一种数字孪生辅助的虚拟网络功能资源预测和迁移方法

本发明涉及一种数字孪生辅助的虚拟网络功能资源预测和迁移方法，属于移动通信领域。其包括：建立AMT‑DMG时空融合预测模型对VFN的资源需求进行预测，其中，通过基于注意力的多尺度时间卷积网络TCN和基于距离的多头图注意力网络GAT分别提取时空特征并融合得到VNF的资源需求预测结果；在训练过程中，将基于可信度加权的群体学习框架嵌入至预测模型中，通过共享每个VDT节点处的预测模型的训练参数加速训练模型的收敛；根据VNF资源需求的预测结果的采用多智能体近端策略优化算法求解出以最大化系统QoS为优化目标的迁移策略。本发明能在保证QOS要求约束下降低VNF的迁移概率，有效降低迁移所需成本以及网络能耗。