Apprentissage machine pour l'optimisation énergétique des réseaux cellulaires hétérogènes sans-fil : une approche bandit à bras multiples - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Apprentissage machine pour l'optimisation énergétique des réseaux cellulaires hétérogènes sans-fil : une approche bandit à bras multiples

Résumé

A machine learning algorithm is proposed in this paper to improve the energy efficiency (EE) of the heterogeneous cellular networks. The strategy aims at learning what is the optimal base stations (BS) configuration, i.e. ON or OFF, maximizing EE of the network. First, we formulate the traffic load variations as a Markov decision process (MDP), and present an algorithm from the upper confidence bound (UCB) class based on multi-armed bandit (MAB) theory to learn the best deployment of BS. Moreover, to cope with initial reward loss due to the variation of the load, a transfer learning (TL) framework for MAB, which benefits from the transferred knowledge observed in historical periods, is proposed. Extensive simulations demonstrate that the proposed solution can significantly increase EE of cellular networks.
Dans ce papier, nous proposons un algorithme d'apprentissage machine afin d'améliorer l'efficacité énergétique (EE) des réseaux cellulaires hétérogènes. Le but de la stratégie est d'apprendre quelle est la configuration optimale de stations de bases allumées et éteintes maximisant l'EE du réseau. Nous modélisons dans un premier temps les variations de charge du trafic par un processus de décision markovien (MDP), puis nous présentons un algorithme de la classe des UCB (Upper Confidence Bound) basé sur la théorie des bandits pour apprendre le meilleur déploiement. De plus, afin de palier à la perte de récompense due à la variation de la statistique de charge au cours du temps, nous intégrons la notion de transfert d'apprentissage (TL) se basant sur la solution obtenue lors de périodes d'apprentissage passées. Les simulations montrent que la solution proposée permet d'améliorer grandement l'EE du réseau par rapport aux techniques existantes.
Fichier principal
Vignette du fichier
BM_EE.pdf (719.41 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01720782 , version 1 (01-03-2018)

Identifiants

  • HAL Id : hal-01720782 , version 1

Citer

Navikkumar Modi, Philippe Mary, Christophe Moy. Apprentissage machine pour l'optimisation énergétique des réseaux cellulaires hétérogènes sans-fil : une approche bandit à bras multiples. GRETSI, Sep 2017, Juan-Les-Pins, France. ⟨hal-01720782⟩
141 Consultations
201 Téléchargements

Partager

Gmail Facebook X LinkedIn More