應用於行動數據分流之深度增強式學習方法

5G 網路架構上，異質網路 (heterogeneous networks, HetNets)，或稱作小型基地台網路 (small cell networks) 是被廣泛討論的 5G 技術，而且如何分流 (offloading) 是一項重要議題。在支援雲端控制的架構下，未來的資源分配需要主動預測問題，採取先發製人的措施，在尚未造成效能的減損之前，做出決策。而隨著 5G 演進大量導入的新技術大大增加了資源分配的複雜度，卻也造成了以機器學習為基礎的功能展露頭角的機會。各種機器學習方法中，又以深度增強式學習 (deep reinforcement learning, DRL) 最具前瞻與網路控制問題上的實用性。本計畫將聚焦在未來 5G 技術下，延續執行中計劃對於流量預測的做法，深入研究 DRL 在 HetNets 高能源效益分流問題的應用效果，並開放原始碼以供驗證，經由提出領先且可行之無線資源管理方法，做為進一步研究 5G 網路問題之重要參考。