무선 MAC 프로토콜 설계를 위한 ML 프레임워크

적응성, 재구성 가능성 및 지능은 미래 애플리케이션의 점점 더 다양화되는 품질 서비스(QoS) 요구를 충족하기 위한 차세대 무선 네트워크의 주요 특징입니다. 그러나 기존 프로토콜 설계는 변화하는 무선 환경, 트래픽 유형 및 다양한 사용자 서비스 요구에 대한 유연성과 민첩성을 제공하는 데 어려움을 겪고 있습니다. 본 논문에서는 깊은 강화 학습(DRL), 특히 근접 정책 최적화(PPO)를 활용하여 지능적이고 애플리케이션 특정 중간 접근 제어(MAC) 프로토콜을 설계하고 구성하는 가능성을 탐구합니다. 우리는 각 애플리케이션의 필요를 충족하기 위해 프로토콜 기능을 추가, 제거 또는 수정할 수 있는 프레임워크를 제안합니다. DRL 채널 접근 정책 설계는 프로토콜이 네트워크와 무선 환경에 따라 적응하고 최적화할 수 있도록 합니다. 광범위한 시뮬레이션을 통해, 우리는 학습된 프로토콜이 전통적인 IEEE 802.11ac보다 처리량과 대기시간 측면에서 우수한 성능을 보여줌을 입증합니다.