简介： 本发明涉及一种基于联邦学习双向GRU资源需求预测的VNF迁移方法，属于移动通信技术领域。该方法包括：S1：在网络切片场景下，考虑时变网络流量引起的VNF迁移问题和对VNF的资源需求缺乏预测引起的VNF迁移时延问题，采用FedBi‑GRU算法预测VNF的资源需求；S2：根据资源需求预测结果，计算物理节点的资源利用率，判定网络系统中资源使用过载或者资源使用轻载的物理节点，通过VNF迁移，在保证网络性能的同时实现系统能耗优化和负载均衡；S3：采用DPPO的深度强化学习方法得到VNF迁移的最优决策。本发明能减少虚拟网络功能的迁移次数并降低网络系统能耗，可以保证网络系统的负载均衡。