网络切片作为5G的关键技术,使5G网络能够灵活高效地满足各种业务的异构需求。在“切片即服务”商业模式下,服务提供商需为用户提供满足要求的网络切片以此获利。因此,服务提供商需要充分利用有限的网络资源提高自身收益。然而,网络切片的资源需求实际上是时变的,并非固定不变。而且,不同场景的网络切片关注的网络性能大相径庭,对各种网络资源的需求不尽相同。因此,时变且异构的网络资源需求给服务提供商进行网络切片资源调度带来了巨大的挑战。面对异构的网络切片请求,本文提出了一个网络切片调度系统SLA-NS,针对资源需求时变的特点充分利用网络资源,在保证服务水平协议（Service Level Agreement,SLA）的前提下提高请求接受率并最大化服务提供商收益。SLA-NS系统中主要模块有网络切片定价、网络切片资源分配、网络切片接入控制以及网络切片实例化与配置。本文为前三个模块设计了相应的算法。本文的网络切片定价为动态资源分配保留了余地。网络切片定价模块需对不同质量的网络切片进行最优定价。针对该问题,本文将服务提供商和用户群体的交互过程建模为双层博弈模型,通过Stackelberg均衡解求解最佳价格,从而优化服务提供商收益。针对网络切片资源分配,本文设计了基于需求预测的网络切片资源分配算法,提高了资源利用率。针对网络切片服务中资源分配要求,本文设计了带预测偏好的网络切片资源需求预测器。该预测器使用编解码结构的长短期记忆网络模型预测网络切片未来的资源需求,并在网络模型训练时采用非对称的损失函数以避免预测值低于需求值的情况。本文提出的资源分配算法使用该预测器预测各个网络切片每个时隙的资源需求,从而实现资源动态分配。针对网络切片接入控制,本文设计了两种跨时间窗的网络切片接入控制算法,提高了网络切片请求接受率。这两种算法分别是基于强化学习的网络切片接入控制算法和基于统计复用的网络切片接入控制算法。前者利用深度强化学习实现接入控制自主决策,后者则利用网络切片的资源需求统计信息以统计复用的方式实现网络切片超额预定。二者均能在保证SLA的前提下充分利用网络资源,从而提高请求接受率和服务提供商收益。针对以上各环节算法的仿真实验表明,本文提出的各个算法相关性能指标均优于对比算法,从而使得SLA-NS系统在保证SLA的前提下提高了资源利用率和服务提供商收益。