基于图注意力网络的数字孪生辅助 mmWave IAB 网络弹性规划
网络与互联网体系结构
2025-09-17 v1
摘要
数字孪生技术通过创建物理系统的精确虚拟副本，实现了复杂网络基础设施的实时监控与优化。在毫米波5G/6G网络中，集成接入与回程节点的部署面临着高度动态的城市环境，需要智能的数字孪生优化框架。传统的 IAB 部署优化方法在联合优化覆盖、连通性和弹性时面临组合复杂性的困难，往往导致易受网络中断影响的次优解。基于此考虑，我们提出了一种基于图注意力网络 v2 (GATv2) 的强化学习方法，用于城市毫米波网络中的弹性 IAB 部署。具体而言，我们将部署问题表述为带有显式弹性约束的马尔可夫决策过程，并采用边条件化的 GATv2 来捕捉异构节点类型与动态连通性模式之间的复杂空间依赖。注意力机制使模型能够聚焦于关键部署位置，以最大化覆盖范围并通过冗余回程连接确保容错性。为解决毫米波链路的固有脆弱性，我们使用近端策略优化训练 GATv2 策略，并在覆盖、成本和弹性之间实现了精心设计的平衡。在三种城市场景下的综合仿真表明，我们的方法实现了 98.5-98.7% 的覆盖率，所需节点比基线方法少 14.3-26.7%，同时在 30% 链路故障下仍保持 87.1% 的覆盖率保留率，容错性较 SOTA 方法提升了 11.3-15.4%。
引用
@article{arxiv.2509.12499,
title = {Digital Twin-Assisted Resilient Planning for mmWave IAB Networks via Graph Attention Networks},
author = {Jie Zhang and Mostafa Rahmani Ghourtani and Swarna Bindu Chetty and Paul Daniel Mitchell and Hamed Ahmadi},
journal= {arXiv preprint arXiv:2509.12499},
year = {2025}
}
备注
6 pages