文献

J-GLOBAL ID：202202222969253343   整理番号：22A0906695

オープンランネットワークにおける資源割当のための自己プレイ学習戦略【JST・京大機械翻訳】

Self-play learning strategies for resource assignment in Open-RAN networks

著者 (7件)： Wang Xiaoyang (Department of Electrical and Electronic Engineering, University of Bristol, United Kingdom) ,  Thomas Jonathan D. (Department of Electrical and Electronic Engineering, University of Bristol, United Kingdom) ,  Piechocki Robert J. (Department of Electrical and Electronic Engineering, University of Bristol, United Kingdom) ,  Piechocki Robert J. (The Alan Turing Institute, United Kingdom) ,  Kapoor Shipra (BT, United Kingdom) ,  Santos-Rodriguez Raul (Department of Engineering Mathematics, University of Bristol, United Kingdom) ,  Parekh Arjun (BT, United Kingdom)
資料名： Computer Networks  (Computer Networks)
巻： 206  ページ： Null  発行年： 2022年 
JST資料番号： A0360B  ISSN： 1389-1286  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： オープン無線アクセスネットワーク(ORAN)は,将来のモバイルデータネットワークのアクセスとコストを下げて,大規模なIoTとURLLCのような様々なQoS要求を有するネットワークサービスをサポートするために,開発されている。ORANでは,ネットワーク機能性は遠隔ユニット(RU),分散ユニット(DU)および中央ユニット(CU)に分割され,これは商用Off-Shelf(COTS)展開の柔軟なソフトウェアを可能にする。さらに,将来の集中処理のための局所移動エッジ計算センターへの可変RU要求のマッピングは,セルラネットワークにおける電力消費を著しく低減する。本論文では,2Dビンパッキング問題としてモデル化したORANシステムにおけるRU-DU資源割当て問題を研究した。深層強化学習ベース自己再生方式を提案し,アルファGoゼロインスパイアードニューラルモンテカルロツリー探索(MCTS)を用いて,効率的なRU-DU資源管理を達成した。代表的2Dビンパッキング環境と実際のサイトデータに関する実験は,自己再生学習戦略が異なるネットワーク条件のために知的RU-DU資源割当てを達成することを示した。発見的仮想資源割当てアルゴリズム,Lego発見的アルゴリズムおよびMCTS方式を含むベースライン法と比較して,提案した方式は,資源利用効率に関して,5.70%から12.95%の間の性能利得を達成した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *ネットワーク ,  電力消費 ,  *資源割付 ,  モデリング ,  利得 ,  ソフトウェア ,  二次元 ,  携帯電話
準シソーラス用語： ネットワークサービス ,  発見的アルゴリズム ,  セルラーネットワーク ,  無線アクセスネットワーク ,  資源利用 ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (4件)： オープンラン ,  深層強化学習 ,  自己プレイ ,  資源割当

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 資源割当 ,  自己 ,  学習戦略