Optimisation de la répartition du trafic dans un environnement mobile composite
Institution:
Versailles-St Quentin en YvelinesDisciplines:
Directors:
Abstract EN:
Le problème que nous traitons est de répartir des demandes de trafic venant de services multiples, sur des réseaux d'accès hétérogènes couvrant une même zone géographique. Nous utilisons pour cela la méthode d'apprentissage par renforcement (RL), dont le principe est l'apprentissage par interactions, pour atteindre un but fixé. RL présente l'avantage de pouvoir se baser sur des traces de trafic réelles ou simulées, de ne pas requérir de modèle explicite de probabilités de transition, et de s'adapter à des espaces à nombre d'état très grand. Nous nous concentrons sur l'admission d'appel et le choix du réseau d'accès. Nous proposons une amélioration de la méthode en introduisant un mécanisme de contrôle de la perte de session. Deux architectures sont proposées. Elles permettent de résoudre le problème selon que le degré de coopération et d'intégration de la gestion d'allocation des ressources entre les réseaux d'accès est faible ou fort.
Abstract FR:
The problem that we are addressing is how to distribute traffic demands, coming from multiple classes of service, onto underlying heterogeneous access media. We make use of Reinforcement Learning (RL), which provides goal-directed learning from interaction. RL can be trained by either real or simulated traffic traces, it does not require the knowledge of an explicit model (transition probabilities), and it allows for solutions in large state spaces. We concentrate on call admission and access network selection. We also integrate a dropping control mechanism. We propose two different approaches. Their main difference lies in the degree of integration of the resource allocation management across the wireless networks. The choice between one of the two proposed architectures enables our solution framework to be used in cases where different levels of co-operation are envisaged across the wireless access networks.