- 李鑫;
无阻塞多级交换架构(CLOS架构)凭借其无阻塞与可扩展特性,成为AI算力网络的核心支撑。首先分析了CLOS架构哈希极化、业务异构及规模瓶颈问题,研究了产业界通过双平面组网、物理隔离等定制化组网策略提升网络性能的路径;其次探究了交换机层面高带宽硬件(51.2 Tbit/s芯片)、共封装光学(CPO)低延迟技术、第2代融合以太网的RDMA协议(RoCEv2)演进及可编程调度的创新;最后研究了光交换技术通过提供物理层可编程性来突破电交换限制,为CLOS架构在网络弹性扩展、故障快速恢复和能效优化方面提供关键保障,以及光交换与软件定义网络(SDN)协同对网络弹性扩展和低时延的保障作用。分析结果表明,未来需结合内容感知与算网融合技术实现动态资源优化,为AI应用提供高效弹性支撑。
2025年12期 v.58;No.408 1333-1340页 [查看摘要][在线阅读][下载 993K] [下载次数:18 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:8 ] - 曹洪森;姚昌华;
针对多用户通信中因不同业务需求而产生的资源分配与干扰问题,提出了一种面向业务需求匹配的多用户协同深度强化学习抗干扰决策算法,以优化多用户在频谱空间中的资源利用率,并减少多用户间出现互相干扰和被干扰机恶意干扰的情况。该方法使用软标签代替传统奖励机制,其中软标签反映了用户使用不同信道通信的满意程度,从而获取更多信息。仿真结果表明,所提方法能在不同干扰环境下实现多用户的业务需求匹配,并显著减少干扰机的恶意干扰以及用户间干扰,验证了算法的有效性和可靠性。
2025年12期 v.58;No.408 1341-1349页 [查看摘要][在线阅读][下载 1952K] [下载次数:7 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:3 ] - 王欣;许艺瀚;
为了解决多架无人机辅助的地面机器对机器(M2M)网络中延迟确定性与能效之间的资源分配问题,提出了一种基于图神经近端策略优化的无人机辅助机器通信资源管理方法。首先,获取特定时间窗口内M2M延迟的概率来描述延迟确定性,并确定延迟确定性与能效之间的耦合关系。其次,为了对随机环境的不确定性进行建模,通过联合考虑传输功率、频谱和无人机的选择,将资源分配问题构建为一个随机博弈模型。再次,提出了一种基于图的近端策略优化算法来解决这一非凸且NP难的问题,旨在于降低计算复杂度的同时,保证延迟确定性并提高能效。最后,数值结果验证了所提方法的有效性。
2025年12期 v.58;No.408 1350-1355页 [查看摘要][在线阅读][下载 2577K] [下载次数:7 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:4 ] - 许里;邓伟华;李默嘉;王俊;
算力路由提供算力与网络资源的联合感知与调度功能,是算力网络研究的关键技术之一。随着当前智能应用需求逐步扩展延伸,在移动自组网中部署算力服务和解决算力路由问题的需求日益凸显。在总结现有固定网络的算力路由技术进展的基础上,针对移动自组织网络的特征设计了一种完全分布式的算力路由框架,该框架设计了在移动自组织网络资源感知调度的基础上融入算力资源感知调度的解决方案。在该框架基础上,对轻量化服务资源感知和资源联合调度这两项关键技术的具体实现途径进行了说明。
2025年12期 v.58;No.408 1356-1362页 [查看摘要][在线阅读][下载 966K] [下载次数:16 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:6 ] - 郭良栋;王光霁;
随着工业物联网和B5G/6G的快速发展,在保障低时延的同时维持信息年龄(AoI)的新鲜度已成为一个重要挑战。在异构无线网络中,不同类型的节点对此各有侧重,电网节点(即连接电网的常规通信节点)更强调低时延,而能量采集(EH)节点受限于能量供给,更需要保证AoI。因此,在共享信道中协同优化这两类节点的AoI与时延性能成为亟待解决的问题。为此,基于排队论与马尔可夫链构建了电网节点与EH节点的系统模型,推导了电池稳态分布、传输成功率和服务率,并基于再生过程理论给出EH节点AoI的闭式表达式,同时分析了电网节点的平均时延。结果表明:EH节点的Ao I对能量到达率和传输概率高度敏感,电网节点提高发送概率虽能降低自身时延,却会导致EH节点AoI恶化;多分组接收机制能够缓解干扰,使性能趋于稳定。研究揭示了异构节点共享信道下的耦合关系,可以为能量受限系统的设计提供参考。
2025年12期 v.58;No.408 1363-1369页 [查看摘要][在线阅读][下载 2163K] [下载次数:10 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 江洁;乔峤;张千;王若贝;
随着云原生技术和网管业务的持续发展,越来越多的运营商能力注册在应用程序接口(API)网关系统,以统一管理和运维,因此一个关键业务的请求,需要跨越多个南向系统。传统监控工具依赖人工分析、网关配置以及传统智能分析,无法有效整合应用层、系统层、网络层、资源层等多维度数据,无法从全业务流量链路上有效定位问题,难以掌握全局的运维情况,导致故障定位不及时、不准确,主动观测能力差。为了解决该问题,提出了一个基于大语言模型的多智能体API网关可观测监控系统。首先基于API网关系统的可观测数据和大语言模型构建任务智能体、数据智能体、评估智能体、诊断智能体及专家智能体,其次利用不同智能体之间的分工协作、反馈优化,构建端到端全景观测辅助决策分析,实现对API网关的全方位实时监控以及故障检测自愈。
2025年12期 v.58;No.408 1370-1376页 [查看摘要][在线阅读][下载 1018K] [下载次数:30 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:3 ]