一、项目描述
       下一代通信网络需要提供前所未有的通信服务内容，强调人机深度交互，支撑工业互联网、车联网、先进制造、虚拟现实等非传统应用场景。人机物混合接入网络将使得无线网络的接入设备更加多样化。不同接入设备对网络业务需求的巨大差异使得网络的复杂度以及异构性都大幅提高。传统基于特定模型的网络设计思想、实施架构将难以满足多样化的业务应用场景。这些变化更进一步提高了网络优化问题的难度，并向系统设计的各个方面提出新挑战。

二、主要痛点
       新的应用场景和需求为下一代智能通信网络的资源调度与数据分析带来了以下挑战： 1）如何在大数量物联网终端的通信速率需求、时延限制、可靠性、与有限的能量等非凸约束下，实现高效的数据采集、大规模通信资源调度与管理； 2）如何在保护用户数据隐私下，利用物联网大数据实现多样的无线智能应用，以实现高效、安全的边缘AI任务；   3）在复杂、动态的无线环境中，如何对时空大数据进行建模，對高密度异构蜂窝网絡实现大规模资源调度?

三、解决方案
       本项目拟通过对大规模优化理论和人工智能的深度结合，面向万物联网、边缘AI、与大规模异构蜂窝网等三个典型场景，提出面向未来智能网络的资源管理与系统创新的基础理论与算法。 
具体包括：
    （1）应用于物联网数据采集与传输的大规模约束非凸资源管理算法；
    （2）应用于边缘AI的分布式资源调度与学习算法；与
    （3）应用于异构蜂窝网的大规模资源调度算法。

四、主要贡献/价值
       本项目旨在构建面向未来智能网络的资源管理与系统优化的基础理论体系，并提出工程易实现、性能有保障的资源管理与系统优化算法。本项目所提出一系列算法将能应用于物联网、边缘AI、以及大规模异构蜂窝等三大未来网络的主要场景，通过先进的资源管理方案，提升现网的整体负载能力和用户体验，使能工业互联网、车联网、先进制造、虚拟现实等新兴应用和垂直行业，有望让运营商的以更高的资源利用率运营网络，并创造更大的利润。

五、下一步计划
       进一步完善所提出的网络资源管理算法，并在“未来网络系统优化创新实验室”所搭建的校园试验网中部署部分算法以验证算法的性能，争取部分算法能在现网中落地使用。

六、合作伙伴
       无

七、团队成员
       张纵辉、史清江、程磊、朱光旭、李洋