Découpage de réseau dans les réseaux B5G à l’aide du jumeau numérique : Une approche axée sur l’expérience
Abstract or Summary
Le découpage du réseau est considéré comme un pilier prometteur de la gestion efficace des ressources dans les réseaux au-delà de la 5G (B5G). Cependant, les caractéristiques dynamiques et complexes des futurs réseaux posent des défis dans la conception de nouvelles techniques d’allocation des ressources en raison des exigences strictes en matière de qualité de service (QoS) et des infrastructures de réseau virtualisées. Pour résoudre ce problème, nous proposons un cadre de réseau Q distributionnel profond (DDQN) basé sur un jumeau numérique (DT) qui construit un miroir numérique du réseau physique basé sur le découpage pour simuler son environnement complexe et prédire les caractéristiques dynamiques du réseau. La DT du découpage du réseau est exprimée sous la forme d’un graphique, et un réseau neuronal graphique (GNN) est développé pour apprendre les relations complexes du découpage du réseau. Les états du réseau basés sur le graphe sont transmis à l’agent DDQN pour qu’il apprenne la politique optimale de découpage du réseau. Des simulations démontrent que la technique proposée peut satisfaire aux exigences strictes en matière de qualité de service et atteindre des performances quasi optimales dans un réseau B5G dynamique.
