بکارگیری مدلهای یادگیری ماشین به منظور تخصیص منابع با کمک محاسبات ابری

توزیع و تخصیص بهینه منابع رادیویی همواره یکی از اساسی ترین مشکلات بر سر راه طراحی سیستم های بی سیم بوده است. منابع محدود رادیویی و افزایش روز افزون سیستم های بیسیم، تخصیص عادلانه منابع را جهت کارایی بیشتر و برآورده ساختن نیازهای کیفیت سطح خدمات کاربران و افزایش سود اپراتورها به چالش می کشد؛ بنابراین الگوریتم های قوی و کار آمد تخصیص منابع برای موفقیت شبکه های تلفن همراه آینده امری ضروری هستند. با توجه به رشد روز افزون سیستم های بی سیم، به دست آوردن راه حل های بهینه تخصیص منابع با استفاده از روش های متداول مانند الگوریتم های حریصانه و روش آرام سازی لاگرانژی در زمان واقعی و به صورت آنلاین بسیار دشوار است و باعث افت عملکرد می شود. هدف از این پژوهش ارایه راهکاری برای تخصیص بهینه منابع رادیویی برای ارتباطات بی سیم آینده به کمک یادگیری ماشین و با استفاده از محاسبات ابری میباشد. با کمک محاسبات ابری میتوان راه حل های پیشین تخصیص منابع را جمع آوری و با استفاده از یک یادگیری ماشین راه حل بهینه و یا نزدیک به بهینه را از روشهای پیشین استخراخ کرد، علاوه براین راه حل های بهینه یا نزدیک به بهینه روش های پیشین، میتواند به صورت آفلاین جستجو و از پیش ذخیره شود. زمانی که داده های اندازه گیری شده یک سناریو وارد میشود، سناریوی جاری با سناریوهای پیشین مقایسه می شود تا شبیه ترین آن، پیدا شود. سپس راه حل بهینه یا نزدیک به بهینه در مشابه ترین سناریوی پیشین، برای تخصیص منابع رادیویی، برای سناریوی جاری، اتخاذ می شود.

کلیدواژه ها:

تخصیص منابع ، یادگیری ماشین ، محاسبات ابری ، منابع رادیویی