टीम लर्निंग-आधारित संसाधन आवंटन ओपन रेडियो एक्सेस नेटवर्क (O-RAN) के लिए

हाल ही में, ओपन रेडियो एक्सेस नेटवर्क (O-RAN) के विचार को प्रस्तावित किया गया है, जिसका उद्देश्य अगली पीढ़ी के रेडियो एक्सेस नेटवर्क (RAN) में बुद्धिमत्ता और ओपननेस को अपनाना है। यह मानकीकृत इंटरफेस और थर्ड-पार्टी विक्रेताओं से नेटवर्क एप्लिकेशन होस्ट करने की क्षमता प्रदान करता है x-एप्लिकेशंस (xAPPs) द्वारा, जो नेटवर्क प्रबंधन के लिए उच्च लचीलापन सक्षम बनाता है। हालाँकि, इससे नेटवर्क फ़ंक्शन कार्यान्वयन में संघर्ष हो सकते हैं, खासकर जब ये फ़ंक्शन विभिन्न विक्रेताओं द्वारा लागू किए जाते हैं। इस पेपर में, हम O-RAN के निकट-रीयल-टाइम (near-RT) रेडियो इंटेलिजेंट कंट्रोलर (RIC) के लिए xAPPs के बीच संघर्षों को कम करने का लक्ष्य रखते हैं। विशेष रूप से, हम xAPPs के बीच सहयोग बढ़ाकर नेटवर्क के प्रदर्शन को बढ़ाने के लिए एक टीम लर्निंग एल्गोरिदम का प्रस्ताव करते हैं। हम टीम लर्निंग दृष्टिकोण की तुलना स्वतंत्र दीप Q-लर्निंग से करते हैं जहां नेटवर्क फ़ंक्शन व्यक्तिगत रूप से संसाधनों का अनुकूलन करते हैं। हमारी सिमुलेशन दर्शाती हैं कि टीम लर्निंग विभिन्न उपयोगकर्ता गतिशीलता और ट्रैफिक लोड के तहत बेहतर नेटवर्क प्रदर्शन करती है। 6 Mbps ट्रैफिक लोड और 20 m/s उपयोगकर्ता गति के साथ, टीम लर्निंग 8% उच्च थ्रूपुट और 64.8% कम PDR प्राप्त करती है।