基于机器学习的电力通信网带宽分配算法

网络切片技术可以优化5G电力通信网的数据传输性能,但是数据传输性能取决于5G电力通信网为各切片分配的带宽大小.为优化5G电力通信网中网络切片的时延效果,提出了一种基于机器学习的5G电力通信网带宽资源分配算法.该算法通过对5G电力通信网历史预留带宽量及获得的时延效果进行学习,进而确定当前时隙网络应该预留的带宽资源大小.得到当前网络所预留带宽大小后,算法会基于切片重要度按序准入切片.仿真结果显示,所提出的基于机器学习的带宽资源分配算法可以提升17.968％切片加权时延和,并获得43.21％的决策性价比增益.