Estratégia Conjunta para Associação de Usuários e Alocação de Recursos em Redes Móveis de Próxima Geração

• Matheus Alves Unifesspa
• Gustavo Broechl Unifesspa
• Luna Loyolla Unifesspa
• Warley Junior Unifesspa
• Marcela Alves Unifesspa / UEPA
• Hugo Kuribayashi Unifesspa

DOI: https://doi.org/10.5753/wperformance.2024.2917

Resumo

Este estudo apresenta uma abordagem baseada em Aprendizagem por Reforço (AR) para otimizar a orquestração dos mecanismos User Association and Resource Allocation (UARA) em redes móveis heterogêneas de próxima geração, com foco na maximização da satisfação dos usuários. A estratégia proposta visa aprimorar a eficiência destas redes, superando desafios operacionais por meio de algoritmos adaptativos e centrados no usuário. Os resultados indicam que a aplicação estratégica de algoritmos de AR pode proporcionar melhorias significativas em relação a métodos tradicionais, como Max-SINR e Cell Range Expansion (CRE), atingindo mais de 90% de satisfação de User Equipaments (UEs), destacando a relevância dessa pesquisa para o cenário das redes de comunicações futuras.

Referências

3GPP TR 36.814 V9.0.0 (2010). Evolved Universal Terrestrial Radio Access (E-UTRA); Further advancements for E-UTRA physical layer aspects (Release 9). 3GPP.

Alhashimi, H. F. et al. (2023). A Survey on Resource Management for 6G Heterogeneous Networks: Current Research, Future Trends, and Challenges. Electronics, 12(3).

Gomez, C. A., Shami, A., and Wang, X. (2018). Machine Learning Aided Scheme for Load Balancing in Dense IoT Networks. Sensors, 18(11).

Jayaraman, R. et al. (2023). Effective Resource Allocation Technique to Improve QoS in 5G Wireless Network. Electronics, 12(2).

Kim, D. U. et al. (2023). Resource Allocation and User Association Using Reinforcement Learning via Curriculum in a Wireless Network with High User Mobility. In 2023 International Conference on Information Networking (ICOIN), pages 382–386.

Kuribayashi, H. P. et al. (2020). Particle Swarm-Based Cell Range Expansion for Heterogeneous Mobile Networks. IEEE Access, 8:37021–37034.

Labana, M. and Hamouda, W. (2020). Joint User Association and Resource Allocation in CoMP-Enabled Heterogeneous CRAN. In GLOBECOM 2020 2020 IEEE Global Communications Conference, pages 1–6.

Mahbub, M. et al. (2021). Maximizing the Probability of User Association of a Tier of a Multi-Tier Heterogeneous Network by Optimal Resource Allocation. In 2021 Emerging Technology in Computing, Commun. and Electronics (ETCCE), pages 1–6.

Paixão, E. R. et al. (2023). Multilayer Framework for Resource Orchestration in Next Generation Networks. Journal of Communication and Information Systems, 38:1–8.

Raffin, A. et al. (2021). Reliable Reinforcement Learning Implementations. Journal of Mach. Learning Research, 22(268):1–8.

Zhang, L. et al. (2019). 6G Visions: Mobile Ultra-broadband, Super Internet-of-Things and Artificial Intelligence. China Communications, 16(8):1–14.

Zhao, N. et al. (2019). Deep Reinforcement Learning for User Association and Resource Allocation in Heterogeneous Cellular Networks. IEEE Transactions on Wireless Communications, 18(11):5141–5152.