Network-Aided Intelligent Traffic Steering in 6G O-RAN: A Multi-Layer Optimization Framework

要約

6G ネットワーク向けのインテリジェントでプログラム可能なマルチベンダー無線アクセス ネットワーク (RAN) を実現するために、オープン RAN (O-RAN) の標準化と開発に多大な努力が払われてきました。
しかし、これまでのところ、RAN 機能の制御と最適化における O-RAN の適用可能性は広く調査されていません。
このペーパーでは、フロー分割分散、輻輳制御およびスケジューリング (JFCS) を共同で最適化し、O-RAN におけるインテリジェントなトラフィック ステアリング アプリケーションを可能にします。
ネットワーク ユーティリティの最大化と確率的最適化のツールを組み合わせて、最先端のベースライン RAN アプローチと比較して、高速コンバージェンス、長期的なユーティリティの最適化、大幅な遅延削減を実現する多層最適化フレームワークを導入します。
私たちの主な貢献は次の 3 つです。i) トラフィックを適切な無線ユニットに効率的かつ適応的に転送するための新しい JFCS フレームワークを提案します。
ii) さまざまな時間スケールで JFCS 問題を効果的に解決するために、強化学習、内部近似、二分探索法に基づいた低複雑度のアルゴリズムを開発します。
iii) 厳密な理論上のパフォーマンス結果が分析され、遅延とユーティリティの最適化の間のトレードオフを改善するためのスケーリング係数が存在することが示されます。
この研究で得られた洞察を総合すると、制御性と柔軟性が強化された完全に自動化されたネットワークへの扉が開かれます。
数値結果は、収束率、長期的なユーティリティの最適化、および遅延削減の観点から、提案されたアルゴリズムの有効性を実証するために提供されます。

要約(オリジナル)

To enable an intelligent, programmable and multi-vendor radio access network (RAN) for 6G networks, considerable efforts have been made in standardization and development of open RAN (O-RAN). So far, however, the applicability of O-RAN in controlling and optimizing RAN functions has not been widely investigated. In this paper, we jointly optimize the flow-split distribution, congestion control and scheduling (JFCS) to enable an intelligent traffic steering application in O-RAN. Combining tools from network utility maximization and stochastic optimization, we introduce a multi-layer optimization framework that provides fast convergence, long-term utility-optimality and significant delay reduction compared to the state-of-the-art and baseline RAN approaches. Our main contributions are three-fold: i) we propose the novel JFCS framework to efficiently and adaptively direct traffic to appropriate radio units; ii) we develop low-complexity algorithms based on the reinforcement learning, inner approximation and bisection search methods to effectively solve the JFCS problem in different time scales; and iii) the rigorous theoretical performance results are analyzed to show that there exists a scaling factor to improve the tradeoff between delay and utility-optimization. Collectively, the insights in this work will open the door towards fully automated networks with enhanced control and flexibility. Numerical results are provided to demonstrate the effectiveness of the proposed algorithms in terms of the convergence rate, long-term utility-optimality and delay reduction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google