Key points are not available for this paper at this time.
Este artigo apresenta uma revisão abrangente da gestão de transferência e otimização de balanceamento de carga (LBO) em redes celulares ultra-densas 5G e nas emergentes redes celulares 6G. Com o aumento da implantação de pequenas células e o rápido crescimento do tráfego de dados, essas redes enfrentam desafios significativos para garantir mobilidade contínua e alocação eficiente de recursos. As técnicas tradicionais de transferência e balanceamento de carga, projetadas principalmente para sistemas 4G, não são mais suficientes para lidar com a complexidade dos ambientes de rede heterogêneos que incorporam comunicação em milímetros, dispositivos da Internet das Coisas (IoT) e veículos aéreos não tripulados (UAVs). A revisão foca em como os avanços recentes em inteligência artificial (IA), particularmente aprendizado de máquina (ML) e aprendizado profundo (DL), estão sendo aplicados para melhorar decisões preditivas de transferência e permitir distribuição de carga adaptativa em tempo real. Soluções impulsionadas por IA podem reduzir significativamente falhas de transferência, latência e congestão de rede, enquanto melhoram a experiência geral do usuário e a qualidade do serviço (QoS). Este artigo revisa pesquisas de ponta sobre essas técnicas, categorizando-as de acordo com seus domínios de aplicação e avaliando seus benefícios de desempenho e limitações. Além disso, o artigo discute a integração de métodos inteligentes de transferência e balanceamento de carga em cenários de cidades inteligentes, onde redes ultra-densas devem suportar serviços diversos com alta confiabilidade e baixa latência. Lacunas de pesquisa importantes também são identificadas, incluindo a necessidade de conjuntos de dados padronizados, modelos de IA energeticamente eficientes e estratégias de mobilidade conscientes do contexto. No geral, esta revisão visa guiar a pesquisa e o desenvolvimento futuros na criação de estruturas robustas de gestão de mobilidade e recursos assistidas por IA para sistemas sem fio de próxima geração.
Chabira et al. (Ter,) estudaram esta questão.