Allocation de ressources dans les réseaux cellulaires des nouvelles générations de la téléphonie mobile par intelligence artificielle

Abstract

Les progrèssignificatifs dans les applications mobiles et la demande croissante des utilisateurs ont mis en évidence la nécessité de solutions de conception optimales dans les réseaux 5G. L'allocation des ressources est un enjeu majeur pour ces réseaux, où une station de base alloue des ressources à un ensemble d'utilisateurs géographiquement dispersés dans une cellule afin d'atteindre un objectif global. Une allocation optimale des ressources est cruciale pour maximiser les performances du réseau sans fil, en termes de débit, de latence, d'efficacité spectrale et énergétique. Cet objectif ne peut être atteint que par l'amélioration des techniques traditionnelles de mise en réseau grâce à l'intelligence artificielle. Dans ce contexte, cette thèse propose des améliorations en adoptant une approche hybride. Nous proposons une nouvelle technique d'allocation des ressources intégrant un réseau neuronal à fonction de base radiale (RBFNN), associé à l'algorithme d'optimisation Archimède (AOA). Le RBFNN est conçu pour optimiser et anticiper les besoins des utilisateurs, afin de réaffecter les ressources de manière optimale. Les résultats des simulations montrent que l'allocation des ressources utilisant l'algorithme AOA-RBFNN permet une distribution efficace du débit avec un temps de latence réduit. De plus, elle permet de prédire les demandes des utilisateurs, tout en améliorant l'utilisation des ressources disponibles et en évitant leur gaspillage.