Core Concepts
HAPS 지원 셀 전환 최적화 문제에서 다음 시간 슬롯의 휴면 기지국 트래픽 부하 추정 오류가 최적 결정에 미치는 영향
Abstract
이 연구는 HAPS(High-Altitude Platform Station) 지원 셀룰러 네트워크에서 셀 전환 접근법의 셀 부하 추정 문제를 소개한다. 이 문제는 다음 시간 슬롯의 휴면 기지국 트래픽 부하를 완벽하게 알 수 없고 추정해야 한다는 사실에서 발생한다. 추정 오류는 최적 결정에서 벗어나게 하여 에너지 효율성 성능에 영향을 미칠 수 있다.
두 가지 다른 Q-learning 알고리즘이 개발되었다. 하나는 성능에만 초점을 맞춘 전체 규모 알고리즘이고, 다른 하나는 계산 비용을 다룬 경량 알고리즘이다. 결과는 추정 오류가 셀 전환 결정을 변경할 수 있으며, 이로 인해 오류 없는 시나리오와 비교하여 성능이 벗어날 수 있음을 확인한다. 또한 개발된 Q-learning 알고리즘은 최적 알고리즘과 거의 차이가 없이 (0.3%) 잘 작동한다.
Stats
트래픽 부하 추정 오류로 인해 셀 전환 결정이 변경될 수 있다.
최적 알고리즘과 비교하여 개발된 Q-learning 알고리즘의 성능 차이는 0.3% 미만이다.