Verteilte Algorithmen zur adaptiven Steuerung von Schlafmodi in 5G Mobilfunknetzen

 

5G Mobilfunknetze werden dicht ausgebaut, um die stark variierenden Anforderungen zu bedienen. Dies ermöglicht Strategien zur Energieeinsparung, wenn eine Phase geringer Auslastung vorliegt. Aufgrund der Hardwarebeschaffenheit können die Basisstationen unterschiedlich tief schlafen, d.h sie können in einem tieferen Schlafmodus mehr Energie sparen, benötigen aber auch länger zum Einschlafen bzw. Aufwachen. Die Entscheidungen, welcher Schlafmodus gewählt wird, können durch verteilte Algorithmen aus dem Reinforcement Learning getroffen werden, z.B Q-Learning.
Im Rahmen des Projekts lernen die Studierenden einige abstrakte Grundlagen von 5G Mobilfunknetzen sowie Grundlagen aus dem Reinforcement Learning und wenden diese auf dieses Problem an.
Es wird eine Simulationsumgebung mit GUI entstehen, z.B. in Matlab, sodass Ergebnisse aus geeigneten Beispielen evaluiert werden können.

Literatur

• A Distributed Q-Learning Approach for Adaptive Sleep Modes in 5G Networks, Ali El-Amine, Mauricio Iturralde, Hussein Al Haj Hassany and Loutfi Nuaymi
• Reinforcement Learning - An Introduction, Sutton, Richard, Barto Andrew, MIT Press