Geri Dön

Base station power optimization for green networks using reinforcement learning

Çevreci yeni nesil ağlarda pekiştirmeli öğrenme kullanarak güç optimizasyonu yapılması

PDF İndir

  1. Tez No: 577605
  2. Yazar: SEMİH AKTAŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HANDE ALEMDAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Yeni nesil mobil ağlar; yüksek veri hızı, çok düşük gecikme süresi ve yüksek bağlantı yoğunluğunu gereksinimlerini sağlamak zorundadır. Bu gereksinimleri karşılamak için, baz istasyonu sayısının artması gerekmektedir ve bu artış enerji tüketimi sorununu ön plana çıkartacaktır. Bu nedenle yeni nesil mobil ağlarda çevreci yaklaşımlar önem kazanacaktır. Hizmet kalitesini düşürmeden enerji tasarrufu sağlayarak çevreci ağ modelleri geliştirmek çözülmesi zor bir problemdir. Bu problemi çözmek için ağ simülasyonu üzerinde eğitilmiş makine öğrenimi modeli öneriyoruz. Modelimizi, pekiştirmeli öğrenme algoritmalarından biri olan deep deterministic policy gradient algoritmasını kullanarak geliştirdik. Model, zaman içerisinde baz istasyonlarının aktarım güçlerini güncelleyerek paketlerin optimum güç seviyesinde iletilmesini sağlar. Pekiştirmeli öğrenme modeli, dinamik ağ ortamındaki değişen durumları sürekli olarak öğrenmemize ve yeni durumlara adapte olmamıza olanak sağlar. Böylece daha sağlam ve gerçekçi bir akıllı ağ yönetimi politikası belirlenir. Sonuçlarımız, yoğun senaryoda %32 ve seyrek senaryoda %67 oranında enerji verimliliğinin arttırılabileceğini göstermektedir.

Özet (Çeviri)

The next generation mobile networks have to provide high data rates, extremely low latency, and support high connection density. To meet these requirements, the number of base stations will have to increase and this increase will lead to an energy consumption issue. Therefore ``green'' approaches to the network operation will gain importance. Reducing the energy consumption of base stations is essential for going green and also it helps service providers to reduce operational expenses. However, achieving energy savings without degrading the quality of service is a huge challenge. In order to address this issue, we propose a machine learning based intelligent solution that also incorporates a network simulator. We develop a reinforcement based learning model by using deep deterministic policy gradient algorithm. Our model update frequently the policy of network switches in a way that, packet be forwarded to base stations with an optimized power level. The policies taken by the network controller are evaluated with a network simulator to ensure the energy consumption reduction and quality of service balance. The reinforcement learning model allows us to constantly learn and adapt to the changing situations in the dynamic network environment, hence having a more robust and realistic intelligent network management policy set. Our results demonstrate that energy efficiency can be enhanced by 32% and 67% in dense and sparse scenarios, respectively.

Benzer Tezler

  1. Tez No

    353810

    Self-organized network management model for next generation wireless heterogeneous systems

    Yeni nesil kablosuz çoktürel sistemlerde kendini düzenleyen ağ yönetim modeli

    ÖZGÜR UMUT AKGÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BERK CANBERK

  2. Tez No

    433930

    Green networking: From conventional to next generation heterogeneous cellular networks

    Geleneksel ağlardan yeni nesil çoktürel hücresel ağlara yeşil iletişim

    MEHMET AYKUT YİĞİTEL

    Doktora

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CEM ERSOY

    YRD. DOÇ. DR. ÖZLEM DURMAZ İNCEL

  3. Tez No

    506776

    Simultaneous wireless information and power transfer forenergy efficient massive mimo

    Enerji verimli massif mimo için simülsü kablosuz bilgi ve güç aktarım

    MUHAMMAD SHAHZAIB MUNIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. OĞUZ BAYAT

  4. Tez No

    200608

    Cooperative transmission for the downlink of multiuser MIMO cellular networks

    Çoklu kullanıcılı çoklu antenli hücresel ağlarda baz istasyonu-yer bağı için işbirlikli iletim

    YAKUP KADRİ YAZAREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. DEFNE AKTAŞ

  5. Tez No

    109863

    Hücre planlamasında hücre yarıçaplarının ve baz istasyon güç seviyelerinin optimizasyonu

    The Optimization of cell sizes and base stations power level in cell planning

    ONUR AKÇAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. İSMAİL HAKKI ÇAVDAR

Geri Dön