National and Kapodistrian University of Athens
5G/B5G Network Planning and Dimensioning via Reinforcement learning
Abstract
dc:descriptionΟι τηλεπικοινωνίες βρίσκονται σε μία τροχιά συνεχούς εξέλιξης, έχοντας φτάσει πλέον στην 5G και Beyond 5G εποχή, εισάγωντας καινοτομίες και περιθώρια ευελιξίας που δημιουργούν το πλαίσιο δραστηριοποίησης over-the-top (OTT) παρόχων, δηλαδή παρόχων που χρησιμοποιούν κοινόχρηστους πόρους των παροδοσιακών διανομέων δικτύου. Το πρόβλημα της διαστασιολόγης και του σχεδιασμού τηλεπικοινωνιακών δικτύων από μόνο του είναι ιδιαιτέρως πολύπλοκο, λόγω της πολυπαραγοντικότητας (πρέπει να λαμβάνονται υπόψη φυσικοί περιορισμοί, το ανάγλυφο, η κατανομή των χρηστών, η κάλυψη της περιοχής, οι διαθέσιμοι πόροι, το κόστος και πολλά άλλα). Στο ειδικό πρόβλημα της διαστασιολόγης και επιλογής των κατάλληλων πόρων για OTT παρόχους, το πρόβλημα εμφανίζει επιπλέον δυσκολίες, λόγω της δυναμικής διαθεσιμότητας των πόρων κατά τη διάρκεια της ημέρας, κάτι που καθιστά τις παραδοσιακές στατικές μεθόδους σχεδιασμού παρωχημένες και ωθεί σε χρήση αλγορίθμων μηχανικής μάθησης. Η παρούσα εργασία κάνει μία μελέτη για τις μεθόδους που έχουν προταθεί γενικότερα σε προβήματα σχεδιαασμού και διαστασιολόγησης, ως προς το επίπεδο των αλγορίθμων και των κριτηρίων, σε ένα εκτενές εύρος βιβλιογραφίας ξεκινώντας από την 4G εποχή και φτάνοντας έως και σήμερα. Κατόπιν, προτείνεται ένας αλγόριθμος ενισχυτικής μάθησης χάρη στην επιτυχία αυτής της κατηγορίας αλγορίθμων να ανταπεξέρχονται σε δυναμικά προβλήματα που δεν έχουν a-priori γνωστό αποτέλεσμα. Συγκεκριμένα, βασιζόμενοι σε μονέλα αποφάσεων Markov, συνδυαζόμενα με νευρωνικά δίκτυα, υλοποιημένα σε Python 3.10 λύνεται το πρόβλημα επιλογής υποσυνόλου σταθμών βάσης σε καθορισμένη γεωγραφική περιοχή, λαμβάνοντας υπόψη τους διαθέσιμους σταθμούς των παρόχων, τους πόρους των σταθμών, τη ραδιοκάλυψη, το κόστος και περιορισμούς της νομοθεσίας. Για την αξιολόγηση της χρησιμότητας του αλγορίθμου, επιλέχθηκε μία ενδεικτική περιοχή και 150 θεωρητικοί σταθμοί βάσης, υποσύνολο των οποίων πρέπει να χρηισμοποιηθεί για να εξυπηρετήσει περίπου 5000 χρήστες. Εφαρμόζοντας διαφορετικά κριτήρια και λύνοντας το ίδιο πρόβλημα πολλαπλές φορές για να επιβεβαιωθεί η αποτελεσματικότητα του αλγορίθμου, τα αριθμητικά αποτελέσματα δείχνουν ότι η προτεινόμενη μέθοδος είναι επιτυγχάνει το επιθυμητό, καθώς: • επιλέγει ένα αρκετά μικρότερο υποσύνολο σταθμών (περίπου το 30%) • βελτιώνει το κόστος επιλογής κατά περίπου 20% • αποφεύγει μη επιτρεπτές τοποθεσίες σταθμών βάσης με βάση την ισχύουσα νομοθεσία
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΚΟΥΚΟΥΒΙΝΗ ΙΡΙΣ ΕΙΡΗΝΗ
- KOUKOUVINI IRIS EIRINI
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5308977