Vés enrere

Aprenentatge autònom per a l'optimització de la configuració de xarxes WiFi amb múltiples punts d'accés

Aprenentatge autònom per a l'optimització de la configuració de xarxes WiFi amb múltiples punts d'accés

Es mostra en un treball d'Álvaro López Raventós i Boris Bellalta, membres del grup de recerca Wireless Networking i publicat a Computer Networks, amb l'objectiu d'entendre com aquestes tècniques responen als canvis en situacions no estacionàries.

15.07.2020

Imatge inicial

Un treball publicat recentment a Computer Networks per Álvaro López Raventós i Boris Bellalta, presenta un estudi sobre l’aplicació de tècniques d'aprenentatge autònom per a optimitzar la configuració de xarxes WiFi formades per múltiples punts d’accés. Els autors són membres del grup de recerca Wireless Networking del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la UPF.

Més concretament, l’estudi es realitza per a dos processos diferents que s’executen simultàniament a la xarxa: el de selecció de canal per part dels punts d’accés i el d’associació entre usuaris i punts d’accés. Un dels punts rellevants de l’estudi de situacions no estacionàries amb l’objectiu d’entendre com aquestes tècniques d’aprenentatge autònom responen als canvis.

Un dels punts rellevants de l’estudi de situacions no estacionàries amb l’objectiu d’entendre com aquestes tècniques d’aprenentatge autònom responen als canvis

"Mitjançant tècniques de Reinforcement Learning, una de les múltiples branques que té el Machine Learning, dotem tant als punts d’accés com als usuaris amb les eines necessàries per fer un aprenentatge autònom, el qual es basa en aprendre de manera seqüencial quina de les possibles accions retorna el millor resultat", expliquen López i Bellalta. "Amb aquesta finalitat, utilitzem un algorisme anomenat Thompson Sampling, que realitza una exploració intel·ligent de les diferents accions possibles fins que troba aquella que dóna un millor resultat", afegeixen.

L’article presenta un marc complex on es defineixen dos tipus de “jugadors” (punts d’accés i usuaris), els quals, dins d’un mateix entorn, interactuen entre ells pel mateix conjunt de recursos. Com s’explica en aquest treball, aquest tipus d’entorns es poden considerar com “adversaris”, ja que les accions preses per un jugador estan influenciades per les accions que altres jugadors han pres amb anterioritat.

Pel que fa als punts d’accés,  cada acció correspon a un canal freqüencial. Mentre que pels usuaris cada acció correspondrà a un punt d’accés a on associar-se. Conseqüentment, l’objectiu dels punts d'accés serà trobar el canal més buit, mentre que pels usuaris el seu objectiu serà trobar aquell punt d’accés que estigui més lliure.

Les tècniques d’aprenentatge autònom poden repercutir en canviar com hem fet les coses fins ara

Finalment, els autors exposen els resultats obtinguts per a diferents escenaris, considerant tant entorns estacionaris com no estacionaris, i per diferents requeriments de la xarxa (increment del tràfic, nombre de punts d’accés, nombre d’usuaris). "Com hem pogut observar, els resultats quan apliquem els mecanismes d’aprenentatge autònom milloren significativament en referència als obtinguts quan aplicàvem una preconfiguració estàndard, però sobretot mostren la capacitat d’adaptació de la xarxa a situacions complexes", ressalten López i Bellalta.

Un aspecte que els autors destaquen és que amb l’ús d’aquests mecanismes d’aprenentatge autònom es pot aconseguir el mateix nivell de prestacions de la xarxa amb molts menys recursos dels que serien necessaris altrament. Això té repercussions òbviament en el cost i manteniment de la xarxa, i és un nou exemple tangible on es mostra com l’ús de tècniques d’aprenentatge autònom poden repercutir en canviar com hem fet les coses fins ara.

Article de referència:

Álvaro López Raventós, Boris Bellalta (2020), "Concurrent Decentralized Channel Allocation and Access Point Selection using Multi-Armed Bandits in multi BSS WLANs", Computer Networks, publicat en edició avançada 24 de juny https://doi.org/10.1016/j.comnet.2020.107381

Multimèdia

Multimedia

Multimedia

Categories:

Per a més informació

Para más información

For more information

Notícia publicada per:

Noticia publicada por:

News published by:

Unitat de Comunicació i Projecció Institucionals

Unidad de Comunicación y Proyección Institucionales

Institutional Communication and Promotion Unit