چکيده
يكي از مسائلي كه از ديرباز در شبكه هاي مخابرات بي سيم مورد توجه قرار داشته، مبحث تخصيص منابع بوده است. دليل اين امر، اين است كه در اين شبكه ها منابع در دسترس ارزشمند و محدود مي باشند و در نتيجه تلاش بر آن است كه به نحوي بهينه، از اين منابع ارزشمند استفاده شود.
با معرفي شبكه هاي بي سيم نسل پنجم، تخصيص منابع با چالش هاي زيادي روبرو شده است چرا كه در اين نسل به دليل رشد سريع تقاضا براي كاربرد ¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬هاي بي سيم ازجمله اينترنت اشيا و ماشين هاي بي سرنشين، افزايش زيادي در ظرفيت شبكه مورد نياز است. به همين دليل، تلاش بر آن است كه با استفاده از فناوري- هايي نظير چند ورودي چند خروجي انبوه (Ma-MIMO) ، موج ميليمتري (MM-wave) و كاهش اندازه ي سلول ها در شبكه هاي سلولي، اين نياز برطرف شود. علاوه بر اين، حضور گسترده اي از فناوري- ها و وسايل بي سيم با نياز هاي زماني و تواني مختلف، موجب پيچيدگي تخصيص منابع شبكه هاي بي سيم در اين نسل مي گردد كه به طور خلاصه مي توان حضور پارامتر هاي زياد (چند بعدي بودن مسئله) و زمان كم در دسترس جهت تصميم گيري در تخصيص بهينه منابع را دو چالش اصلي تخصيص منابع در شبكه هاي بي سيم در نظر گرفت]1[،]2[.
در شبكه هاي امروزي از ابزار هاي رياضي و پردازشي بسياري نظير بهينه سازي غير محدب و بهينه سازي تنك جهت تخصيص منابع استفاده مي شود كه عملكرد خوبي دارند ولي استفاده از آن ها در شبكه هاي بي- سيم نسل پنجم دشوار است چرا كه نيازمند هزينه ي محاسباتي زيادي هستند. از سوي ديگر در سال هاي اخير به دليل پيشرفت فناوري كامپيوتر ها مبحثي تحت عنوان يادگيري ماشين مطرح شده است كه با استفاده از الگوريتم هاي مختلف به سيستم، توانايي يادگيري مي دهد كه با محاسبات كمتر و رياضيات ساده تر توانايي تصميم گيري داشته باشد]1[.
در اين سمينار ابتدا به مقدمه اي بر تخصيص منابع در شبكه هاي مخابرات بي سيم پرداخته شده است كه در آن، چالش هاي اين امر در شبكه هاي بي سيم نسل پنجم مورد بررسي قرار گرفته است. سپس بعد از مروري بر الگوريتم هاي يادگيري ماشين، به استفاده از اين الگوريتم ها در تخصيص منابع شبكه هاي بي سيم پرداخته شده است.
