 55(1): 73-80.
YANG Jing, LI Pengcheng, YAN Junjie, et al. Relational intimacy degree handover algorithm of LTE heterogeneous network[J]. Journal of Sichuan University:Natural Science Edition, 2018, 55(1): 73-80.
[14]
TARAZI R. System architecture for 5G system[R].Vienna: 3GPP, 2017: 89-101.
[15]
YE Q Y, RONG B Y, CHEN Y D, et al. User association for load balancing in heterogeneous cellular networks[J]. IEEE Transactions on Wireless Communications, 2013, 12(6): 2706-2716. DOI:10.1109/TWC.2013.040413.120676
[16]
KELLERER H, PFERSCHY U, PISINGER D. Knapsack problems[M]. Berlin Heidelberg: Springer, 2004: 15-27.
[17]
SAMDANIS K, COSTA-PEREZ X, SCIANCALEPOR V. From network sharing to multi-tenancy: The 5G network slice broker[J]. IEEE Communications Magazine, 2016, 54(7): 32-39. DOI:10.1109/MCOM.2016.7514161