本發明公開了基于流量預測與深度強化學習的虛擬資源動態擴縮容方法,包括:S1:獲取5G核心網的歷史指標數據和網絡狀態數據,并對所述歷史指標數據進行數據清洗;S2:將數據清洗后的所述歷史指標數據輸入LSTM模型進行訓練和預測,得到預測結果;S3:將所述預測結果和所述網絡狀態數據輸入到Priority?DQN算法進行決策,輸出AMF決策結果。本發明將虛擬資源的動態擴縮容問題具象為對于AMF單元的擴縮容問題,將LSTM預測與基于優先級的DQN方法相結合,既保證了對核心網流量數據的提前感知,減少響應延遲并解決靜態閾值下的決策震蕩問題,又實現了在線學習的自演進過程,更好地適應5G核心網環境這一場景。
聲明:
“基于流量預測與深度強化學習的虛擬資源動態擴縮容方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)