中文引用格式： 邵鋒，孫君. 基于有限記憶、概率學習的雙時間尺度切片資源分配方法[J]. 電子技術應用，2025，51(3)：17-24.
英文引用格式： Shao Feng，Sun Jun. Dual time scale network slice resource allocation method based on limited memory and probability learning[J]. Application of Electronic Technique，2025，51(3)：17-24.
引言
5G-A和6G移動網絡將帶來增強的網絡能力和性能，為不同的行業和個人提供各種用例[1]。不同的應用程序在帶寬、時延、能源效率、移動性等方面有不同甚至相互矛盾的要求，而網絡切片技術可以有效地解決這一需求。網絡切片通常包括接入網切片和核心網切片，對無線接入網（Radio Access Network,RAN）來說，向用戶分配無線電資源是一項極其復雜的操作，通常面臨著資源稀缺和異構服務質量（QoS）的問題[2]。因此，如何將通信資源以最佳方式分配到切片和用戶成為關鍵問題。Zangooei 等人比較綜合地調研了在RAN切片中處理資源分配問題最先進的強化學習（Reinforcement Learning，RL）方法，并且給出了RL方法在網絡切片中可能存在的問題以及解決方案[3]。Hua等人針對最大化網絡切片中的系統頻譜效率（Spectral Efficiency，SE）、系統效用等參數做出了研究[4-7]。Filali等人針對服務水平協議（Service Level Agreement，SLA）滿意度以及資源塊（Resource Block,RB）分配效率、尋求最優的RB分配策略問題做出了研究[8-11]。新興的6G網絡預計將為異構需求提供更多的服務，這是由許多垂直行業創建的[12]，因此網絡切片的類型更加多樣，粒度需要更加精細，且可能發生動態變化。基于上述挑戰，本文針對多基站多切片、切片類型動態變化場景下的資源分配問題做出了研究，提出了一種更加智能化的算法，并通過仿真驗證了算法的性能。
本文詳細內容請下載：
http://www.cowatch.cn/resource/share/2000006353
作者信息：
邵鋒1，孫君1，2
（1.南京郵電大學 通信與信息工程學院，江蘇 南京 210003；
2.江蘇省無線通信重點實驗室，江蘇 南京 210003）
