基于强化学习的基站多维度资源协同分配方案

算网融合是未来移动通信网络的发展趋势,面向未来更高实时性的业务需求,6G无线网络需要实现通信与计算的深度融合。一种可能的模式是基站内部具有计算资源,并高效协同调配通信与计算资源。随着基站部署规模的增大、计算业务量的逐步增加,计算资源的能耗问题将成为6G无线网络节能的潜在问题。调研发现,目前无线通信网络的节能方案大多针对通信业务,对计算资源的节能方案研究相对较少,未来6G无线网络则需要同时考虑通信业务与计算业务,将能效作为基站进行通算资源协同分配的优化目标之一。考虑到方案具有动作空间较大、动作输出为离散确定值的特性,提出了一种基于强化学习的6G基站通算资源协同分配方案,并对系统能耗进行了建模,方案奖励由业务特征、基站接入用户情况等信息确定,同时对比了智能模型的迭代优化频次对方案性能的影响。在多小区通信环境下进行了仿真,结果表明,该方案可以在满足业务性能需求(含基站执行业务的时延、RSRP等)的前提下,将系统能耗节约46.98%,并且,所采用的智能模型通过高频样本提供和迭代优化可以获得更优的性能。