[发明专利]基于分布式软件定义架构的智能云的业务处理方法

说明书

本发明公开了基于分布式软件定义架构的智能云的业务处理方法。该方法基于软件定义架构，将数据层业务和控制层业务虚拟化的分开处理，为实现基站智能化的处理用户请求的业务和自主学习式的分配处理业务所需要的资源。该系统采用分布式层次化逻辑结构设计，以闭环的方式完成基于请求式和推送式的资源分配服务，提高资源使用效率，通过推送基站有效的资源给用户提供更好的体验质量。我们首先采用低复杂度的带有用户体验质量分析的线上线下学习算法，其次，我们设计分布式用户‑基站联盟算法以实现系统的运行流程，实现基站资源的智能优化配置。

技术领域

本发明涉及一种基于软件定义架构和云计算的智能学习业务处理系统及方法，属于混合异构网络中自主学习式通信和智能资源分配领域。

背景技术

随着5G无线系统的发展，物联网的应用也纷至沓来如：无人机、感知网络、车联网、时控机器人等，无线世界已经实现了与人类的互联互通。这些应用所产生的数据，不可避免的涌现时空业务空前增长的现象。而用户端期望与基站建立个性化需求的服务，因为基站负责对网络用户的网络接入、资源分配和用户业务处理。因此，我们需要探索一个高效智能的业务处理机制以适应于下一代混合异构无线网络。

软件定义的架构，作为一种新的组网范式，可以通过虚拟化将数据层和控制层解耦，实现了从逻辑上对分布式小基站和移动设备的中心控制。而大数据、移动边缘计算或者雾计算也在如火如荼的发展。为及时将基站繁重的业务卸载，通过部署在网络边缘的边缘云或者雾结点为用户提供低延迟的计算服务。另外，随着强人工智能的发展，自动化和智能化已被视为是面向行业应用一种新趋势。例如，由谷歌深灵(DeepMitd)公司打造出的具有深度学习技术的围棋冠军AlphaGo，其智能化的学习技术为人工智能时代带来新的契机，其实现了类似人脑的功能：智能的实现学习。因此这种学习式的方法对计算和延迟敏感的应用展示出巨大的潜力和应用价值。

目前，没有相关工作考虑带有用户体验质量(QoE)分析的基于软件定义架构和云计算的智能学习业务处理方法。该方法是具有QoE分析的线上线下式的学习算法，实现了以请求式和推送式服务相互促进、及时反馈的良性循环模式，从而对资源进行高效的配置。

发明内容

技术问题：本发明针对上述方案中尚存的空白，提出了基于软件定义架构和云计算的智能学习业务处理系统及方法。该方法是具有用户QoE分析的线上线下式的学习算法。其以请求式和推送式服务相互促进、及时反馈的良性循环模式进行高效的资源配置。通过推送基站有效的资源为用户提供更好的体验质量。

技术方案：本发明提出一种基于分布式软件定义架构的智能云的业务处理方法。首先，我们设计双近似的线上线下强化学习算法，该算法带有用户QoE分析，通过分析将搜索空间：状态-行为对的空间降维；此外，为克服强化学习带有的延迟奖励或者惩罚，而影响到后续学习过程中根据此奖励或者惩罚计算下一时刻状态的值函数或者根据此奖励或者惩罚决定下一时刻行为的选择，为此，我们采用带有临时记录功能的资格迹进行信用评分，从而避免强化学习中具有的延迟赏罚的弊端。最后，我们设计分布式用户-基站联盟算法以展现智能业务处理系统的运行流程。

所述的智能业务处理系统运行的具体流程如下：

在基站端：

1)控制引擎业务：

C1：结合用户状态和发送的业务指令给数据引擎发送优先级的信令；

C2：调用改进的线上线下学习算法；

C3：结合基站当前状态向给数据引擎发送资源分配信令；

2)数据引擎业务：

D1：执行控制引擎发送的资源分配的信令

D2：根据式(1)计算改进的Q函数的目标函数值