[发明专利]通信方法及装置在审
申请号: | 201180055954.7 | 申请日: | 2011-11-22 |
公开(公告)号: | CN103548375A | 公开(公告)日: | 2014-01-29 |
发明(设计)人: | 乔治·库杜瑞迪斯 | 申请(专利权)人: | 华为技术有限公司 |
主分类号: | H04W24/02 | 分类号: | H04W24/02;H04L12/24 |
代理公司: | 北京亿腾知识产权代理事务所 11309 | 代理人: | 李楠 |
地址: | 518129 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 通信 方法 装置 | ||
1.一种控制电信网络的方法,所述网络包括:
至少一个用于网络配置参数交互的设备;
所述方法,其特征在于,
在给定的运行参数集合的条件下,定义一个(子)系统状态的电信网络的一个或多个关键的性能指标被映射到经过修改的运行参数;其特征在于,
根据动态动作决策确定被修改的运行参数,所述决策在优化模块中被确定,所述模块为指定映射规则的(子)系统状态分类或作区分,该映射规则根据一个递归的过程学习过去的映射规则,为一个或多个状态集合的电信网络进行动作控制。
2.根据权利要求1所述方法,其特征在于,
根据所述决策对(子)系统状态或状态转换进行预测或识别。
3.根据权利要求1所述方法,其特征在于,
所述动态动作决策由递归学习确定。
4.根据权利要求1所述方法,其特征在于,
指定一个或多个状态所需的参数数量由递归学习动态确定。
5.根据权利要求4所述方法,其特征在于,
参数静态在一个经常性的时间基础上被收集;其特征在于,
指定一个或多个状态所需的实际参数被据此确定。
6.根据权利要求4或5所述方法,其特征在于,所述学习为以下任意一种:
归纳学习或从可观察的事实中学习规则;
决策树学习;
贝叶斯学习,基于人工神经网络的学习或从已知观察中对控制功能的学习;
基于实例的学习,或从实例间的相似点和差异之间学习状态功能,或通过回归进行学习;
相关或统计学习,不排除由此形成的任何组合。
7.根据权利要求1-3所述方法,其特征在于,
所述学习是强化学习、Q-学习或通过开发或利用进行的学习,不排除由此形成的任何组合。
8.根据权利要求1所述方法,所述网络至少包括两个设备,其特征在于,
所述动作包括设备之间的交互。
9.根据权利要求1所述方法,其特征在于,
所述交互包括网络运行参数的配置、说明或设置。
10.根据权利要求1所述方法,所述网络至少包括两个设备,其特征在于,
所述交互包括设备间网络参数的协商。
11.根据权利要求10所述方法,其特征在于,
所述协商包括对电信网络实体的一个联合动作方面的动作的通信或协调。
12.根据权利要求8所述方法,所述网络包括至少两种设备:
被安排用于控制的第一设备;
用于被控制的第二设备;其特征在于,
所述动作包括用于控制第二设备运行第一设备之间的交互。
13.根据权利要求1所述方法,其特征在于,
对学习一种协商策略或一个或多个状态集合,所述电信网络为以下任意一种:
一种贝叶斯信念网络;
一种动态贝叶斯网络;
一种动态决策网络。
14.根据权利要求13所述方法,其特征在于,
所学的协商策略被应用于实体之间的协商。
15.根据权利要求1所述方法,包括:
学习一种动态网络拓扑,所述学习通过确定各自的网络实体及其功能的一种发现来实现。
16.根据权利要求1所述方法,其特征在于,
所述动态动作决策在电信网络操作期间被动态地确定。
17.根据权利要求1所述方法,其特征在于,
所述设备经过适配,将其当前状态的预期效用最大化。
18.根据权利要求1所述方法,其特征在于,
所述状态表达所述电信网络的许多关键性能指标。
19.根据权利要求1所述方法,其特征在于,
所述动作决策包括无线资源管理参数配置。
20.根据权利要求1所述方法,其特征在于,
递归过程涉及元件内迭代处理,元件间的迭代处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201180055954.7/1.html,转载请声明来源钻瓜专利网。