受人工智能启发的无线网络自部署
网络与互联网体系结构
2018-05-17 v1
摘要
在本文中，我们提出一种自部署方法，用于寻找扩展器的最优放置位置，其中扩展器的无线回程与前程吞吐量均得到优化。我们提出一种人工智能（AI）案例推理（CBR）框架，实现自主自部署，使网络能够通过感知与认知来学习环境。新动作（即扩展器位置）由特定问题的优化与半监督学习算法生成，这些算法平衡了搜索空间的探索与利用。我们进行了符合IEEE 802.11标准的仿真，以大规模评估该框架，并将其性能与现有常规覆盖最大化方法进行比较。还在企业环境中进行了实验评估，以证明所提AI框架在感知此类密集场景并推理实现用户服务质量（QoS）的扩展器部署方面的能力。实现了吞吐量公平性与无处不在的QoS满足，为在无线网络中应用AI驱动的自部署提供了跨越。
引用
@article{arxiv.1805.06217,
title = {Artificial Intelligence Inspired Self-Deployment of Wireless Networks},
author = {Erma Perenda and Ramy Atawia and Haris Gacanin},
journal= {arXiv preprint arXiv:1805.06217},
year = {2018}
}
备注
15 pages, 12 figures, under review - IEEE TCOM