摘要：移动通讯高速增长和持续发展的通信场景使得5G网络今后将渗透到更多的垂直产业中。对传统的网络架构进行创新，采用云原生的服务化架构SBA(Cloud Native Service-Based Architecture)，这种架构成为应对多种商业及各种版本挑战的有效手段。但是，新服务结构和所有互联网商务要求事项都会给5G网络的灵活性和开放性带来困难，并对5G网络资源利用提出新的要求。5G网络要加强开放型容量，改善资源利用率，更好地与垂直产业整合，提高连接价值，降低运营者运营成本，这一点至关重要。

本课题针对核心网弹性资源分配问题，设计了一个灵活的、适应性的弹性伸缩框架，在强化学习算法基础上，提出了基于模糊Q-learning的核心网弹性资源伸缩算法，实现核心网资源弹性伸缩。结果表明，在保证系统性能要求的前提下，提高了系统的资源利用率。

关键词：5G；弹性资源分配；模糊Q学习

目  录

摘  要

ABSTRACT

第一章  绪论-1

1.1 研究背景和意义-1

1.1.1 5G标准化-1

1.1.2 5G核心网的弹性特征-2

1.2 研究内容-3

1.3 论文组织结构-4

第二章  核心网弹性资源伸缩-5

2.1 弹性伸缩研究现状-5

2.2 弹性伸缩技术-6

2.2.1 弹性伸缩的理解-6

2.2.2 弹性伸缩模式-7

2.3 本章小结-7

第三章  基于模糊Q-learning的核心网弹性资源伸缩方法-8

3.1 研究背景与研究目的-8

3.2 模糊Q-Learning算法研究-9

3.2.1 学习算法-9

3.2.2 模糊Q学习算法-11

3.3 基于模糊Q学习的核心网弹性资源伸缩模型-12

3.3.1 环境状态表示-13

3.3.2 动作集合-13

3.3.3 奖励函数-14

3.4 实验结果及分析-15

3.5 本章小结-16

第四章  总结与展望-17

参考文献-18

致  谢-20