[论文解读] A Profit-Maximizing Strategy of Network Resource Management for 5G Tenant Slices

Bin Han, Di Feng+2 more|arXiv (Cornell University)|Sep 26, 2017

Software-Defined Networks and 5G参考文献 3被引用 7

一句话总结

本文提出了一种5G移动网络运营商（MNOs）的利润最大化决策策略，用于决定是否接受或拒绝第三方租户的网络切片请求。该策略基于随机模型，平衡了即时收益与未来机会成本。该策略通过动态规划推导，并经由迭代收敛验证，在资源受限和随机需求条件下，实现了期望长期利润的最大化。

ABSTRACT

Supported by the emerging technologies of Network Function Virtualization (NFV) and network slicing, 5G networks allow tenants to rent resources from mobile network operators (MNOs) in order to provide services without possessing an own network infrastructure. The MNOs are therefore facing the problem of deciding if to accept or decline the resource renting requests they receive. This paper builds a stochastic model that describes the MNO's revenue and opportunity cost of accepting a contract, and therewith proposes a strategy that is analytically derived to maximize the expected profit at every decision.

研究动机与目标

• 解决5G租户切片中动态网络资源分配的挑战，即MNO必须决定是否接受或拒绝第三方租户的资源请求。
• 将MNO的期望利润建模为即时收益与资源预留未来机会成本之间的权衡，即接受合同带来的即时收入与为未来可能更盈利的请求预留资源的机会成本之间的权衡。
• 在随机需求和有限资源约束下，开发一种最大化期望长期利润的决策策略。
• 提供一种数学上严谨的迭代算法，即使在无限时域设置下，也能通过人工截断实现最优决策策略的收敛。
• 通过贝叶斯估计框架对需求统计量进行近似，实现对非平稳现实条件的适应性，从而支持策略的实际部署。

提出的方法

• 构建一个随机利润模型，同时捕捉已接受合同带来的收入和资源预留的机会成本。
• 将收益函数定义为预期贴现收入与机会成本之差，使用几何贴现因子β以优先考虑近期收益。
• 引入一个非马尔可夫决策框架，跟踪累计资源使用量（ψt）和当前资源需求（ωt），每个请求的状态表示为（ψt, ωt, Tt）。
• 推导出闭式决策规则：若净收益ΓTt_max(ψt, ωt) ≥ 0，则接受请求，否则拒绝，该规则基于期望利润的符号确定。
• 应用迭代算法计算最优决策策略，在有限时域情况下保证收敛，并在无限时域场景中通过人工截断（t_max*）确保收敛性。
• 使用贝叶斯估计从历史数据中近似先验需求统计量，从而实现实时适应非平稳需求模式。

实验结果

研究问题

• RQ1 MNO如何最优地决定是否接受或拒绝租户的网络切片请求，以最大化长期期望利润？
• RQ2 从合同中获得的即时收入与预留资源的未来机会成本之间存在何种权衡？
• RQ3 在随机需求和有限网络资源条件下，如何制定并计算该决策策略？
• RQ4 在有限时域和无限时域设置下，确保所提迭代算法收敛的条件是什么？
• RQ5 在需求非平稳且先验知识不完全的现实场景中，如何对模型进行适应性调整？

主要发现

• 所提出的决策策略通过评估净收益ΓTt_max(ψt, ωt) = pTt_max(ωt) − CTt_max(ψt, ωt) 实现最优利润最大化，仅当期望净收益非负时才接受请求。
• 机会成本CTt_max(ψt, ωt)被建模为未来因替代合同而损失的收入总和，加权于贴现因子β和资源冲突概率。
• 迭代算法在有限时域情况下收敛至最优策略，且在无限时域场景中通过在t_max*处人工截断仍能保持收敛性。
• 在先验需求统计量假设下，模型保持稳健，这些统计量可通过历史数据的贝叶斯更新进行估计。
• 该策略对市场结构（垄断与寡头）具有不变性，因为决策逻辑在不同竞争MNO数量下均保持有效。
• 通过引入额外的随机变量，该框架支持未来对弹性切片和动态合同修改的扩展。