Nghiên cứu và phát triển thuật toán phân bổ tài nguyên cho mạng ORAN sử dụng Q-learning
Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Đức Tiến |
| Người hướng dẫn | Nguyễn Tài Hưng |
| Cơ sở đào tạo | Đại học Bách khoa Hà Nội |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Bách khoa Hà Nội · trang gốc |
Tóm tắt
Nghiên cứu chiến lược phân bổ khối tài nguyên vật lý (Physical Resource Blocks – PRB) trong kiến trúc Mạng truy nhập vô tuyến mở (O-RAN) dựa trên học tăng cường, sử dụng thuật toán Q-learning nhằm nâng cao hiệu quả quản lý và sử dụng tài nguyên vô tuyến. Phương pháp khai thác khả năng điều khiển gần thời gian thực của Near-Real-Time RIC, cho phép hệ thống học từ trạng thái mạng và kết quả phân bổ trước đó để thích ứng với sự biến động của tải mạng và điều kiện kênh truyền, đồng thời cân bằng các yêu cầu về chất lượng dịch vụ, thông lượng, độ trễ và tính công bằng giữa người dùng. Hiệu năng của phương pháp được đánh giá thông qua mô phỏng và so sánh với các phương pháp cơ sở như Greedy và tối ưu hóa bằng lập trình số nguyên tuyến tính (ILP). Kết quả cho thấy phương pháp Q-learning có khả năng cải thiện thông lượng tổng, mức độ công bằng và khả năng thích ứng với biến động tải, qua đó khẳng định tiềm năng ứng dụng của học tăng cường và trí tuệ nhân tạo trong điều khiển, tối ưu hóa tài nguyên O-RAN và mạng 5G.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Application of deep learning and text embedding methods for self - admitted technical debt detection = Ứng dụng mô hình học sâu và các kỹ thuật xử lý văn bản trong phát hiện lỗi mã nguồn
- Hệ thống thu thập, lưu trữ và bảo vệ dữ liệu của các tổ chức trong Atlassian
- Xây dựng hệ thống phát hiện và đếm phương tiện giao thông trên đường
- Nghiên cứu thuật toán xác lập lộ trình bay tự động cho thiết bị bay không người lái ứng dụng học bắt chước/học tăng cường
- Phát triển ứng dụng meeting dựa trên video conferencing sử dụng công nghệ WebRTC
- Pharmacy Management System with AI-based functional supplement recommendation feature
- Nghiên cứu và ứng dụng công cụ BIP trong phát triển và kiểm chứng phần mềm. Studying and Applying BIP Component-Framework in Software Construction and Verification. (Viết bằng tiếng Anh và bảo vệ bằng tiếng Việt).
- Nghiên cứu phương pháp phát hiện tín hiệu giả mạo trong hệ thống định vị GNSS
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.