論文の概要: On Topology Optimization and Routing in Integrated Access and Backhaul
Networks: A Genetic Algorithm-based Approach
- arxiv url: http://arxiv.org/abs/2102.07252v1
- Date: Sun, 14 Feb 2021 21:52:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-16 15:14:52.058712
- Title: On Topology Optimization and Routing in Integrated Access and Backhaul
Networks: A Genetic Algorithm-based Approach
- Title（参考訳）: 遺伝的アルゴリズムに基づく統合アクセス・バックホールネットワークにおけるトポロジー最適化とルーティングについて
- Authors: Charitha Madapatha, Behrooz Makki, Ajmal Muhammad, Erik Dahlman,
Mohamed-Slim Alouini, Tommy Svensson
- Abstract要約: IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。
我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。
メッシュベースのIABネットワークを実現する上での課題について論じる。
- 参考スコア（独自算出の注目度）: 70.85399600288737
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we study the problem of topology optimization and routing in
integrated access and backhaul (IAB) networks, as one of the promising
techniques for evolving 5G networks. We study the problem from different
perspectives. We develop efficient genetic algorithm-based schemes for both IAB
node placement and non-IAB backhaul link distribution, and evaluate the effect
of routing on bypassing temporal blockages. Here, concentrating on millimeter
wave-based communications, we study the service coverage probability, defined
as the probability of the event that the user equipments' (UEs) minimum rate
requirements are satisfied. Moreover, we study the effect of different
parameters such as the antenna gain, blockage and tree foliage on the system
performance. Finally, we summarize the recent Rel-16 as well as the upcoming
Rel-17 3GPP discussions on routing in IAB networks, and discuss the main
challenges for enabling mesh-based IAB networks. As we show, with a proper
network topology, IAB is an attractive approach to enable the network
densification required by 5G and beyond.
- Abstract（参考訳）: 本稿では,5gネットワークを進化させる有望な手法の1つとして,iab(integrated access and backhaul)ネットワークにおけるトポロジー最適化とルーティングの問題について検討する。
我々は問題を異なる観点から研究する。
我々は,IABノード配置と非IABバックホールリンク分布の両方に対する効率的な遺伝的アルゴリズムベースのスキームを開発し,時間的ブロックをバイパスする経路の効果を評価する。
ここではミリ波通信に集中して,ユーザ機器(UE)の最小レート要件が満たされる事象の確率として定義されるサービスカバレッジ確率について検討する。
さらに,アンテナゲイン,ブロック,木の葉といった異なるパラメータがシステム性能に及ぼす影響について検討した。
最後に、最近の Rel-16 と、今後の IAB ネットワークのルーティングに関する Rel-17 3GPP の議論を要約し、メッシュベースの IAB ネットワークを実現する上での大きな課題について論じる。
私たちが示すように、適切なネットワークトポロジを持つIABは、5G以上のネットワーク密度化を実現するための魅力的なアプローチです。
関連論文リスト
- Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna
Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。
本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。
シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文 参考訳（メタデータ） (2023-01-20T17:06:34Z) - Constrained Deployment Optimization in Integrated Access and Backhaul
Networks [0.0]
IABネットワークのカバレッジに対するデプロイメント最適化の効果について検討する。
様々なミリ波(mmWave)ブロッキングを意識した配置最適化手法を提案する。
その結果,デプロイメントの最適化に制限があるにもかかわらず,ネットワーク計画によってIABネットワークのカバレッジが大幅に向上することが示唆された。
論文 参考訳（メタデータ） (2022-10-11T08:31:07Z) - An NWDAF Approach to 5G Core Network Signaling Traffic: Analysis and
Characterization [3.5573601621032935]
本稿では,5G Core(5GC)ネットワークとNetwork Data Analytics Function(NWDAF)の動作システムプロトタイプの実証に焦点をあてる。
ネットワーク生成データの解析は、教師なし学習、クラスタリングを通じてネットワーク内相互作用の中核を探索し、これらの結果を将来の機会と作業の洞察として評価する。
論文 参考訳（メタデータ） (2022-09-21T15:21:59Z) - Learning Resilient Radio Resource Management Policies with Graph Neural
Networks [124.89036526192268]
我々は、ユーザ当たりの最小容量制約でレジリエントな無線リソース管理問題を定式化する。
有限個のパラメータ集合を用いてユーザ選択と電力制御ポリシーをパラメータ化できることを示す。
このような適応により,提案手法は平均レートと5番目のパーセンタイルレートとの良好なトレードオフを実現する。
論文 参考訳（メタデータ） (2022-03-07T19:40:39Z) - IoV Scenario: Implementation of a Bandwidth Aware Algorithm in Wireless
Network Communication Mode [49.734868032441625]
本稿では,マルチドメイン仮想ネットワーク埋め込みアルゴリズム(BA-VNE)を提案する。
このアルゴリズムは主に、ユーザが無線通信モードで多くの帯域幅を必要とする問題を対象としている。
本アルゴリズムの性能向上のために,粒子群最適化(PSO)アルゴリズムを導入する。
論文 参考訳（メタデータ） (2022-02-03T03:34:06Z) - Packet Routing with Graph Attention Multi-agent Reinforcement Learning [4.78921052969006]
我々は強化学習(RL)を利用したモデルフリーでデータ駆動型ルーティング戦略を開発する。
ネットワークトポロジのグラフ特性を考慮すると、グラフニューラルネットワーク(GNN)と組み合わせたマルチエージェントRLフレームワークを設計する。
論文 参考訳（メタデータ） (2021-07-28T06:20:34Z) - Scalable Deep Reinforcement Learning for Routing and Spectrum Access in
Physical Layer [12.018165291620164]
無線アドホックネットワークにおける同時ルーティングとスペクトルアクセスのための新しい強化学習手法を提案する。
単一のエージェントは、各フローのフロンティアノードに沿って移動すると、すべてのルーティングとスペクトラムアクセスの決定を行います。
提案した深層強化学習戦略は,リンク間の相互干渉を考慮できる。
論文 参考訳（メタデータ） (2020-12-22T01:47:20Z) - Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。
本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-23T19:00:01Z) - Cascade Network with Guided Loss and Hybrid Attention for Two-view
Geometry [32.52184271700281]
本稿では,損失とFn値の直接負の相関関係を確立するためのガイド付き損失を提案する。
次に,特徴抽出のためのハイブリットアテンションブロックを提案する。
実験により,我々のネットワークは,ベンチマークデータセットの最先端性能を達成することが示された。
論文 参考訳（メタデータ） (2020-07-11T07:44:04Z) - Wireless Power Control via Counterfactual Optimization of Graph Neural
Networks [124.89036526192268]
本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。
コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。
次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
論文 参考訳（メタデータ） (2020-02-17T07:54:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。