Contribución a la planificación sistémica de redes móviles 4G

Resumen

El objetivo de esta Tesis consiste en el diseño, implementación y prueba de algoritmos, tanto convencionales -utilizados actualmente en la industria- como otros novedosos basados en Computación Evolutiva, que constituyan una contribución novedosa a la planificación sistémica de redes móviles LTE. En particular, se centra en el dimensionamiento estratégico de la red de acceso de LTE, debido a que constituye aproximadamente el 60% de la inversión total, e incluso una parte más elevada de los gastos OPEX (operating expense). La Tesis establece una novedosa propuesta para el problema de asignación o asociación de usuarios a eNBs (evolved NBs) en LTE. La contribución es este aspecto es doble: por un lado, se plantea un nuevo método para asociar N_U usuarios a N_B eNBs en redes LTE. Consiste éste en modelar la asociación usuario-eNB como un problema de optimización combinatoria en el que la función a minimizar es una métrica novedosa conocida como "Tiempo de descarga total del sistema" Download Time of the complete System (DTS). La minimización de DTS se traduce en una asignación de usuarios a celdas más eficiente que la que se consigue con métodos convencionales como el basado en maximizar CQI (Channel Quality Indicator) o en balanceo de carga (Load Balancing LB). Permite la asignación de usuarios desde celdas que, de otra forma, estarían sobrecargadas a otras con menos carga. Esto tiene un doble beneficio, tanto para el operador como para los usuarios. Por una parte, ayudar al operador de red a utilizar sus recursos de una manera más equilibrada y rentable. Por otra parte, la estrategia propuesta reduce el tiempo de descarga para la mayoría de los usuarios, e introduce cierta equidad en el reparto de recursos. La minimización de DTS es un problema de gran complejidad computacional. Ésta es justamente la razón que ha motivado la segunda contribución de esta Tesis: abordar el problema de la minimización de DTS mediante un algoritmo evolutivo (EA). El aspecto más interesante del EA propuesto es la forma en la que se realiza la codificación de las soluciones (asignaciones usuario-celda) candidatas. El cromosoma es un vector de dimensión N_U en el que cada elemento representa un usuario. El elemento en la posición j contiene cierta información sobre el usuario u_j. Esa información es un número entero que representa a que eNB de los N_U disponibles se ha asignado dicho usuario. Los operadores de mutación, cruce y selección se han diseñado para que puedan trabajar con esta codificación. El operador de cruce, en particular, es un torneo de todos contra todos. El otro aspecto novedoso de la implementación del algoritmo evolutivo propuesto se encuentra en la población inicial. Como se tiene información de una solución sub-óptima del problema (la proporcionada por el método convencional basado en CQI que asigna un usuario al eNB para el cual tiene mejor CQI), se incluye ésta en la población inicial, y el resto de los individuos se genera, básicamente, aplicando los operadores de mutación y cruce sobre esa solución. En cualquier caso, la solución encontrada (asociación de cada usuario a un eNB) es mejor (menor DTS) que la asignación realizada con métodos convencionales.