論文の概要: A Multi-Armed Bandit Framework for Online Optimisation in Green Integrated Terrestrial and Non-Terrestrial Networks

• arxiv url: http://arxiv.org/abs/2506.09268v1
• Date: Tue, 10 Jun 2025 22:06:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.114995
• Title: A Multi-Armed Bandit Framework for Online Optimisation in Green Integrated Terrestrial and Non-Terrestrial Networks
• Title（参考訳）: グリーン統合地球・非地球ネットワークにおけるオンライン最適化のための多要素帯域幅フレームワーク
• Authors: Henri Alam, Antonio de Domenico, Tareq Si Salem, Florian Kaltenberger,
• Abstract要約: 統合地球・非地球ネットワーク(TN-NTN)アーキテクチャは、ネットワークのカバレッジの拡大と容量向上のための有望なソリューションを提供する。 マルチアームバンディット(MAB)の定式化とBandit-feedback Constrained Online Mirror Descent(BCOMD)アルゴリズムを利用した,TN-NTNアーキテクチャ統合のための新しいオンラインフレームワークを提案する。 提案手法は,ネットワーク容量とエネルギー効率のバランスをとるために,帯域幅割り当て,ユーザ機器アソシエーション(UE),マクロベースステーション(MBS)シャットダウンなどのキーシステムパラメータを適応的に最適化する。
• 参考スコア（独自算出の注目度）: 5.6405054075554055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrated terrestrial and non-terrestrial network (TN-NTN) architectures offer a promising solution for expanding coverage and improving capacity for the network. While non-terrestrial networks (NTNs) are primarily exploited for these specific reasons, their role in alleviating terrestrial network (TN) load and enabling energy-efficient operation has received comparatively less attention. In light of growing concerns associated with the densification of terrestrial deployments, this work aims to explore the potential of NTNs in supporting a more sustainable network. In this paper, we propose a novel online optimisation framework for integrated TN-NTN architectures, built on a multi-armed bandit (MAB) formulation and leveraging the Bandit-feedback Constrained Online Mirror Descent (BCOMD) algorithm. Our approach adaptively optimises key system parameters--including bandwidth allocation, user equipment (UE) association, and macro base station (MBS) shutdown--to balance network capacity and energy efficiency in real time. Extensive system-level simulations over a 24-hour period show that our framework significantly reduces the proportion of unsatisfied UEs during peak hours and achieves up to 19% throughput gains and 5% energy savings in low-traffic periods, outperforming standard network settings following 3GPP recommendations.
• Abstract（参考訳）: 統合地球・非地球ネットワーク(TN-NTN)アーキテクチャは、ネットワークのカバレッジの拡大と容量向上のための有望なソリューションを提供する。 非地球ネットワーク(NTN)は主にこれらの特定の理由から活用されているが、TNの負荷軽減とエネルギー効率の向上には比較的注意が払われている。 地上展開の密度化に関する懸念が高まる中で,本研究はNTNがより持続可能なネットワークをサポートする可能性を探究することを目的としている。 本稿では,マルチアームバンディット(MAB)の定式化とBandit-feedback Constrained Online Mirror Descent(BCOMD)アルゴリズムを利用した,TN-NTNアーキテクチャ統合のための新しいオンライン最適化フレームワークを提案する。 提案手法は,ネットワーク容量とエネルギー効率のバランスをとるために,帯域幅割り当て,ユーザ機器アソシエーション(UE),マクロベースステーション(MBS)シャットダウンなどのキーシステムパラメータを適応的に最適化する。 24時間にわたる大規模システムレベルのシミュレーションにより,ピーク時における不満足なUEの割合を著しく低減し,低トラヒック時において最大19%のスループット向上と5%の省エネを実現し,標準ネットワーク設定よりも優れた3GPPレコメンデーションを実現した。

関連論文リスト

• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Active RIS-Assisted URLLC NOMA-Based 5G Network with FBL under Jamming Attacks [5.715528540446773]
  有限ブロック長(FBL)条件下でのURLLC(Ultra-Reliable Low Communication)ネットワークにおける攻撃を妨害する課題に対処する。 エネルギー効率を高めるために, RIS (Re Reliable Intelligent Surfaces) を有効成分とする革新的なアプローチを導入する。 以上の結果から,RIS成分の数が4から400に増加することにより,SJNR比が13.64%向上することが示唆された。
  論文  参考訳（メタデータ） (2025-01-22T21:31:21Z)
• Multi-Agent Deep Reinforcement Learning for Resilience Optimization in 5G RAN [5.3807986199066375]
  本稿では,多エージェント深層強化学習に基づく高密度マルチセルネットワークのレジリエンスをグローバルに最適化し,この問題に対処することを目的とする。 具体的には,セルアンテナを動的に傾けて送信電力を再構成することで,障害を軽減し,カバー範囲とサービス可用性を向上することができる。
  論文  参考訳（メタデータ） (2024-07-25T14:19:59Z)
• Energy Efficiency Optimization for Subterranean LoRaWAN Using A Reinforcement Learning Approach: A Direct-to-Satellite Scenario [5.218556747366303]
  地下のLoRaWANと非地球ネットワーク(NTN)の統合は、経済的および社会的利益をもたらす。 Co-SF干渉を最小限に抑えるために、準直交拡散因子(SF)をエンドデバイスに効果的に割り当てることは依然として困難である。 システムのエネルギー効率を最適化するための強化学習(RL)に基づくSF割当方式を提案する。
  論文  参考訳（メタデータ） (2023-11-03T06:33:56Z)
• 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)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
  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。
  論文  参考訳（メタデータ） (2021-02-14T21:52:05Z)
• Cognitive Radio Network Throughput Maximization with Deep Reinforcement Learning [58.44609538048923]
  RF-CRN(Radio Frequency powered Cognitive Radio Networks)は、IoT(Internet of Things)などの最新のネットワークの目と耳である可能性が高い。 自律的と考えるには、RF駆動のネットワークエンティティは、ネットワーク環境の不確実性の下でネットワークスループットを最大化するために、ローカルで決定する必要がある。 本稿では,この欠点を克服し,無線ゲートウェイがネットワークスループットを最大化するための最適なポリシーを導出できるように,深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-07-07T01:49:07Z)
• Deep Learning for Radio Resource Allocation with Diverse Quality-of-Service Requirements in 5G [53.23237216769839]
  本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。 完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。 無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
  論文  参考訳（メタデータ） (2020-03-29T04:48:22Z)

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。