چکيده
شبكه‌هاي خود سامان‌ده مجموعه‌اي از تكنولوژي‌هايي هستند كه طراحي شده‌اند تا برنامه‌ريزي ، پيكربندي ، بهينه‌سازي ، بهبود دادن و نگهداري شبكه‌هاي مخابراتي بيسيم را خودكار كند. به اين صورت كه سعي مي‌كند تا مداخله‌ي دستي را در مديريت شبكه تا حد امكان كاهش دهد. به اين صورت بازدهي و كارايي شبكه افزايش مي‌يابد. شبكه‌هاي خود سامان‌ده از الگوريتم‌ها و جديدا هوش مصنوعي استفاده مي‌نمايد تا مشخصه‌هاي محيطي، رفتار كاربر و شرايط شبكه را تجزيه و تحليل نمايد. اين اطلاعات براي جايگيري ايستگاه پايه و ديگر المان‌هاي شبكه استفاده مي‌شود. شبكه‌هاي خود سامان‌ده مي‌تواند به صورت پويا پارامترهاي شبكه را تنطيم نمايد. اين پارامترها از جمله مقدار توان، آستانه دست‌به‌دست شدن و پيكربندي آنتن‌ها تاثير به‌سزايي در بهينه‌سازي كارايي شبكه دارند. اين قابليت وفق شدن با شرايط شبكه، در مديريت تغييرات پارامترهاي شبكه و الگوهاي ترافيكي بسيار حياتي است. شبكه‌هاي خود سامان‌ده به صورت مداوم كارايي شبكه را نظارت و تنظيمات بي‌درنگ را براي اطمينان از كارايي بهينه شبكه اعمال مي‌كند. اين امر شامل مواردي چون تداخل، ازدحام و محل‌هاي غير تحت پوشش مي‌شود. اين شبكه مي‌تواند خطاها و ناكارمدي‌ها را تشخيص دهد و عمليات خود بهبودي را آغاز كند تا زمان خرابي كمينه شود. اين شبكه‌ها مي‌توانند به چند بخش تقسيم شوند از جمله خود بهينه‌ساز، خود پيكربند و خود بهبودبخش؛ هر كدام روي جنبه خاصي از مديريت شبكه تمركز دارد. الگوريتم‌هاي يادگيري ماشين مي‌تواند تاريخچه داده‌هاي شبكه را تجزيه و تحليل كند تا شرايط آينده شبكه و رفتار كاربر را پيش‌بيني نمايد كه اين ظرفيت به شبكه‌هاي خود سامان‌ده كمك مي‌كند تا مشكلات و موانع احتمالي را قبل از اينكه روي شبكه تاثير بذارند، تشخيص دهد. شبكه‌هاي راديويي تشخيصي كه از يادگيري ماشين استفاده مي‌نمايند به شبكه‌هاي خود سامان‌ده كمك مي‌كند كه منابع طيف را مديريت كند. روش‌هاي يادگيري مي‌توانند مسائل بهينه‌سازي پيچيده را با اهداف متصاد متعدد انجام دهند. شبكه‌هاي خود سامان‌ده مي‌توانند از اين تكنيك‌ها استفاده كنند تا به اهداف خود مثل بيشينه كردن ناحيه پوشش، كمينه كردن تداخل و بهينه كردن مصرف انرژي به صورت همزمان برسد.
