[论文解读] Throughput and Energy-Efficient Network Slicing

Bho Matthiesen, Osman Aydin+1 more|arXiv (Cornell University)|Apr 24, 2018

Software-Defined Networks and 5G参考文献 10被引用 3

一句话总结

本文提出了一种面向5G网络切片的联合带宽与功率分配框架，旨在在异构服务质量（QoS）约束下同时优化吞吐量（TP）与能量效率（EE）。通过基于广义分数规划的效用轮廓法与标量化方法，实现了具有多项式时间复杂度的Pareto最优权衡，证明了联合优化相比固定分配方案可显著提升性能。

ABSTRACT

Network slicing allows 5G network operators to provide service to multiple tenants with diverging service requirements. This paper considers network slicing aware optimal resource allocation in terms of throughput and energy efficiency. We define a heterogeneous Quality of Service (QoS) framework for a sliced radio access network network with per-slice zero-forcing beamforming and jointly optimize power and bandwidth allocation across slices and users. The Pareto boundary of this multi-objective optimization problem is obtained by two different algorithms based on the utility profile and scalarization approaches combined with generalized fractional programming. Numerical results show the merits of jointly allocating bandwidth and transmission power and how throughput and global energy efficiency are influenced by slice specific QoS requirements.

研究动机与目标

• 解决在具有异构QoS需求的5G网络切片中，联合优化吞吐量与能量效率的挑战。
• 为多个切片与用户之间的资源分配开发多目标优化框架。
• 在动态带宽与功率分配条件下，表征吞吐量与能量效率的Pareto边界。
• 评估联合带宽与功率优化相较于固定分配方案的性能增益。
• 为5G网络中可扩展复杂度的实际部署提供计算高效的算法。

提出的方法

• 建立一个多目标优化问题（MOP），在基于正交频 division multiplexing（OFDM）的MISO系统中，通过网络切片实现下行链路吞吐量与能量效率的最大化。
• 采用每切片零迫零波束成形模型，并在用户与切片之间联合进行带宽与功率分配。
• 应用广义分数规划，将效用轮廓法转化为一系列可通过广义Dinkelbach算法求解的凸规划问题。
• 为标量化方法提出一种一维线搜索算法，以全局最优性求解和-比问题，同时保持可接受的复杂度。
• 利用Pareto边界的凸包进行标量化，并通过效用轮廓法直接表征上边界∂+P。
• 通过在不同带宽（100 Hz、1000 Hz）与QoS约束场景下进行数值仿真验证该框架。

实验结果

研究问题

• RQ1 联合带宽与功率分配如何影响网络切片化5G系统中吞吐量与能量效率之间的权衡？
• RQ2 与固定分配方案（如固定功率或固定带宽）相比，联合优化带宽与功率的性能增益如何？
• RQ3 不同的资源分配配置（I–IV类）如何影响吞吐量与能量效率的可实现Pareto边界？
• RQ4 切片特定的QoS约束对联合资源分配的可行性与性能有何影响？
• RQ5 在Pareto边界表征中，效用轮廓法与标量化法哪一种在最优性与计算复杂度之间提供了更优的权衡？

主要发现

• 联合优化带宽与功率分配相比固定分配方案可显著扩大性能区域，其中Set IV（带宽与功率自适应）实现最高增益。
• 效用轮廓法实现多项式时间复杂度，并可直接表征非凸Pareto边界∂+P，而标量化法需以指数复杂度求解凸包。
• 固定发射功率（Sets I与II）比固定带宽（Set III）更具约束性，导致能量效率方面的性能差距大于吞吐量差距。
• 在QoS约束下（如最低EE为40 bit/J，最低速率5 bit/s），仅Set IV能支持所有约束，证明了联合优化对可行服务提供至关重要。
• 在1000 Hz带宽下，联合优化可实现与100 Hz系统相同的吞吐量，但能量效率显著更高，凸显其可扩展性与效率优势。
• 当QoS约束处于激活状态时，最优分配首先满足所有约束，然后将剩余资源分配给最强切片，从而确保公平性与服务保障。