面向蜂窝网络切换参数配置的自邻居分组图神经网络
网络与互联网体系结构
2023-03-01 v2 机器学习
摘要
由蜂窝网络实现的移动通信是我们现代社会的主要基础之一。优化蜂窝网络性能并提供具有改善覆盖和用户体验的大规模连接，对日常生活具有显著的社会和经济影响。该性能严重依赖于网络参数的配置。然而，随着蜂窝网络规模和复杂性的大幅增加，网络管理尤其是参数配置正变得复杂。当前主要依赖专家先验知识的做法并不充分，且将需要大量领域专家和高昂的维护成本。在这项工作中，我们提出了一种基于学习的切换参数配置框架。此情况下的关键挑战是处理相邻小区之间复杂的依赖关系并联合优化整个网络。我们的框架通过两种方式应对该挑战。首先，我们引入一种新颖方法来模拟网络对不同网络状态和参数值的响应，称为自分组图卷积网络（AG-GCN）。在参数配置阶段，我们设计了一种局部多目标优化策略，而非求解全局优化问题，其中每个小区考虑若干局部性能指标以平衡自身性能与其邻居的性能。我们使用基于真实网络数据构建的模拟器评估了所提算法。我们证明，我们的模型所能找到的切换参数相比专家推荐的参数以及替代基线实现了更好的平均网络吞吐量，从而带来更好的网络质量和稳定性。它有潜力大幅降低人工专家干预和维护所产生的成本。
引用
@article{arxiv.2301.03412,
title = {Neighbor Auto-Grouping Graph Neural Networks for Handover Parameter Configuration in Cellular Network},
author = {Mehrtash Mehrabi and Walid Masoudimansour and Yingxue Zhang and Jie Chuai and Zhitang Chen and Mark Coates and Jianye Hao and Yanhui Geng},
journal= {arXiv preprint arXiv:2301.03412},
year = {2023}
}