Base station power optimization for green networks using reinforcement learning
Çevreci yeni nesil ağlarda pekiştirmeli öğrenme kullanarak güç optimizasyonu yapılması
- Tez No: 577605
- Danışmanlar: DR. ÖĞR. ÜYESİ HANDE ALEMDAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Yeni nesil mobil ağlar; yüksek veri hızı, çok düşük gecikme süresi ve yüksek bağlantı yoğunluğunu gereksinimlerini sağlamak zorundadır. Bu gereksinimleri karşılamak için, baz istasyonu sayısının artması gerekmektedir ve bu artış enerji tüketimi sorununu ön plana çıkartacaktır. Bu nedenle yeni nesil mobil ağlarda çevreci yaklaşımlar önem kazanacaktır. Hizmet kalitesini düşürmeden enerji tasarrufu sağlayarak çevreci ağ modelleri geliştirmek çözülmesi zor bir problemdir. Bu problemi çözmek için ağ simülasyonu üzerinde eğitilmiş makine öğrenimi modeli öneriyoruz. Modelimizi, pekiştirmeli öğrenme algoritmalarından biri olan deep deterministic policy gradient algoritmasını kullanarak geliştirdik. Model, zaman içerisinde baz istasyonlarının aktarım güçlerini güncelleyerek paketlerin optimum güç seviyesinde iletilmesini sağlar. Pekiştirmeli öğrenme modeli, dinamik ağ ortamındaki değişen durumları sürekli olarak öğrenmemize ve yeni durumlara adapte olmamıza olanak sağlar. Böylece daha sağlam ve gerçekçi bir akıllı ağ yönetimi politikası belirlenir. Sonuçlarımız, yoğun senaryoda %32 ve seyrek senaryoda %67 oranında enerji verimliliğinin arttırılabileceğini göstermektedir.
Özet (Çeviri)
The next generation mobile networks have to provide high data rates, extremely low latency, and support high connection density. To meet these requirements, the number of base stations will have to increase and this increase will lead to an energy consumption issue. Therefore ``green'' approaches to the network operation will gain importance. Reducing the energy consumption of base stations is essential for going green and also it helps service providers to reduce operational expenses. However, achieving energy savings without degrading the quality of service is a huge challenge. In order to address this issue, we propose a machine learning based intelligent solution that also incorporates a network simulator. We develop a reinforcement based learning model by using deep deterministic policy gradient algorithm. Our model update frequently the policy of network switches in a way that, packet be forwarded to base stations with an optimized power level. The policies taken by the network controller are evaluated with a network simulator to ensure the energy consumption reduction and quality of service balance. The reinforcement learning model allows us to constantly learn and adapt to the changing situations in the dynamic network environment, hence having a more robust and realistic intelligent network management policy set. Our results demonstrate that energy efficiency can be enhanced by 32% and 67% in dense and sparse scenarios, respectively.
Benzer Tezler
- Self-organized network management model for next generation wireless heterogeneous systems
Yeni nesil kablosuz çoktürel sistemlerde kendini düzenleyen ağ yönetim modeli
ÖZGÜR UMUT AKGÜL
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BERK CANBERK
- Green networking: From conventional to next generation heterogeneous cellular networks
Geleneksel ağlardan yeni nesil çoktürel hücresel ağlara yeşil iletişim
MEHMET AYKUT YİĞİTEL
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEM ERSOY
YRD. DOÇ. DR. ÖZLEM DURMAZ İNCEL
- Simultaneous wireless information and power transfer forenergy efficient massive mimo
Enerji verimli massif mimo için simülsü kablosuz bilgi ve güç aktarım
MUHAMMAD SHAHZAIB MUNIR
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OĞUZ BAYAT
- Kablosuz algılayıcı ağlarda yaşam süresi enbüyüklemesi için gezgin baz istasyonu konumlandırma eniyilemesi
Mobile base station position optimization for network lifetime maximization in wireless sensor networks
ÖMER ÇAYIRPUNAR
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ESRA KADIOĞLU ÜRTİŞ
DOÇ. DR. BÜLENT TAVLI
- Simulation based lora base station placement optimization for smart city scenarios
Akıllı şehir senaryoları için benzetim tabanlı lora baz istasyonu konumlandırma optimizasyonu
GÖRKEM KARADENİZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEM ERSOY
ÖĞR. GÖR. SİNAN IŞIK