唐 倫 張 亞 梁 榮 陳前斌

?

基于網(wǎng)絡(luò)切片的網(wǎng)絡(luò)效用最大化虛擬資源分配算法

唐 倫 張 亞*梁 榮 陳前斌

(重慶郵電大學(xué)移動(dòng)通信技術(shù)重點(diǎn)實(shí)驗(yàn)室 重慶 400065)

為了實(shí)現(xiàn)網(wǎng)絡(luò)資源的動(dòng)態(tài)分配，提高網(wǎng)絡(luò)資源利用率，滿足用戶業(yè)務(wù)多樣性帶來的切片網(wǎng)絡(luò)差異需求，該文提出一種基于網(wǎng)絡(luò)效用最大化的虛擬資源分配算法。該算法采用商業(yè)化模式將頻譜資源作為收益載體，并對(duì)不同切片網(wǎng)絡(luò)進(jìn)行差異化定價(jià)。同時(shí)將計(jì)算資源和回程鏈路作為開銷，還考慮了切片網(wǎng)絡(luò)對(duì)計(jì)算資源和頻譜資源的差異性需求，最后以最大化網(wǎng)絡(luò)收益建立效用模型。并通過拉格朗日對(duì)偶分解設(shè)計(jì)了分布式迭代算法對(duì)效用模型進(jìn)行求解。仿真結(jié)果表明，該算法提高了服務(wù)用戶比例，并使得網(wǎng)絡(luò)資源獲得最大收益。

網(wǎng)絡(luò)切片；虛擬化；資源分配；網(wǎng)絡(luò)效用

1 引言

移動(dòng)用戶業(yè)務(wù)的多樣性和對(duì)時(shí)延、速率的高要求，給現(xiàn)有的網(wǎng)絡(luò)帶來了巨大的挑戰(zhàn)。無線虛擬化和網(wǎng)絡(luò)切片技術(shù)被認(rèn)為是提高網(wǎng)絡(luò)靈活性，保證用戶服務(wù)質(zhì)量，提供業(yè)務(wù)多樣性和增加網(wǎng)絡(luò)收益的有效方法[1]。無線網(wǎng)絡(luò)虛擬化是一個(gè)廣泛的概念，可以指頻譜的共享、設(shè)備的虛擬化和空口的虛擬化等[2]。它主要是將有限的網(wǎng)絡(luò)資源經(jīng)過分割和重組，形成邏輯上相互獨(dú)立的虛擬網(wǎng)絡(luò)資源供各個(gè)切片網(wǎng)絡(luò)使用，以此實(shí)現(xiàn)網(wǎng)絡(luò)資源的重復(fù)高效利用，減少運(yùn)營商的成本投入[3]。所以，無線虛擬化技術(shù)給網(wǎng)絡(luò)資源的分配帶來了多樣性和靈活性，也是實(shí)現(xiàn)網(wǎng)絡(luò)切片的有效途徑。如何對(duì)無線虛擬資源進(jìn)行高效的分配是對(duì)無線虛擬化技術(shù)作用的檢驗(yàn)，也是實(shí)現(xiàn)無線虛擬化的最終目標(biāo)。

無線虛擬化資源分配已經(jīng)成為當(dāng)下研究的熱點(diǎn)。文獻(xiàn)[4]研究了多無線網(wǎng)絡(luò)場(chǎng)景下的頻譜資源分配問題，提出了一種機(jī)會(huì)頻譜共享方法來更有效地實(shí)現(xiàn)頻譜資源的分配。但該文獻(xiàn)未考慮不同切片網(wǎng)路的不同需求。文獻(xiàn)[5]為了提高頻譜資源利用率同樣設(shè)計(jì)了一種機(jī)會(huì)頻譜共享算法，考慮了在滿足最低頻譜需求下怎樣提高頻譜利用率。但該文獻(xiàn)僅僅對(duì)頻譜資源進(jìn)了考慮，也沒有區(qū)分用戶業(yè)務(wù)的不同。文獻(xiàn)[6]在網(wǎng)絡(luò)功率受限的情況下，通過多步動(dòng)態(tài)優(yōu)化實(shí)現(xiàn)網(wǎng)絡(luò)虛擬化和資源分配，但文中只考慮了頻譜資源的分配。文獻(xiàn)[7]通過小區(qū)關(guān)斷機(jī)制設(shè)計(jì)了一種提高能效同時(shí)保證用戶服務(wù)質(zhì)量的虛擬資源分配算法。該文獻(xiàn)也未考慮不同業(yè)務(wù)用戶的需求差異。文獻(xiàn)[8,9]將回程鏈路作為網(wǎng)絡(luò)開銷，以網(wǎng)絡(luò)效用作為目標(biāo)函數(shù)，此方法比較符合網(wǎng)絡(luò)虛擬化中資源分配價(jià)值準(zhǔn)則，但文獻(xiàn)中未考慮計(jì)算資源。

雖然現(xiàn)在已有不少的文章對(duì)無線虛擬化環(huán)境下資源分配算法進(jìn)行了研究。但普遍只考慮了頻譜資源的分配，且未充分體現(xiàn)用戶業(yè)務(wù)的差異性，同時(shí)多數(shù)文獻(xiàn)都是以網(wǎng)絡(luò)吞吐量作為優(yōu)化目標(biāo)。所以，本文利用商業(yè)化模型設(shè)計(jì)了一種基于網(wǎng)絡(luò)切片的網(wǎng)絡(luò)效用最大化虛擬資源分配算法。該算法首先利用頻譜資源作為收益來源，將計(jì)算資源和回程鏈路作為網(wǎng)絡(luò)開銷的兩個(gè)元素；其次，還考慮了不同切片網(wǎng)絡(luò)收益差異性和對(duì)計(jì)算資源以及頻譜資源的不同需求；再次，以虛擬化網(wǎng)絡(luò)中產(chǎn)生的最大化收益作為優(yōu)化目標(biāo)建立效用模型；最后，采用拉格朗日對(duì)偶方程設(shè)計(jì)了分布式迭代算法對(duì)模型進(jìn)行求解。

2 系統(tǒng)模型與效用方程

2.1系統(tǒng)模型

本文系統(tǒng)模型如圖1所示，整個(gè)網(wǎng)絡(luò)被分為3層模型，從下至上依次為基礎(chǔ)設(shè)施提供商(Infrastructure Provider, InP)，移動(dòng)虛擬運(yùn)營商(Mobile Virtual Network Operator, MVNO)和服務(wù)提供商(Service Provider, SP)。在該系統(tǒng)中InP擁有網(wǎng)絡(luò)設(shè)備、頻譜資源(Spectrum Resources, SR)、計(jì)算資源(Computing Resources, CR)和回程鏈路資源(Backhaul Resources, BR)等物理網(wǎng)絡(luò)資源；MVNO從InP中租用網(wǎng)絡(luò)設(shè)備和無線資源形成虛擬網(wǎng)絡(luò)資源，即虛擬頻譜資源(Virtual Spectrum Resources, VSR)、虛擬計(jì)算資源(Virtual Computing Resources, VCR)以及虛擬回程鏈路資源(Virtual Backhaul Resources, VBR)，再將虛擬網(wǎng)絡(luò)資源分配給屬于不同切片網(wǎng)絡(luò)的SP，通過向SP收取相應(yīng)的服務(wù)費(fèi)用而獲得收益；在這里SP直接與用戶相連接，MVNO分配的虛擬網(wǎng)絡(luò)資源實(shí)際上是直接分配給與各個(gè)SP相連接的用戶。在整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中，虛擬網(wǎng)絡(luò)資源的有效分配直接影響著MVNO的收益，所以虛擬資源分配算法將對(duì)MVNO起著重要作用。

(3)

(5)

用戶在基站上所占用的計(jì)算資源與用戶需要的CPU、存儲(chǔ)空間和服務(wù)時(shí)間等都有關(guān)系，本文研究的重點(diǎn)是將計(jì)算資源作為效用函數(shù)和約束條件的一個(gè)因素，精確的計(jì)算資源表達(dá)不是文章研究的主要內(nèi)容。考慮到基站的正常運(yùn)行條件，必須實(shí)現(xiàn)頻譜資源和計(jì)算資源的匹配，可以看作每個(gè)基站所分配帶寬的每個(gè)子載波需要匹配一個(gè)最小的計(jì)算單元(Computing Unit, CU)，每個(gè)最小計(jì)算單元具有相同的計(jì)算能力MIPS(每秒處理百萬條指令Million Instructions Per Second)[11]。所以在文中簡單定義基站的計(jì)算資源與它的頻譜資源成正比關(guān)系：，為了計(jì)算簡便，這里令。在此，用戶在基站上占用的計(jì)算資源比例表示為。所有與基站相連接的用戶占用計(jì)算資源總和不能超過該基站的計(jì)算資源限制，所以，

考慮到為滿足不同切片網(wǎng)路，即不同SP之間的網(wǎng)絡(luò)服務(wù)需求，分配給各個(gè)不同SP的頻譜和計(jì)算資源必須滿足不同SP的最低頻譜資源需求和最低計(jì)算資源需求，所以不同業(yè)務(wù)切片網(wǎng)絡(luò)的頻譜資源和計(jì)算資源限制可表示為

(7)

2.2效用方程

(10)

所以虛擬運(yùn)營商的總收益效用模型可以表示為

(12)

3 分布式算法

3.1算法分析

所以對(duì)偶問題為

(16)

(18)

(19)

同理，根據(jù)式(18)可以得到：

(22)

3.2算法描述

本文設(shè)計(jì)了分布式迭代算法對(duì)問題進(jìn)行求解，具體執(zhí)行過程描述如表1和表2所示。

表1迭代算法1

步驟1 初始化對(duì)偶變量；步驟2(1)根據(jù)迭代算法2求得數(shù)學(xué)關(guān)系和的局部最優(yōu)解；(2)將與的局部最優(yōu)解代入式(22)，再根據(jù)計(jì)算每個(gè)對(duì)應(yīng)的；(3)對(duì)每個(gè)基站，取的最大值以確定最優(yōu)的用戶和業(yè)務(wù)對(duì)；(4)根據(jù)式(23)求得連接標(biāo)識(shí)局部最優(yōu)解；(5)將分別代入式(20)，式(21)確定局部最優(yōu)解和；步驟3 根據(jù)次梯度算法更新對(duì)偶變量；步驟4 。檢查收斂條件是否滿足，否則跳轉(zhuǎn)步驟2。當(dāng)滿足收斂條件，則獲得問題式(12)的連接標(biāo)識(shí)全局最優(yōu)解，頻譜資源分配比例全局最優(yōu)解和計(jì)算資源分配比例全局最優(yōu)解。

表2迭代算法2

步驟.1 初始化對(duì)偶變量；步驟2 根據(jù)式(20)，式(21)求得數(shù)學(xué)關(guān)系和；步驟3 根據(jù)次梯度算法更新對(duì)偶變量?。徊襟E4 。當(dāng)滿足收斂條件，則獲得與的局部最優(yōu)解，否則跳轉(zhuǎn)步驟2。

4 性能仿真與分析

為驗(yàn)證本文提出的基于切片的虛擬資源分配(Slicing-based Virtual Resource Allocation, SVRA)算法，這里主要對(duì)LTE系統(tǒng)下行鏈路進(jìn)行仿真，并將文獻(xiàn)[14]中的多小區(qū)動(dòng)態(tài)資源分配(Multi-cell Dynamic Resource Allocation, MDRA)算法和文獻(xiàn)[15]中部分資源預(yù)留(Partial Resource Reservation, PRR)算法進(jìn)行比較分析。為提高仿真的準(zhǔn)確性和普遍性，仿真將基站進(jìn)行固定，每次隨機(jī)改變用戶位置，并采用多次仿真求平均值的方式對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)分析。具體仿真參數(shù)設(shè)置如表3所示。

如圖2比較了不同算法下，服務(wù)用戶數(shù)量隨總用戶數(shù)量的變化情況?？梢钥闯觯?種算法的服務(wù)用戶都隨著總用戶的增加而增加。此外，在相同總用戶數(shù)的情況下，SVRA算法的服務(wù)用戶要高于MDRA算法，且MDRA算法優(yōu)于PRR算法。因?yàn)镾VRA算法和MDRA算法都是在滿足業(yè)務(wù)最低速率下，將所剩資源進(jìn)行統(tǒng)一協(xié)調(diào)調(diào)度，提高了整體資源的利用率，而PRR算法將固定保留部分資源保障自身用戶的服務(wù)質(zhì)量，所以會(huì)降低部分資源的利用率，從而導(dǎo)致整體服務(wù)用戶數(shù)量減少。另一方面，SVRA算法是以資源產(chǎn)生的效用為目標(biāo)對(duì)資源進(jìn)行最大化價(jià)值利用，進(jìn)而SVRA會(huì)選擇更多用戶進(jìn)行服務(wù)從而使得網(wǎng)絡(luò)產(chǎn)生最大收益。MDRA則是以最大速率進(jìn)行資源共享，忽略了資源產(chǎn)生的收益。

圖3評(píng)估了不同速率要求下，3種算法服務(wù)用戶的數(shù)量，此時(shí)用戶總數(shù)設(shè)置為90。根據(jù)結(jié)果可以看出，速率要求越高所對(duì)應(yīng)的滿足要求的服務(wù)用戶數(shù)量將會(huì)減少。在低速率區(qū)域3種算法的服務(wù)用戶數(shù)量比較接近。但是，當(dāng)速率要求超過一定值時(shí)，服務(wù)用戶有明顯的下降趨勢(shì)，且這種下降趨勢(shì)隨著速率要求的增加而進(jìn)一步增大。此外，當(dāng)速率要求較小時(shí)SVRA算法將優(yōu)于MDRA算法和PRR算法，但是當(dāng)速率要求超增加到一定值后MDRA算法將優(yōu)于SVRA算法。這是因?yàn)镻RR算法保留了過多的固定資源，降低了整體資源的使用效率。另一方面，MDRR是以最大化吞吐量為目標(biāo)為準(zhǔn)則進(jìn)行資源分配，所以會(huì)更多地接入高速率用戶從而達(dá)到最大化網(wǎng)絡(luò)吞吐量的目的。

圖4比較了3種算法下系統(tǒng)吞吐量的變化情況?？梢钥闯觯S著用戶數(shù)的增加，系統(tǒng)吞吐量也會(huì)逐漸增大，但是當(dāng)總用戶數(shù)到達(dá)一定值時(shí)系統(tǒng)吞吐量將趨于穩(wěn)定，此時(shí)網(wǎng)絡(luò)到達(dá)最大負(fù)載值。圖4中還可以看出，在相同用戶數(shù)情況下，SVRA算法的吞吐量會(huì)高于PRR算法。這是因?yàn)閺膱D2，圖3中看出，SVRA算法的服務(wù)用戶數(shù)和整體用戶速率都高于PRR算法，這必將會(huì)帶來吞吐量的提升。但是，以最大化吞吐量為目標(biāo)的MDRA算法的吞吐量將要略高于SVRA算法。這是因?yàn)镸DRA算法會(huì)優(yōu)先選擇高速率用戶分配資源，以最大化吞吐量，而SVRA算法則是以實(shí)現(xiàn)資源最大收益為目標(biāo)進(jìn)行資源分配。

表3仿真參數(shù)

參數(shù)數(shù)值參數(shù)數(shù)值 基站數(shù)量J3熱噪聲密度-174 dBm/Hz 用戶數(shù)量K4,6,8,10,12,14,16/(業(yè)務(wù)cell)信道模型3D-Uma[16] 業(yè)務(wù)數(shù)量I3資源單價(jià) 100,2,40 units/MHz 站間距500 m最低帶寬需 4,2,0.5 MHz 基站發(fā)送功率46 dBm最低計(jì)算資源需求 4,2,0.5 xCU 載波頻率2 GHz業(yè)務(wù)收費(fèi)單價(jià) 20,15,10 units/Mbps 帶寬10 MHz(50 PRBs)業(yè)務(wù)最低速率要求20,10,1 Mbps 回程鏈路限制10 MHz迭代步長0.05 計(jì)算資源CU權(quán)衡參數(shù)(0.1,1)

圖3 不同速率要求下服務(wù)用戶的比較

圖4 系統(tǒng)吞吐量隨總用戶數(shù)的變化趨勢(shì)

圖5是不同用戶數(shù)下，總效用變化情況。圖5中可以看出用戶數(shù)的增加會(huì)引起總效用的升高，但是這種上升幅度在隨著用戶數(shù)的增加而減少，不難推斷當(dāng)用戶數(shù)到達(dá)一定數(shù)值后，網(wǎng)絡(luò)整體效用將會(huì)趨于一個(gè)穩(wěn)定值。這是因?yàn)榫W(wǎng)絡(luò)資源是有限的，網(wǎng)絡(luò)中服務(wù)用戶也將會(huì)到達(dá)一個(gè)上限，所以帶來的網(wǎng)絡(luò)收益效用也將會(huì)有個(gè)最大值。并且，圖中結(jié)果顯示SVRA算法的總體效用會(huì)優(yōu)于其它兩種算法，很好地體現(xiàn)了該算法最大化網(wǎng)絡(luò)效用的特點(diǎn)。此時(shí)權(quán)衡參數(shù)的取值為0.5，不同對(duì)效用函數(shù)的影響如圖6所示。

圖7在各種業(yè)務(wù)用戶數(shù)相同的情況下，比較了不同業(yè)務(wù)對(duì)效用函數(shù)的影響，此時(shí)權(quán)衡參數(shù)取值為0.5。圖中看出，相同算法下業(yè)務(wù)收益越高將會(huì)帶來更高的收益效用。這是因?yàn)橄啾扔诘褪找鏄I(yè)務(wù)，高收益業(yè)務(wù)將會(huì)分得更多的頻譜資源，以此來實(shí)現(xiàn)網(wǎng)路收益的最大化。圖中還可以看出，對(duì)于相同業(yè)務(wù)SVRA算法優(yōu)于其余兩種算法，這與圖5表現(xiàn)出的趨勢(shì)相吻合。

5 結(jié)束語

本文基于網(wǎng)絡(luò)切片技術(shù)提出了一種網(wǎng)絡(luò)效用最大化虛擬資源分配算法SVRA。該算法采用商業(yè)化模型將頻譜資源作為收益載體，并對(duì)不同切片網(wǎng)絡(luò)進(jìn)行差異化定價(jià)，同時(shí)將計(jì)算資源和回程鏈路資源作為虛擬運(yùn)營商的兩個(gè)開銷因素，最后采用網(wǎng)絡(luò)收益作為效用目標(biāo)函數(shù)進(jìn)行建模。仿真結(jié)果表明，本文算法能有效提高服務(wù)用戶比例，使網(wǎng)絡(luò)資源產(chǎn)生最大化收益。但是，本文考慮的計(jì)算資源模型比較簡單，隨著大數(shù)據(jù)、云計(jì)算等技術(shù)的發(fā)展，將會(huì)對(duì)計(jì)算資源提出更高的要求，所以后續(xù)研究中可以對(duì)計(jì)算資源進(jìn)行更加精確的建模。并且，低碳綠色通信已經(jīng)成為以后通信發(fā)展的方向，用戶體驗(yàn)也會(huì)受到更多的關(guān)注，所以效用函數(shù)中也可以增加更多的權(quán)重因素，例如能效和用戶服務(wù)質(zhì)量等，但這可能會(huì)帶來更大的復(fù)雜度和計(jì)算量。

圖5 網(wǎng)絡(luò)總效用比較

圖6 權(quán)衡參數(shù)對(duì)效用函數(shù)的影響

圖7 不同業(yè)務(wù)帶來的效用比較

[1] HAMMAD A, NEJABATI R, and SIMEONIDOU D. Cross- layer optimization of network resource virtualization in IP over O-OFDM networks[J]., 2016, 8(10): 765-776.doi: 10.1364/JOCN.8.000765.

[2] ROST P, BERBERANA I, MAEDER A,. Benefits and challenges of virtualization in 5G radio access networks[J]., 2015, 53(12): 75-82. doi: 10.1109/MCOM.2015.7355588.

[3] RAHMAN M M, DESPINS C, and AFFES S. Design optimization of wireless access virtualization based on cost & QoS trade-off utility maximization[J]., 2016, 15(9): 6146-6162. doi: 10.1109/TWC.2016.2580505.

[4] YANG M, LI Y, JIN D,. Opportunistic spectrum sharing based resource allocation for wireless virtualization[C]. IEEE Seventh International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS), Taichung, 2013: 51-58. doi: 10.1109/IMIS.2013.18.

[5] LIU X, LI M, SONG M,. Wireless virtual network embedding based on spectrum sharing allocation[C]. IEEE 11th International Conference on Computer Science & Education (ICCSE), Nagoya, 2016: 670-675. doi: 10.1109/ ICCSE.2016.7581660.

[6] LU X, YANG K, and ZHANG H. An elastic sub-carrier and power allocation algorithm enabling wireless network virtualization[J]., 2014, 75(4): 1827-1849.

[7] ZOU S, YANG F, TANG Y,. The resource mapping algorithm of wireless virtualized networks for saving energy in ultradense small cells[OL]. https://www.hindawi.com/ journals/misy/2015/958431/.

[8] LIANG C and YU F R. Virtual resource allocation in information-centric wireless virtual networks[C]. IEEE International Conference on Communications (ICC), London, 2015: 3915-3920. doi: 10.1109/ICC.2015.7248935.

[9] CHEN L, YU F R, JI H,. Distributed virtual resource allocation in small-cell networks with full-duplex self-backhauls and virtualization[J]., 2016, 65(7): 5410-5423. doi: 10.1109/ TVT.2015.2469149.

[10] NG D W K, LO E S, and SCHOBER R. Energy-efficient resource allocation in multi-cell OFDMA systems with limited backhaul capacity[J]., 2012, 11(10): 3618-3631. doi: 10.1109/ TWC.2012.083112.111951.

[11] 師雪霖, 徐恪. 云虛擬機(jī)資源分配的效用最大化模型[J]. 計(jì)算機(jī)學(xué)報(bào), 2013, 36(2): 252-262.

SHI Xuelin and XU Ke. Utility maximization model of virtual machine scheduling in cloud environment[J]., 2013, 36(2): 252-262.

[12] FOOLADIVANDA D and ROSENBERG C. Joint resource allocation and user association for heterogeneous wireless cellular networks[J]., 2013, 12(1): 248-257. doi: 10.1109/TWC. 2012.121112.120018.

[13] BOYD S and VANDENBERGHE L. Convex Optimization [M]. Cambridge: Cambridge University Press, 2004: 35-475.

[14] KAMEL M I, LE L B, and GIRARD A. LTE multi-cell dynamic resource allocation for wireless network virtualization[C]. IEEE Wireless Communications and Networking Conference (WCNC), New Orleans, 2015: 966-971. doi: 10.1109/WCNC.2015.7127600.

[15] GUO T and ARNOTT R. Active LTE RAN sharing with partial resource reservation[C]. IEEE 78th Vehicular Technology Conference (VTC Fall), Las Vegas, 2013: 1-5. doi: 10.1109/VTCFall.2013.6692075.

[16] 3GPP TR 36.873 V12.2.0. Study on 3D channel model for LTE[S]. 2015.

Virtual Resource Allocation Algorithm for Network Utility Maximization Based on Network Slicing

TANG Lun ZHANG Ya LIANG Rong CHEN Qianbin

(,,400065,)

To realize the dynamic allocation of network resources, improve the network resources utilization and meet the demand of the diverse networks, this paper proposes a virtual resource allocation algorithm based on network utility maximization. The spectrum resource is used as the revenue and the differentiated price is commercialized according to slicing networks. It also takes the computing resources and the backhaul as the cost, and also takes into account the different demands of the slicing network on the computing resources and spectrum resources. Finally, the utility model is established to maximize the network revenue. A distributed iterative algorithm is designed to solve the utility model by Lagrangian dual decomposition. The simulation results show that the algorithm improves the percentage of service users and maximizes the network revenue.

Network slicing; Virtualization; Resource allocation; Network utility

TN929.5

A

1009-5896(2017)08-1812-07

10.11999/JEIT161322

2016-12-08；

改回日期：2017-04-17；

2017-05-18

張亞 516395398@qq.com

國家863計(jì)劃項(xiàng)目(2014AA01A701)，國家自然科學(xué)基金(61571073)

The National 863 Program of China (2014AA01A701), The National Natural Science Foundation of China (61571073)

唐 倫： 男，1973年生，教授，博士，主要研究方向?yàn)樾乱淮鸁o線通信網(wǎng)絡(luò)、異構(gòu)蜂窩網(wǎng)絡(luò)、軟件定義無線網(wǎng)絡(luò)等.

張 亞： 男，1990年生，碩士生，研究方向?yàn)檐浖x無線網(wǎng)絡(luò)、網(wǎng)絡(luò)虛擬化.

梁 榮： 男，1989年生，碩士生，研究方向?yàn)槊芗涓C網(wǎng)絡(luò)容量覆蓋與負(fù)載均衡.

陳前斌： 男，1967年生，教授，博士生導(dǎo)師，主要研究方向?yàn)閭€(gè)人通信、多媒體信息處理與傳輸、下一代移動(dòng)通信網(wǎng)絡(luò)、異構(gòu)蜂窩網(wǎng)絡(luò)等.