Mobility-Aware Analysis of 5G and B5G Cellular Networks: A Tutorial
向移动用户提供网络连接是蜂窝无线网络的关键要求。用户移动性影响网络性能以及用户感知的服务质量。为了有效的网络规模和优化，因此需要表征移动性感知的网络性能指标，例如切换率、切换概率、逗留时间、方向切换率和用户的吞吐量或覆盖范围。这种特性对于异构、密集/超密集和随机蜂窝网络（例如新兴的5G和超5G（B5 G）网络）来说尤其具有挑战性。在这篇文章中，我们提供了一个教程的空间随机和非随机，单层和多层蜂窝网络的移动性感知性能分析。我们首先提供了一个不同的流动性模型，其中包括纯粹的随机模型，空间相关，时间相关的模型的总结。不同的流动性模型之间的差异，他们的统计特性，以及他们的优点和缺点。然后，我们描述了两个主要的分析方法的移动性感知性能分析的随机和非随机蜂窝网络。对于第一种方法，我们描述了一个一般的方法，并提出了几个案例研究不同的蜂窝网络镶嵌，如正方形网格，六边形网格，单层和多层模型，其中基站（BS）遵循一个均匀的泊松点过程（PPP）。对于第二种方法，我们也概述了一般方法。此外，我们讨论了现有技术的一些局限性/不完善之处，并提供这些不完善之处的纠正。最后，我们指出了移动性影响显著的特定5G应用场景，并概述了与这些场景的移动性感知分析相关的挑战。
2018-05-07 cs.NI
Mobility Impact on Performance of Mobile Grids
无线移动网格是一种新兴的网格类型，它有助于集中多个愿意合作的移动设备的资源来解决计算密集型任务。移动网格面临着更大的挑战，如设备的移动性管理，提供对网格资源的透明访问，任务管理和有限资源的处理，使资源有效地共享。这些设备上的任务执行不应受到其移动性的影响。提出了一种基于正常步行移动模型的无线移动网格性能评估方法。正常行走模型表示用户的日常运动，并且运动的方向在现实生活环境中大多是对称的，因此它在移动站的位置更新中是有效的，并且反过来有助于这些可用移动站之间的任务分配。讨论了任务执行时间、任务失败率、代理服务器通信开销和监控开销等性能指标。
2010-02-09 cs.NI
E2M2: Energy Efficient Mobility Management in Dense Small Cells with Mobile Edge Computing
将移动边缘计算与密集部署的小型蜂窝基站相结合，将带来巨大的好处，例如真正的近距离、超低延迟访问云功能。然而，设想的集成带来了许多新的挑战，其中最重要的是移动性管理，这正在成为整体系统性能的关键瓶颈。简单地应用现有解决方案会导致性能不佳，这是由于用户附近的多个基站的覆盖区域高度重叠以及无线电接入和计算服务的共同供应。在本文中，我们开发了一种新的以用户为中心的移动性管理方案，利用李雅普诺夫优化和多臂强盗理论，以最大限度地提高边缘计算性能的用户，同时保持用户的通信能耗低于约束。该方案有效地处理了系统中存在的多个层次的不确定性，并提供了短期和长期的性能保证。仿真结果表明，我们提出的方案可以显着提高计算性能（与最先进的），同时满足通信能量约束。
2017-01-25 cs.IT cs.NI math.IT
User-Centric Mobility Management in Ultra-Dense Cellular Networks under Spatio-Temporal Dynamics
本文从能量效率（EE）的角度研究了超密集蜂窝网络（UDN）的移动性管理。UDN中的许多休眠基站（BS）不发送信号，因此传统蜂窝网络中的基于接收功率的切换（HO）方法几乎不适用。此外，与大量BS相比，有限的前端/回程容量使得难以实现集中式HO和功率控制。基于这些原因，提出了一种新的以用户为中心的关联规则，它联合优化HO和功率控制，以最大限度地提高EE。所提出的移动性管理不仅能够应付用户移动的空间随机性，而且与时间相关的无线信道。所提出的方法实现了HO时间窗口和易处理的功率控制策略，利用平均场博弈（MFG）和随机几何（SG）。与具有固定HO间隔和发射功率的基线相比，所提出的方法在典型的活动BS处实现了1.2倍更高的长期平均EE。
2016-09-14 cs.IT cs.NI math.IT
EMM: Energy-Aware Mobility Management for Mobile Edge Computing in Ultra Dense Networks
将移动边缘计算（MEC）功能与密集部署的基站（BS）相结合，可以带来巨大的好处，例如对计算资源的真正接近、低延迟访问。然而，设想的集成带来了许多新的挑战，其中移动性管理（MM）是一个关键的。简单地应用现有的面向无线电接入的MM方案导致较差的性能，这主要是由于MEC使能的BS的无线电接入和计算服务的共同供应。在本文中，我们开发了一种新的以用户为中心的能量感知移动性管理（EMM）计划，以优化由于无线电接入和计算的延迟，在长期的用户能耗约束。基于李雅普诺夫优化和多臂强盗理论，EMM在线工作的方式没有未来的系统状态信息，并有效地处理不完美的系统状态信息。理论分析明确考虑了无线切换和计算迁移成本，并证明了与具有准确和完整的未来系统信息的Oracle解决方案相比，延迟性能和能耗都有界偏差。所提出的算法也有效地处理的情况下，候选BS随机开关在卸载过程中的任务。仿真结果表明，该算法在满足用户能量消耗约束的情况下，可以获得接近最优的时延性能。
2017-09-08 cs.IT cs.NI math.IT
Sequence-Based Deep Learning for Handover Optimization in Dense Urban Cellular Network
School of Engineering and Technology, Sunway University（双威大学工程学院与技术学院）；Department of Computer Science, Federal University Dutsinma（杜钦马联邦大学计算机科学系）；Future Cities Research Institute, Sunway University（双威大学未来城市研究院）
针对密集城市蜂窝网络的切换管理难题，本文提出基于GRU的序列深度学习切换预测方法，结合多维特征大幅降低乒乓切换与不必要切换，提升连接稳定性，推理效率高，适用于实时边缘部署，并公开数据集助力相关研究。
2025-10-03 cs.NI
Control over Skies: Survivability, Coverage, and Mobility Laws for Hierarchical Aerial Base Stations
空中基站（ABS）在下一代无线网络中具有重要的意义，可以方便和高质量地容纳移动地面用户和快速人群。然而，为了实现一个有效的ABS网络，许多因素有关的ABS飞行，管理法律和信息传输必须研究。本文从生存性、覆盖和移动性三个方面研究了多无人机通信，优化了多层ABS网络，避免了小区间干扰、能量不足、频繁切换和生命周期等问题。本文包括模拟结果的分层ABS分配处理一组用户在一个定义的地理区域。提出了几个开放的问题和挑战，提供深入了解ABS网络管理及其实用程序框架。
2021-04-16 cs.NI eess.SP
A Non-stochastic Learning Approach to Energy Efficient Mobility Management
能量有效的移动性管理是具有异构小区大小和增加的节点密度的现代无线网络中的重要问题。我们表明，基于优化的移动性协议不能实现长期的最优能耗，特别是对于超密集网络（UDN）。为了解决UDN的复杂动态，我们提出了一种非随机在线学习方法，该方法不对小基站（SBS）活动的统计行为进行任何假设。此外，我们引入切换成本的整体能源消耗，这迫使得到的解决方案，以显式地减少频繁的切换。提出的指数加权批量随机化（BREW）算法依赖于批量搜索，从而减少了不必要的搜索。我们证明了BREW的遗憾是次线性的时间，从而保证其收敛到最佳SBS选择。我们进一步研究了BREW算法的鲁棒性延迟或丢失的反馈。此外，我们研究了SBS可以动态打开和关闭的设置。我们证明了次线性遗憾是不可能的任意SBS开/关，然后开发一种新的学习策略，称为排名专家（RE），同时考虑到切换成本和SBS的可用性。为了解决RE的高复杂性，我们提出了一个上下文排名专家（CRE）算法，只分配在给定的上下文中的专家。严格的遗憾界被证明为RE和CRE方面的最佳专家。仿真结果表明，所提出的移动性算法不仅大大降低了系统能耗，而且对实际超密集无线网络中常见的各种动态特性具有鲁棒性.
2016-08-29 cs.NI
Energy and Latency Control for Edge Computing in Dense V2X Networks
本研究的重点是密集毫米波车联网（V2X）网络中的边缘计算。在车辆机动性引起的延迟约束下，提出了一个能量消耗最小化的控制问题。提出了一种易于处理的算法来解决这个问题，通过优化卸载的计算任务和传输功率的车辆和路边单元。所提出的动态解决方案可以很好地协调干扰，而不需要全局信道状态信息，并在能量消耗和任务计算延迟之间进行权衡。
2018-11-23 cs.NI
Staggering and Fragmentation for Improved Large Message Handling in libp2p GossipSub
针对libp2p GossipSub协议在传输大消息（如大型以太坊区块）时的性能问题，提出交错与分片等修改方案，经shadow模拟器评估，该方案显著提升了其在大型网络中传输大消息的性能。
2025-04-14 cs.NI
Configurations and Diagnosis for Ultra-Dense Heterogeneous Networks: From Empirical Measurements to Technical Solutions
对更高的数据率和无处不在的网络覆盖的强烈需求已经提高了开发新的网络拓扑和架构的风险，以便以具有成本效益的方式满足这些不断增长的需求。电信行业和国际标准化机构已经相当关注在现有蜂窝系统上部署超密集异构小规模小区。尽管这些小规模小区通过减小基站（BS）和终端用户之间的距离来提供更高的数据率和更好的室内覆盖，但是这些小规模小区已经引起了严重的配置问题。随着部署的不规则和灵活性，不适当的配置经常发生，并影响网络的可靠性和服务质量。我们设想，用户流量的细粒度表征是诊断不适当配置的关键支柱。在这篇文章中，我们调查了细粒度的流量模式的移动用户通过分析网络数据，包含数百万用户，覆盖了数千个小区在一个大的都市地区。我们描述了用户的流量模式和移动行为以及小区的地理空间属性，并讨论了这些特性的异质性如何影响未来超密集小小区的网络配置和诊断。基于我们的测量结果，我们研究了可能的模型和相应的挑战，并提出了一个异构性感知方案，该方案考虑了小小区之间用户移动行为和地理空间属性的差异。
2018-04-27 cs.NI
Secure and reliable routing in mobile adhoc networks
支持无线功能的便携式设备的日益普及和移动自组织网络（MANDWORKS）的最新进展开辟了新的场景，用户可以随时随地进行即兴协作。然而，能量受限的节点、低信道带宽、节点移动性、高信道出错率、信道可变性和分组丢失是移动自组网的一些局限性。人工智能也带来了安全挑战。这些网络很容易受到恶意用户的攻击，因为在频率范围内的任何设备都可以访问MANET。安全机制必须认识到这些挑战。因此，这项工作的目的是提供一个安全的移动自组网通过改变数据传输的频率。这种安全方法进行了测试，结果表明，一个有趣的减少从恶意节点的吞吐量时，使用的频率的数量增加，这样的移动自组网将不会浪费它的资源处理恶意数据包。这项工作的另一个贡献是移动性感知路由方法，其目的是提供一个更可靠的路由，有效地处理节点的移动性。
2012-03-09 cs.NI
Accurate and Efficient Measurements of IP level Performance to Drive Interface Selection in Heterogeneous Wireless Networks
最佳接口选择是异构无线网络中移动性管理的关键问题。测量给定无线接入网络上的物理或链路级性能不能提供对不同异构网络上从移动主机到处理移动性的节点的（双向）路径上的IP连接性、延迟和丢失的可靠指示。在本文中，我们提出，实施和分析机制，连接检查和性能（网络延迟和数据包丢失）监测IP接入网络。我们评估性能估计的准确性和及时性，并提供调整参数的指导方针。从实现的角度来看，我们表明，使用应用程序级的测量是高度CPU密集型的，而基于内核的实现有一个非常低的CPU使用率。Linux内核的实现使得移动网关和中间移动管理节点可以有效地使用电池，从而可以扩展到监控数千个流。所提出的解决方案已经在特定的移动性管理解决方案的上下文中实现，但是结果具有普遍适用性。Linux的实现是开源的。
2018-01-19 cs.NI
Mobility Management in 5G and Beyond: A Novel Smart Handover with Adaptive Time-to-Trigger and Hysteresis Margin
第五代（5G）新无线电（NR）及以后的技术将支持增强的移动宽带、极低延迟通信和大量移动设备。因此，对于非常高速的用户，在切换中从一个小区到另一个小区的迁移期间需要保持无缝移动性。由于大量移动设备的存在，密集网络的高移动性的管理变得至关重要。此外，触发时间（TTT）和滞后裕度需要动态自适应，这会显著影响切换延迟和整体吞吐量。因此，在本文中，我们提出了一种基于在线学习的机制，称为基于学习的智能移动性管理（LIM 2），用于5G及以后的移动性管理，并对TTT和滞后值进行智能调整。LIM 2使用卡尔曼滤波器来预测服务小区和相邻小区的未来信号质量，使用基于状态-动作-奖励-状态-动作（SARSA）的强化学习来选择用于切换的目标小区，并且使用ε贪婪策略来适配TTT和滞后。我们在NS-3中实现了一个原型的LIM 2，并广泛地分析了其性能，据观察，LIM 2算法可以显着提高切换操作在非常高速的移动性的情况下。
2022-07-04 cs.NI
An Urban Multi-Operator QoE-Aware Dataset for Cellular Networks in Dense Environments
本研究提供了一个在2平方公里密集城市区收集的包含30,925条记录的多运营商蜂窝网络数据集，涵盖多种移动模式、流量场景及信号质量参数，适用于QoE驱动的机器学习网络优化。
2025-06-23 cs.NI eess.SP
HYMAD: Hybrid DTN-MANET Routing for Dense and Highly Dynamic Wireless Networks
延迟/中断容忍网络（DTN）协议通常解决稀疏间歇连接的网络，而移动自组织网络（MANET）协议解决相当稳定和完全连接的网络。但是许多中间情况可能发生在移动性动态或无线电链路不稳定性上。在这种情况下，网络经常分裂成不断发展的连接组，没有一个传统的路由模式（DTN或MANET）是完全令人满意的。在本文中，我们提出了HYMAD，一个混合DTN-MANET路由协议，它使用DTN之间的不相交的节点组，同时使用这些组内的MANET路由。HYMAD是完全分散的，只利用节点之间的拓扑信息交换。HYMAD的优势在于它能够适应不断变化的网络连接模式。我们评估该计划在模拟中重放合成和现实生活中的流动性痕迹，表现出广泛的连接动态。结果表明，HYMAD引入有限的开销，并优于多副本喷雾和等待DTN路由协议，它扩展，无论是在交付率和延迟。这种混合DTN-MANET方法提供了一个有前途的场所，在移动自组织网络中的弹性数据的交付，因为它保留了弹性的\textit{pure} DTN协议，同时显着提高性能。
2010-06-28 cs.NI
Optimal Non-uniform Deployments in Ultra-Dense Finite-Area Cellular Networks
通过部署小型蜂窝接入点（微微蜂窝和毫微微蜂窝）实现的网络密集化和异构化被视为处理蜂窝数据流量指数增长的关键机制。利用随机几何工具对此类网络进行建模已被证明在理解同信道干扰对网络覆盖和容量的基本限制方面特别有用。然而，大多数这些作品都假设在欧几里得平面上的无限大小和均匀分布的网络。相比之下，我们研究有限大小的非均匀分布的网络，并找到最佳的非均匀分布的接入点，最大限度地提高网络覆盖的移动用户的一个给定的非均匀分布，反之亦然。
2017-02-17 cs.NI
Handover Management in Highly Dense Femtocellular Networks
对于密集的毫微微蜂窝，智能集成的毫微微蜂窝/宏蜂窝网络架构，具有最小数量的毫微微蜂窝的邻居小区列表，有效的呼叫准入控制（CAC），和切换过程与适当的信令是开放的研究问题。用于集成毫微微小区/宏小区网络的适当业务模型也尚未开发。在本文中，我们提出了综合毫微微蜂窝/宏蜂窝网络的移动性管理的主要问题。我们提出了一种新的算法来创建一个最小的邻居小区列表，但适当的，切换的细胞数量。我们还提出了详细的切换程序和一个新的流量模型的综合毫微微蜂窝/宏蜂窝网络。建议的CAC有效地处理各种呼叫。数值和仿真结果表明了集成的毫微微蜂窝/宏蜂窝网络的重要性和所提出的方案的性能改善。我们提出的密集毫微微蜂窝基站的方案将是非常有效的研究和工业实施。
2014-12-11 cs.NI
Mobility Performance Analysis of Scalable Cell-Free Massive MIMO
虽然可扩展的无小区大规模MIMO（CF-mMIMO）在静态条件下显示出优势，但其在移动网络中的服务接入点（AP）集合的变化的影响尚未得到解决。在本文中，我们首先推导出CPU集群和AP切换率的可扩展CF-mMIMO精确的数值结果和紧密的封闭形式近似。然后，我们使用我们的封闭形式的切换率的结果来分析的移动性感知吞吐量。我们比较了移动性感知频谱效率（SE）的可扩展CF-mMIMO对分布式MIMO与纯网络和UE为中心的AP选择，不同的AP密度和切换延迟。我们的研究结果揭示了一个重要的权衡未来的密集网络与低控制延迟：在中等到高的移动性，可扩展的CF-mMIMO保持其优势的第95百分位的用户，但在下降的中位数SE的成本。
2022-02-03 cs.IT cs.NI math.IT
Performance Evaluation of Delay Tolerant Network in Heterogeneous Highly Dense Mobile Environment
容迟网络（DTN）是一种机会网络，每个节点都在寻找最佳时机将被称为包的消息发送到目的地。DTN实现了一个存储转发消息交换系统，它只需要在传输层之上引入另一个称为捆绑层的新协议层。束层负责在源节点和目的节点之间存储和转发称为束的消息段中的整个消息。本文评估了异构高密度移动节点环境下的延迟容忍网络层的性能。通过引入动态密集的移动节点网络，借助固定的有线节点和基站节点构建异构网络。移动节点被分配有连续的移动性。建议使用三个参数$Δ$、$Θ$和$λ$来关联使用严格模拟获得的结果。结果表明，在一定的门限值后，移动节点的密集特征并不能掩盖延迟容忍网络数据包的延迟原因。此外，移动节点数量和文件传输连接数量的增加很少改变延迟容忍网络的整体性能。
2013-02-24 cs.NI
User Performance in Small Cells Networks with Inter-Cell Mobility
我们分析了小区内移动性对密集网络（如LTE-A和5G）中用户性能的影响。为此，我们考虑一个同构网络的小小区，并首先显示如何减少用户性能的评估的情况下，一个单一的代表性的细胞。然后，我们提出了简单的分析模型，捕获移动性，通过分布的剩余逗留时间的移动用户在小区中。近似模型，准平稳（QS）的假设的基础上，开发，以加快计算在马尔可夫框架。我们使用这些模型来推导出移动和静态用户的平均吞吐量，以及移动用户的切换概率。数值评估和仿真结果提供评估所提出的模型的准确性。我们表明，特别是，这两类用户受益于吞吐量增益引起的“机会主义”移动用户之间的位移小区。
2016-05-26 cs.NI cs.PF
A Low Overhead Reachability Guaranteed Dynamic Route Discovery Mechanism for Dense MANETs
移动自组织网络的一个关键问题是处理大量的节点。随着越来越多的节点加入移动自组织网络，竞争和拥塞的可能性更大。按需路由协议通过广播控制数据包来发现到达目的节点的路由，在较大的网络中会产生大量的广播数据包，从而导致竞争和冲突。我们提出了一个有效的路由发现协议，它减少了广播数据包的数量，使用受控洪泛技术。仿真结果表明，在不降低路径发现成功率的前提下，提出的概率洪泛算法减少了路由发现阶段网络中的控制包数量.此外，该方法适用于正常的网络条件。结果表明，当网络密度较大时，路由发现阶段可以节省高达70%的控制包流量。
2010-09-30 cs.NI
Mobility-Aware Resource Allocation for mmWave IAB Networks: A Multi-Agent Reinforcement Learning Approach
针对毫米波IAB网络中用户移动和障碍物遮挡导致的链路中断问题，提出多智能体强化学习框架，通过流路由和链路调度优化用户吞吐量，并设计全双工/半双工组件及在线协调机制，数值结果验证了方法有效性。
2024-04-23 cs.NI
Handover Rate Characterization in 3D Ultra-Dense Heterogeneous Networks
超密集网络（UDN）设想大规模部署异构基站（BS），以满足所需的业务需求。此外，期望UDN支持不同的设备，例如，个人移动设备和无人驾驶飞行器。然而，在这种高度密集的网络中，用户移动性和由此产生的用户到BS关联的过度变化可能使通过BS密集化预见的容量增益无效。因此，需要量化UDN中用户移动性的影响。在这篇文章中，我们考虑了一个三维的N层下行链路网络，并确定关联概率和层间/层内切换率使用随机几何工具。特别是，我们将用户和基站的天线高度的数学分析和研究用户高度的关联和切换速率的影响。数值趋势表明，层内重叠是占主导地位的层与最短的相对高程w.r.t.当层的高度之间存在高度差异时，用户和这种优势更加突出。然而，可以采用偏置来平衡网络层之间的切换负载。
2018-06-27 cs.IT cs.NI math.IT
Multicasting with selective delivery: A SafetyNet for vertical handoffs
未来的移动性支持将需要处理异构接入网络中的漫游。为了实现无缝漫游，有必要最小化垂直偏移的影响。诸如FMIPv6和HMIPv6的局部移动性管理方案不提供足够的切换性能，因为它们是针对水平切换而设计的。在本文中，我们提出了SafetyNet协议，它允许一个移动节点执行无缝的垂直brackoff。此外，我们提出了一个切换定时算法，它允许移动节点延迟，甚至完全避免向上的垂直切换。我们实现了SafetyNet协议，并在我们的无线测试床上将其性能与移动IPv6协议的快速切换进行了比较，并对结果进行了分析。实验结果表明，建议的SafetyNet协议可以提供高达95%的改进TCP性能的垂直双跳，当与FMIPv6和64%的改进FMIPv6与双播。我们使用数值分析的协议表明，其信令和数据传输开销是可比的快速移动IPv6和显着小于FMIPv6与双播。
2006-07-29 cs.NI
Predictive Green Wireless Access: Exploiting Mobility and Application Information
不断增长的移动数据流量和无线网络的密集部署使得节能无线电接入势在必行。由于网络被设计为满足峰值用户需求，因此在需求较低的时候可以以多种方式减少无线电接入能量。这包括在低负载期间将基站（BS）置于间歇性短睡眠方式，以及在需求较低的情况下自适应地将所选择的BS完全掉电延长的时间段。为了充分利用这种节能机制，网络应该知道用户的时间和空间的业务需求。为此，本文探讨了利用预测的用户位置和应用程序的信息作为一种手段，以节能的潜力。我们讨论了一个预测性的绿色无线接入（PreGWA）框架的发展，并确定其关键功能实体和它们之间的相互作用。为了证明潜在的节能，我们然后提供了一个案例研究存储的视频流，并说明如何利用预测可以最大限度地减少BS资源消耗在一个单一的细胞，并在整个网络的细胞。最后，为了强调PreGWA的实际潜力，我们提出了一种分布式启发式算法，可以显着降低资源消耗，而不需要大量的信息或信令开销。
2014-01-30 cs.NI
MEET: Mobility-Enhanced Edge inTelligence for Smart and Green 6G Networks
Beijing Jiaotong University（北京交通大学）；Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
边缘智能是无线边缘实时训练和推理的新兴范例，从而实现关键任务应用。因此，需要密集地部署基站（BS）和边缘服务器（ES），导致巨大的部署和操作成本，特别是能量成本。在这篇文章中，我们提出了一个新的框架，称为移动性增强的边缘智能（MEET），它利用智能互联车辆的传感，通信，计算和自供电能力，用于智能和绿色6G网络。具体而言，运营商可以将基础设施车辆作为可移动BS或ES，并以更灵活的方式调度它们，以适应通信和计算流量的波动。同时，机会车辆的剩余计算资源被用于边缘训练和推理，其中移动性可以通过带来更多的计算资源，通信机会和多样化的数据来进一步增强边缘智能。通过这种方式，部署和运营成本分散在大量可用的车辆上，从而实现了具有成本效益和可持续性的边缘智能。此外，这些车辆可以由可再生能源提供动力以减少碳排放，或者在非高峰时段更灵活地充电以减少电费。
2022-10-27 cs.LG cs.NI
Context-Aware Mobility Management in HetNets: A Reinforcement Learning Approach
Technische Universität Dresden（德累斯顿工业大学）；University of Oulu（奥卢大学）；Florida International University（佛罗里达国际大学）
在异构网络（HetNet）环境中使用小小区部署预计将成为4G网络及更高网络的关键特征，并且对于提供更高的用户吞吐量和小区边缘覆盖至关重要。然而，由于宏基站和微微基站（BS）的不同覆盖范围大小，这种范式转变在密集网络中引入了额外的要求和挑战。在这些挑战中，用户设备（UE）的切换性能将受到影响，尤其是当高速UE穿越微微小区时。在本文中，我们提出了一个基于协调和上下文感知的移动性管理（MM）的小小区网络使用强化学习的工具的过程。在这里，宏BS和微微BS联合了解其长期流量负载和最佳小区范围扩展，并根据其速度和历史速率（在层之间交换）调度其UE。所提出的方法不仅在UE吞吐量方面优于经典MM，而且还能够实现更好的公平性。平均而言，高达80%的增益是实现UE吞吐量，而切换失败的概率降低了三个因素，所提出的基于学习的MM方法。
2015-05-07 cs.LG cs.NI
AMCTD: Adaptive Mobility of Courier nodes in Threshold-optimized DBR Protocol for Underwater Wireless Sensor Networks
在密集的水下传感器网络中，主要面临的问题是高误码率、传感器节点拓扑结构的不断变化以及数据传输的能量消耗。然而，水下无线传感器网络在海底管理、油藏管理、深海态势探测、水灾害防治等方面有着显著的应用前景。为了实现这些应用，忽视声学通信的局限性，如高延迟和低带宽是不可行的。在本文中，我们提出了自适应移动性的Cumber-optimized基于深度的路由（AMCTD），探索熟练的深度阈值的修正和实现最佳的权重函数，以实现更长的网络寿命。我们隔离我们的计划在3个主要阶段的权重更新，深度阈值变化和自适应移动的信使节点。在数据转发过程中，我们提供了一个改变阈值的框架，以应对网络的稀疏条件。我们最终进行了详细的模拟，以审查我们提出的方案的性能，并与其他两个显着的路由协议的网络寿命和其他重要参数的比较。仿真结果表明，该方案的性能优于其他技术，在UWSN领域接近最优。
2013-07-26 cs.IT cs.NI math.IT
Deep Reinforcement Learning Approach to QoSAware Load Balancing in 5G Cellular Networks under User Mobility and Observation Uncertainty
School of Electrical Engineering, Iran University of Science & Technology (IUST), Tehran, Iran（伊朗科技大学电气工程学院）
本文提出基于PPO的深度强化学习框架，用于在用户移动性和观测不确定性下实现端到端的QoS感知负载均衡，通过多目标奖励机制平衡效率与稳定性。
2026-05-12 cs.NI cs.SY eess.SY
