Algoritmo metaheurístico mejorado para equilibrio de carga en una red de acceso radiofónico en la nube 5G
Autores: Suresh, Krishnamoorthy; Alqahtani, Ali; Rajasekaran, Thangaraj; Kumar, Murugan Suresh; Ranjith, Venugopal; Kannadasan, Raju; Alqahtani, Nayef; Khan, Arfat Ahmad
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Algoritmo metaheurístico mejorado para equilibrio de carga en una red de acceso radiofónico en la nube 5G
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Operadores móviles
Infraestructuras de red
Cloud-RAN
Redes definidas por software
Estación base
Auto-optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Los operadores móviles deben aumentar las inversiones en infraestructuras de red debido al crecimiento emergente de internet y los avances tecnológicos. Los operadores móviles consideran que la nube-RAN y las redes definidas por software son tecnologías en desarrollo que pueden reducir costos y aumentar la escalabilidad para las redes de comunicación móvil de quinta generación (5G). Una estación base consta de dos componentes importantes, a saber, la banda base (BBU) y las unidades de radio remoto (RRH). Puede surgir tráfico de datos desequilibrado, lo que conduce a la caída de llamadas y al bloqueo de llamadas. Cuando las condiciones de tráfico de red comienzan a variar, el rendimiento del sistema se vuelve subóptimo. La autooptimización de la red es necesaria para reducir la carga de eNode sobrecargados con más bloqueo de llamadas, que aumentan la carga de eNode subcargados con menos utilización de recursos. El objetivo principal de una red autoorganizadora es reducir el bloqueo de llamadas y optimizar una red desequilibrada. El algoritmo propuesto es una versión mejorada del algoritmo de optimización de enjambre de gatos realizado por la entidad del administrador de host para seleccionar la mejor combinación BBU-RRH después de analizar la información de calidad de servicio (QoS) de las configuraciones restantes de BBU-RRH. La optimización se realiza en cada usuario después de un análisis de QoS para cada nueva combinación BBU-RRH. El algoritmo propuesto se implementa en Matlab R2020a y la evaluación se realiza en términos de probabilidad de bloqueo, tiempo de respuesta y rendimiento. Los resultados de la simulación muestran que el algoritmo de optimización ECSO propuesto reduce la probabilidad de bloqueo en un 10%, el rendimiento se incrementa en un 8% y el tiempo de respuesta se reduce en un 7% en comparación con los algoritmos existentes PSO y CSO.
Descripción
Los operadores móviles deben aumentar las inversiones en infraestructuras de red debido al crecimiento emergente de internet y los avances tecnológicos. Los operadores móviles consideran que la nube-RAN y las redes definidas por software son tecnologías en desarrollo que pueden reducir costos y aumentar la escalabilidad para las redes de comunicación móvil de quinta generación (5G). Una estación base consta de dos componentes importantes, a saber, la banda base (BBU) y las unidades de radio remoto (RRH). Puede surgir tráfico de datos desequilibrado, lo que conduce a la caída de llamadas y al bloqueo de llamadas. Cuando las condiciones de tráfico de red comienzan a variar, el rendimiento del sistema se vuelve subóptimo. La autooptimización de la red es necesaria para reducir la carga de eNode sobrecargados con más bloqueo de llamadas, que aumentan la carga de eNode subcargados con menos utilización de recursos. El objetivo principal de una red autoorganizadora es reducir el bloqueo de llamadas y optimizar una red desequilibrada. El algoritmo propuesto es una versión mejorada del algoritmo de optimización de enjambre de gatos realizado por la entidad del administrador de host para seleccionar la mejor combinación BBU-RRH después de analizar la información de calidad de servicio (QoS) de las configuraciones restantes de BBU-RRH. La optimización se realiza en cada usuario después de un análisis de QoS para cada nueva combinación BBU-RRH. El algoritmo propuesto se implementa en Matlab R2020a y la evaluación se realiza en términos de probabilidad de bloqueo, tiempo de respuesta y rendimiento. Los resultados de la simulación muestran que el algoritmo de optimización ECSO propuesto reduce la probabilidad de bloqueo en un 10%, el rendimiento se incrementa en un 8% y el tiempo de respuesta se reduce en un 7% en comparación con los algoritmos existentes PSO y CSO.