FAMAC：一种用于 5G 及更先进网络中安全节能的联邦辅助改进 actor-critic 框架
系统与控制
2025-02-19 v2 系统与控制
摘要
蜂窝网络流量需求的持续增长导致网络容量不断扩展，以满足现有及新的业务需求。这引发了 5G 及更先进网络中超密集基站部署，从而导致网络能耗增加。因此，必须以这样一种方式运营这些超密集基站部署：使网络能耗能够适应网络上的时空流量需求，从而最小化网络总体能耗。为实现这一目标，我们利用两种人工智能算法——联邦学习（federated learning）和 actor-critic 算法——开发了一种主动且智能的基站开关框架，该框架能够学习超密集异构网络（UDHN）中小基站的运行策略，从而在满足服务质量（QoS）约束的同时实现网络最大节能。性能评估显示，所提出的框架在遵守网络 QoS 约束的情况下，可实现比最先进（SOTA）解决方案高出约 77% 的节能效果。
引用
@article{arxiv.2311.14509,
title = {FAMAC: A Federated Assisted Modified Actor-Critic Framework for Secured Energy Saving in 5G and Beyond Networks},
author = {Attai Ibrahim Abubakar and Michael S. Mollel and Metin Ozturk and Naeem Ramzan},
journal= {arXiv preprint arXiv:2311.14509},
year = {2025}
}
备注
16 pages, 24 figures, 4 tables, Accepted for publication in IEEE Transactions in Vehicular Technology