基于强化学习的自适应网络覆盖优化算法研究

摘要

随着第五代移动通信技术(5G)的发展以及网络架构的演进,网络覆盖的分析以及优化不仅需要考虑基站天馈系统的链路预算,而且需要结合基站覆盖区域的时空特性,从而设计出更精确的覆盖优化方案。文章提出了一种基于Q学习的自适应网络覆盖优化算法,首先采用一种基于数据挖掘的网络覆盖预测模型,通过小区天线参数的配置预测出接入终端的覆盖情况,并基于真实数据验证模型预测的准确性;其次,改进强化学习中智能体的动作选择策略,根据覆盖率设置各小区不同的优化优先级,结合贪心策略,选择出需要优化的小区及其优化参数值,有效地降低了迭代过程中陷入局部最优的概率。仿真结果表明,文章所提算法可提高优化过程收敛速度,同时对网络覆盖率的提升幅度可达到20%。