Une approche d'apprentissage non stochastique pour une gestion de mobilité économe en énergie

La gestion de mobilité économe en énergie est un problème important dans les réseaux sans fil modernes avec des tailles de cellules hétérogènes et des densités de nœuds élevées. Nous montrons que les protocoles de mobilité basés sur l'optimisation ne peuvent pas atteindre une consommation d'énergie optimale à long terme, en particulier pour les réseaux ultra-denses (UDN). Pour aborder la dynamique complexe des UDN, nous proposons une approche d'apprentissage en ligne non stochastique, qui ne fait aucune supposition sur le comportement statistique des activités des petites stations de base (SBS). De plus, nous introduisons le coût de transfert dans la consommation d'énergie totale, ce qui force la solution résultante à minimiser explicitement les transferts fréquents. L'algorithme de randomisation par lots avec poids exponentiels (BREW) proposé repose sur le regroupement pour explorer en vrac, et réduit donc les transferts inutiles. Nous prouvons que le regret de BREW est sub-linéaire dans le temps, garantissant ainsi sa convergence vers la sélection optimale des SBS. Nous étudions également la robustesse de l'algorithme BREW face aux retours d'information retardés ou manquants. De plus, nous étudions le cadre dans lequel les SBS peuvent être activées et désactivées dynamiquement. Nous prouvons que le regret sub-linéaire est impossible par rapport aux SBS ON/OFF arbitraires, puis développons une nouvelle stratégie d'apprentissage, appelée expert de classement (RE), qui prend simultanément en compte le coût de transfert et la disponibilité des SBS. Pour aborder la complexité élevée de RE, nous proposons un algorithme d'expert de classement contextuel (CRE) qui n'assigne des experts que dans un contexte donné. Des bornes de regret rigoureuses sont prouvées pour RE et CRE par rapport au meilleur expert. Les simulations montrent que non seulement les algorithmes de mobilité proposés réduisent considérablement la consommation d'énergie du système, mais ils sont également robustes face à diverses dynamiques qui sont courantes dans les réseaux sans fil ultra-denses pratiques.