Επιλογή κυψέλης (cell selection) ονομάζουμε τη διαδικασία προσδιορισμού πόρων σε ασύρματα κυψελωτά δίκτυα, που παρέχουν υπηρεσίες σε κινητούς χρήστες. Η βελτιστοποίηση αυτών των διαδικασιών είναι ένα σημαντικό βήμα με στόχο τη μεγιστοποίηση της χρησιμοποίησης των σύγχρονων, αλλά και των μελλοντικών δικτύων. Παρ’ όλα αυτά, υποστηρίζεται συχνά ότι οι κεντρικές οντότητες που εκτελούν σήμερα τις εργασίες σχετικά με τον συντονισμό των παρεμβολών και τον μετριασμό τους με σφαιρική γνώση (global knowledge) θα πρέπει γενικά να αποφεύγονται, κυρίως λόγω των προβλημάτων που συχνά εγείρονται ως αποτέλεσμα της έλλειψης της απαιτούμενης αυτής σφαιρικής γνώσης, της μεγάλης υπολογιστικής πολυπλοκότητας κ.τ.λ. Έτσι, το κατισχύον όραμα που αφορά τα μελλοντικά δίκτυα δίνει έμφαση σε χρηστο-κεντρικές (user-centric) προσεγγίσεις, όπου ο χρήστης είναι υπεύθυνος για την επιλογή της στρατηγικής του και, κατ’ επέκταση, η αναζήτηση επικεντρώνεται σε κατανεμημένους αλγορίθμους (distributed algorithms). Έχοντας θέσει ως στόχο την επίτευξη αυτού του οράματος των μελλοντικών δικτύων, προτείνονται αποκεντρωμένοι (decentralized) αλγόριθμοι εκμάθησης για την επιλογή κυψέλης που επιτρέπουν στους κινητούς χρήστες να διαλέγουν μέσα από μία δεξαμενή ευνοϊκών πόρων με χαμηλό επίπεδο παρεμβολών, βάσει μόνο τοπικής γνώσης. Πιο συγκεκριμένα, στα πλαίσια της παρούσας διπλωματικής εργασίας αναλύουμε και αξιολογούμε τους προτεινόμενους αλγορίθμους επιλογής κυψέλης εισάγοντας ένα απλοποιημένο μοντέλο ασύρματου δικτύου και εφαρμόζοντας μεθόδους από τη θεωρία παιγνίων, π.χ. παίγνια δυναμικού (potential games). Αναλυτικότερα, κάθε χρήστης σχετίζεται με μία κατάλληλα ορισμένη συνάρτηση χρησιμότητας (utility function) σχετική με την ποιότητα υπηρεσίας που εξαρτάται τόσο από τη διεπίπεδη αρχιτεκτονική του δικτύου, όσο και από την κατηγορία της ζητούμενης υπηρεσίας –πραγματικού ή μη πραγματικού χρόνου, με βασική απαίτηση των χρηστών τον επιθυμητό ρυθμό μετάδοσης. Αρχικά διατυπώνουμε το πρόβλημα βελτιστοποίησης για την επιλογή κυψέλης σε συνδυασμό με την κατανομή ισχύος εκπομπής και στη συνέχεια αποδεικνύουμε ότι η λύση του αποτελεί ένα σημείο ισορροπίας, γεγονός που εγγυάται ότι οι κινητοί χρήστες θα επιλέξουν την καταλληλότερη κυψέλη για να εξυπηρετηθούν, προκειμένου να μεγιστοποιήσουν την απόδοσή τους σε όρους ποιότητας υπηρεσίας. Η απόδειξη της ύπαρξης σημείων ισορροπίας καταδεικνύει ότι μία σταθερή επιλογή κυψέλης μπορεί να επιτευχθεί από εγωιστές παίκτες (selfish agents). Η αποτελεσματικότητα της προτεινόμενης προσέγγισης αξιολογείται μέσω μοντελοποίησης και στη συνέχεια προσομοίωσης.
Cell selection is the process of determining cell resource which provides service to mobile users. Optimizing these processes is an important step towards maximizing the utilization of current and future networks. However, it is assumed that central entities performing the task of interference coordination and mitigation with global knowledge should be avoided due to the problems that frequently arise as a result of the lack of global knowledge, high computational complexity etc. Henceforth, the prevailing vision of future networking focuses on user-centric approaches, where the user is responsible to decide his/her strategy and, as a consequence, distributed algorithms are sought for.
Towards realizing the vision of future networking, decentralized cell selection learning algorithms enabling mobile users to select a pool of favorable resources with low interference based on local knowledge only are proposed. Specifically, we analyze and evaluate the proposed cell selection algorithms by introducing a simplified wireless network model and applying methods from game theory, e.g. potential games. More analytically, each user is associated with a properly defined QoS aware utility function, which depends both on the two tier architecture, as well as the class of requested service, i.e. real or non-real time service, requested bitrate. A cell selection optimization problem is formulated and its solution is shown to constitute a feasible equilibrium point, which guarantees that the mobile users select the most appropriate cell to be served from in order to maximize their QoS-aware performance. Proving the existence of an equilibrium shows that stable cell selections can be reached by selfish agents. The effectiveness of the proposed approach is evaluated through modeling and simulation.