Reinforcement learning based handover mechanism for next generation mobile communication systems
Yeni nesil mobil haberleşme sistemleri için pekiştirmeli öğrenme ile aktarım mekanizması
- Tez No: 792606
- Danışmanlar: PROF. DR. TUNA TUĞCU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Yeni nesil mobil haberleşme ağları, yeni hizmet ve ihtiyaçları karşılamak için, milimetrik dalga kullanımları, bulut tabanlı mimariler ve yeni akıllı algoritmalar gibi kritik kolaylaştırıcı teknolojiler üzerine kurulmaktadır. RRM (“Radio Resource Management”- Radyo Kaynakları Yönetimi) uygulamaları bu yeni nesil ağlar için önemli bir araştırma alanıdır. Bu tezde, CMAB (“Contextual Multi-Armed Bandit”- Bağlamsal Çok Kollu Haydut) algoritması konsepti ve O-RAN (“Open Radio Network”- Açık Radyo Ağı) mimarisi dikkate alınarak pekiştirmeli öğrenmeye dayalı bir HO (“Handover”- aktarım) mekanizması tasarlanmıştır ve algoritmaya CHARM (“CMAB-Based Handover Algorithm in Reinforcement Mechanism”- Pekiştirme Mekanizmasında CMAB Tabanlı Aktarım Algoritması) ismi verilmiştir. Kullanıcı ekipmanlarının hareket hızı ve hizmet veren baz istasyonunun sinyal-parazit artı gürültü oranı (SINR), algoritma için bağlam bilgisi olarak değerlendirilmektedir. Önerilen algoritma, 3. Nesil Ortaklık Projesinin (3GPP) geleneksel algoritması ve literatürdeki rakip bir pekiştirmeli öğrenme algoritması ile UMa (“Urban Macro”- Şehiriçi Makro), UMi (“Urban Micro”- Şehiriçi Mikro) yayılımı ve harita üzerindeki farklı yoğunluklardaki baz istasyonu ile engel sayıları gibi kanal koşulları altında karşılaştırılmıştır. Sonuçlar, önerdiğimiz algoritmanın ortalama bilgi iletim hızı için her kanal koşulunda geleneksel 3GPP aktarım algoritmasından ve rakip algoritmadan daha iyi performans ile çalıştığını göstermektedir. Ayrıca simülasyon sonuçlarından önerdiğimiz algoritmanın ortalama aktarım sayıları için de oldukça rekabetçi bir algoritma olduğu görülmektedir.
Özet (Çeviri)
Next-generation mobile communication networks have been established on critical enabling technologies such as millimeter-wave usage, cloud-native architectures, and new intelligent algorithms to meet the increasing demands of new services and requirements. One important research area for the new generation of networks is Radio Resource Management (RRM) applications. In this thesis, a reinforcement learning-based handover (HO) mechanism is designed by the concept of Contextual Multi-Armed Bandit (CMAB) algorithm named CHARM (CMAB-Based Handover Algorithm in Reinforcement Mechanism) and considering Open-Radio Access Network (O-RAN) architecture. The speed of user equipment (UE) and Signal-to-Interference-plus-Noise Ratio (SINR) of the serving Base Station (BS) parameters are evaluated as the context information for the algorithm. The proposed algorithm is compared with the traditional algorithm of 3rd Generation Partnership Project (3GPP) and a rival reinforcement algorithm in the literature under different channel conditions such as Urban Macro (UMa), Urban Micro (UMi) propagation, and different intensities of BS and obstacles on the map. The results show that our algorithm outperforms the traditional 3GPP HO algorithm and the rival algorithm for average information rate under every channel condition. According to the simulations, it is also highly competitive for average HO numbers.
Benzer Tezler
- Resilient ultra dense networks under UAV coverage for disaster management
Afet yönetiminde İHA'lar ile dayanıklı ultra yoğun ağlar
ELİF BOZKAYA
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Resource allocation in vehicular edge computing networksbased on deep reinforcement learning
Araç uç bilişiminde derin pekiştirmeli öğrenmeye dayalıkaynak tahsisi
HOMA MALEKI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- A load balancing method for cellular networks: Mobility-aware reinforcement learning
Hücresel ağlar için yük dengeleme yöntemi: Hareketlilik bilincine sahip takviyeli öğrenme
SERKAN BUHURCU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
DR. LEVENT ÇARKACIOĞLU
- Mobil nesnelerin interneti için yeni nesil hücresel ağ tabanlı ağ dilimleme
Next generation cellular network based network slicing for the mobile internet of things
WAFA HAMDI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN BULUT
PROF. DR. ORHAN DAĞDEVİREN
- Reinforcement learning based solution approaches to static and dynamic machine scheduling problems
Statik ve dinamik makine çizelgeleme problemlerine pekiştirmeli öğrenme tabanlı çözüm yaklaşımları
BEHİCE MELTEM KAYHAN
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiDokuz Eylül ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKALP YILDIZ