User Association and Load Balancing Based on Monte Carlo Tree Search

abstract

1. user association algorithm 점점 복잡해짐

2. 소형 기지국(SBS)의 역할
   • high data rate을 필요하는 UE의 traffic을 macro base(MBS)에서 가져와 QoS를 향상시킴
3. 전통적인 CRE (cell range expansion)의 문제점 (2번을 이용함)
   1. 특정 SBS에서 혼잡이 발생할 수 있음
   2. 덜 혼잡한 SBS가 자원을 독점할 수 있음
   3. 결과 : SBS load imbalance, fairness performance 감소
   4. 또한, UEs와 SBSs의 모든 연결 조합 고려한는 것은 계산량 너무 많아짐
4. 새로운 solution
   1. 관리 가능한 수준의 계산 복잡성 + 근사 최적의 user association solution
   2. UD-HetNet의 user association problem -> MCTS 기반의 heuristic algorithm 제안!
5. 문제 설정 및 해결 방법
   • user association -> combinational optimization problem
   • NP-hard problem을 해결하기 위한 MCTS step
6. 문제 해결 결과
   • obtain near-optimal UEs-SBSs combination inload balancing
   • mitigate resource monopolization among UEs
   • maximize the fairness of the overall network

introduction

about Cloud-RAN chain

1. 자원 검색(Resource Discovery)
   • computing 자원 : 대상 커버리지 영역 근처에서 computing 자원을 자동으로 검색
   • 안테나 위치 : 물리적 안테나가 위치한 장소와 근접한 네트워크 자원을 검색
2. 최적 배치 결정(Optimal Placement Decision)
   • latency 고려 : 검색된 자원을 바탕으로, 초저지연을 위해 RU, DU, CU 유닛의 최적 배치를 결정
   • 전송 거리 최적화: RU와 DU 간의 프론트홀 전송 거리(지연 시간)를 최소화하여 중앙 집중화의 이점을 최대화
3. 자동 구성(Automated Configuration)
   • 동기화 : 발견된 자원을 사용하여 RU, DU, CU 유닛 간의 동기화를 설정
   • 자동화된 설정 : 각 유닛을 자동으로 설정
4. 서비스 시작(Service Initialization)
   • 네트워크 서비스 시작 : 구성된 Cloud-RAN 체인을 기반으로 네트워크 서비스를 자동 시작
   • 상위 오케스트레이션 통합 : 상위 오케스트레이션 계층에서 API를 통해 이 모든 과정을 시작하고 관리할 수 있습니다.
5. 모니터링 및 관리(Monitoring and Management)
   • NMS 통합: 전용 네트워크 관리 시스템(NMS)을 통해 생성된 인스턴스들을 모니터링하고 관리합니다.
   • 그래픽 인터페이스: 그래픽 사용자 인터페이스를 통해 네트워크의 상태를 확인하고 필요한 조치를 취할 수 있습니다.