算网大脑智能化建模和决策方法研究

doi:10.11959/j.issn.1000-0801.2023169

电信科学 ›› 2023, Vol. 39 ›› Issue (9): 54-62.doi: 10.11959/j.issn.1000-0801.2023169

• 专题：网络智能化与生成式人工智能 • 上一篇

算网大脑智能化建模和决策方法研究

周俊, 刘克清, 王世魁, 杨玲

中国移动通信集团设计院有限公司，北京 100080

修回日期:2023-08-29 出版日期:2023-08-01 发布日期:2023-08-01
作者简介:周俊（1970- ），男，中国移动通信集团设计院有限公司正高级工程师，主要研究方向为无线网络优化和网络智能化
刘克清（1985- ），女，中国移动通信集团设计院有限公司高级工程师，主要研究方向为无线网络优化和网优产品研发
王世魁（1983- ），男，中国移动通信集团设计院有限公司高级工程师，主要研究方向为无线网络优化和网优产品研发
杨玲（1991- ），女，中国移动通信集团设计院有限公司工程师，主要研究方向为无线网络优化和网优产品研发

Research on intelligent modeling and policy making of CNC brain

Jun ZHOU, Keqing LIU, Shikui WANG, Ling YANG

China Mobile Group Design Institute Co., Ltd., Beijing 100080, China

Revised:2023-08-29 Online:2023-08-01 Published:2023-08-01

摘要/Abstract

摘要：

算力网络作为一种面向未来的新型网络架构，其核心思想是围绕算力和网络资源的深度融合，以集中或分布的方式管理云、边、端等多模态的算网资源，提供面向用户需求的算力服务。算力网络虽然在标准制定和产业推进上取得了一定进展，但整体发展还面临很多挑战，还有诸多科学和工程问题需要突破。针对算力网络及算网大脑开展研究，分析了产业界在相关领域的最新进展，提出了对算网大脑智能化的构建思路。

关键词: 算力网络, 算网大脑, 智能化, 决策

Abstract:

As a future-oriented new network architecture, the core idea of computing and network convergence is to manage cloud-edge-end computing network resources in a centralized or distributed way by centering on the deep integration of computing force and network resources, so as to provide computing service for users’ needs.Although the CNC has made some progress in standard setting and industrial promotion, the overall development still faces many challenges, and there are still many scientific and engineering problems to be broken through.Research on CNC and its brain was carried out, the latest progress in related fields in the industry was analyzed, and the idea of building intelligent CNC brain was put forward, hoping to throw a brick at the table, jointly promote the implementation of AI in CNC, and truly realize intelligent CNC.

Key words: computing and network convergence, CNC brain, intelligence, policy making

中图分类号:

TP393

周俊, 刘克清, 王世魁, 杨玲. 算网大脑智能化建模和决策方法研究[J]. 电信科学, 2023, 39(9): 54-62.

Jun ZHOU, Keqing LIU, Shikui WANG, Ling YANG. Research on intelligent modeling and policy making of CNC brain[J]. Telecommunications Science, 2023, 39(9): 54-62.

图/表 11

图1

图2

图3

图4

图5

图6

图7

图8

图9

表1

图10

参考文献 8

[1]	CCSA. 算力网络总体技术要求:YD/T 2021-0994[S]. 2021.
	China Communications Standards Association. Overall technical requirements of computing and network convergence:YD/T 2021-0994[S]. 2021.
[2]	段晓东, 姚惠娟, 付月霞 ,等. 面向算网一体化演进的算力网络技术[J]. 电信科学, 2021,37(10): 76-85.
	DUAN X D , YAO H J , FU Y X ,et al. Computing and network convergence technologies for computing and network integration evolution[J]. Telecommunications Science, 2021,37(10): 76-85.
[3]	艾瑞咨询. 2022年中国算力网络全景洞察白皮书[R]. 2022.
	IResearch Consulting Group. 2022 China CNC panorama insight white paper[R]. 2022.
[4]	中国信息通信研究院. 中国算力发展指数白皮书[R]. 2022.
	China Academy of Information and Communications Technology. White paper on China computing force development index[R]. 2022.
[5]	中国移动通信集团有限公司. 中国移动算力网络技术白皮书[R]. 2022.
	China Mobile Communications Corporation Co.,Ltd. China Mobile CNC technology white paper[R]. 2022.
[6]	中国移动通信集团有限公司. 中国移动算网大脑白皮书[R]. 2022.
	China Mobile Communications Corporation Co.,Ltd. China Mobile CNC brain white paper[R]. 2022.
[7]	周俊, 权笑, 马建辉 . 5G无线优化面临的挑战及应对策略[J]. 电信科学, 2020,36(1): 58-65.
	ZHOU J , QUAN X , MA J H . Challenge and strategy of 5G radio optimization[J]. Telecommunications Science, 2020,36(1): 58-65.
[8]	刘辰屹, 徐明伟, 耿男 ,等. 基于机器学习的智能路由算法综述[J]. 计算机研究与发展, 2020,57(4): 671-687.
	LIU C Y , XU M W , GENG N ,et al. A survey on machine learning based routing algorithms[J]. Journal of Computer Research and Development, 2020,57(4): 671-687.

算法名称	特点	优势、劣势
DQN算法	利用神经网络对Q-Learning中的值函数进行近似	用于处理离散动作问题
DDPG算法	在DQN算法的基础上增加了一个Policy网络及其Policy_target网络	解决连续型动作的预测问题
AC3算法	创建多个智能体，在多个环境中并行、异步执行和学习	有效利用计算机资源，提升训练效用

[1]	赵雷, 张苗苗, 李光宇, 关焯文, 刘思佳, 肖赵斌, 曹玉婷, 吕喆, 梁燕萍. 九天智慧网络仿真平台设计和开放服务[J]. 电信科学, 2023, 39(9): 43-53.
[2]	张维庭, 孙呈蕙, 王洪超, 代嘉宁. 算网资源智能适配与融合调度方法[J]. 电信科学, 2023, 39(9): 12-20.
[3]	潘洁, 叶兰, 张鹏飞, 卜忠贵. 基于国密算法的算力网络安全研究[J]. 电信科学, 2023, 39(8): 157-166.
[4]	庞冉, 易昕昕, 辛亮, 曹畅, 唐雄燕. 算力网络路由调度技术研究[J]. 电信科学, 2023, 39(8): 149-156.
[5]	沈林江, 曹畅, 崔超, 张岩. 基于策略约束强化学习的算网多目标优化研究[J]. 电信科学, 2023, 39(8): 136-148.
[6]	王雪荣, 唐政治, 李银川, 齐美玉, 朱建波, 张亮. 基于优化决策树的时延敏感流智能感知调度[J]. 电信科学, 2023, 39(4): 120-132.
[7]	李涛, 王春佳, 李姗姗. 电信网络智能化方案研究[J]. 电信科学, 2023, 39(3): 162-172.
[8]	谭艳霞, 王光全, 王泽林, 郑滟雷, 张贺, 张晨芳, 韩赛, 沈世奎. SDN智能管控编排系统技术方案研究[J]. 电信科学, 2023, 39(3): 143-152.
[9]	王晴天, 刘洋, 刘海涛, 宗佳颖, 杨峰义. 面向6G的网络智能化研究[J]. 电信科学, 2022, 38(9): 151-160.
[10]	冯楠, 刘贺林, 周泉, 杨海俊, 付蜜能, 钟大平. 5G核心网业务模型的智能化预测研究[J]. 电信科学, 2022, 38(8): 111-119.
[11]	王丽莉. 算力网络部署方案分析[J]. 电信科学, 2022, 38(6): 172-180.
[12]	何涛, 杨振东, 曹畅, 张岩, 唐雄燕. 算力网络发展中的若干关键技术问题分析[J]. 电信科学, 2022, 38(6): 62-70.
[13]	王亚峰, 梁春花, 朱兰兰, 王晓平. 5G银行行业专网解决方案研究[J]. 电信科学, 2022, 38(5): 45-53.
[14]	种璟, 唐小勇, 朱磊, 李娜, 张钰, 游正朋, 胥焙柯, 刘佳. 5G关键技术演进方向与行业发展趋势[J]. 电信科学, 2022, 38(5): 124-135.
[15]	朱明伟. 网络智能化中的AI工程化技术方案[J]. 电信科学, 2022, 38(2): 157-165.

算网大脑智能化建模和决策方法研究

Research on intelligent modeling and policy making of CNC brain

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 8

相关文章 15

Metrics

推荐阅读 0