Gerência de Largura de Banda do Reúso Fracionário de Frequência em Cenários Dinâmicos com Hotspots utilizando Aprendizado por Reforço
ICIC, FFR, Hotspot, MAB, Aprendizado de Máquina.
Este trabalho aborda o uso das técnicas de coordenação de interferência entre células, \textit{Inter-Cell Interference Coordination (ICIC)}, baseadas no reúso fracionário de frequência, \textit{Fractional Frequency Reuse (FFR)}, voltadas para a mitigação de um dos principais desafios enfrentados no projeto de redes móveis: a interferência co-canal (\textit{ICI}). A ICIC é um dos principais fatores de degradação do desempenho do sistema de comunicação móvel, especialmente em cenários dinâmicos com a presença de aglomerações aleatórias de usuários, os \textit{hotspots}. Inicialmente, o problema é caracterizado pela exploração da técnica ICIC escolhida sem uma parametrização automatizada, bem como o desempenho do sistema no cenário supracitado. Em seguida, levando em consideração a dinamicidade do ambiente, propõe-se como solução a utilização de técnicas de aprendizado de máquina, de forma mais específica, o \textit{Multi Armed Bandit (MAB)}, customizado para otimização do gerenciamento da largura de banda das técnicas de ICIC para sistemas 3GPP. O objetivo da proposta é adaptar a alocação espacial de largura de banda, tendo a variação de carga do sistema e o dinamismo dos \textit{hotspots} como parâmetros de tomada de decisão. Os experimentos de prova de conceito foram realizados utilizando o simulador de redes \textit{ns-3}. Os resultados obtidos demonstram que a abordagem do MAB na solução proposta por esta dissertação supera, em termos de \textit{throughput}, a configuração estática de distribuição de largura de banda, inclusive em condições variadas de taxas ofertadas pelo sistema, comprovando ganhos significativos.