本发明涉及一种无线接入网络资源分配方法,具体的说是一种无线接入网络计算卸载和资源分配方法,属于移动通信技术领域。
背景技术:
随着5g技术的逐步推广和应用,无线接入网络(cloudradioaccessnetwork,c-ran)体系设计需要更加智能、灵活的架构,使之充分利用5g网络的性能。c-ran是5g一项核心技术,使各种应用服务在5g网络中具有前所未有的频谱效率和能源效率。c-ran将基站基础设施与云计算融合在一起,利用光纤将它们与低延迟网络连接,形成一个大基带单元池。这种集中式基带处理可以大大减少覆盖同样区域的基站数量;面向协作的无线远端模块和天线可以提高系统频谱效率;基于基站虚拟化技术可以降低成本,共享处理资源,减少能源消耗。然而,由于云和终端设备之间的距离通常很大,因此云计算服务可能无法为网络中的低延迟应用提供保证。为了解决这些问题,移动边缘计算(mobileedgecomputing,mec)将计算资源部署到离终端更近的地方,这可以有效地提高需要密集计算和低延迟的应用程序的服务质量。
技术实现要素:
本发明的目的是提供一种基于深度强化学习的c-ran计算卸载和资源分配方法,在多个用户请求计算任务和c-ran计算资源一定情况下,基于深度强化学习算法,找到最佳的计算任务卸载比例和移动边缘计算mec服务器计算资源分配方案,来减少用户服务时延和设备能量消耗。
本发明的目的是这样实