|
本年度は，昨年度確立したプロポーショナルフェアネス(PF: Proportional Fairness)規範という共通の規範を用いることで凸最適化・機械学習を併用するアルゴリズムを用いて評価をおこなった．また，並行して，アルゴリズムの改良を行なった．評価としては，複数種類の基地局（マクロ基地局と小型基地局）が複数の周波数帯を用いる場合について評価を行った．小型基地局が高周波数帯を用いる場合，周波数帯域幅の増大に伴い，最適化したオフセット値が増大，すなわちより多くのユーザが小型基地局の無線リソースを用いるようにセルレンジ拡張が適用された．また，機械学習により学習したオフセット値は，非常に時間がかかるものの総当たりで計算したオフセットの組み合わせ10^7の中の上位10位程度であり，PF値も1位の値とほぼ同等であることから，良好な特性を示していることがわかる．また，より正確に確認するため，凸最適化を用いた場合と比較した．いずれの場合においても，凸最適化を用いた場合とほぼ同等の特性が実現できており，アルゴリズムが良好に動作していることがわかる．次に，機械学習アルゴリズムを改良するため，ニューラルネットワークの改良を行なった．具体的には層数，学習パラメータ等を変更して評価を行なった．これらの改良により，更に特性の改善がみられることを確認している．
|
