[发明专利]用于自组织网络的优化的过程

权利要求书

1.一种用于由通信网络控制元件或功能使用的装置，所述通信网络控制元件或功能被配置为控制对自组织通信网络的参数的设置，所述装置包括：

至少一个处理电路系统，以及

至少一个存储器，用于存储要由所述处理电路系统执行的指令，

其中所述至少一个存储器和所述指令被配置为与所述至少一个处理电路系统一起使所述装置至少：

获得预训练的网络优化模型，所述网络优化模型指示在形成所述模型的输入的通信网络环境、形成所述模型的输出的优化动作或决定以及形成奖励的系统性能指示符之间的映射，

使得向形成所述自组织通信网络的一部分的至少一个通信网络元件或功能发送针对为相似性分析提供相似性数据的请求，所述相似性分析允许确定所述自组织通信网络中的针对其得出所述预训练的网络优化模型的一部分与所述自组织通信网络中的所述请求被发送到的一部分之间的相似性，

执行所述相似性分析，以用于确定所述自组织通信网络中的针对其得出所述预训练的网络优化模型的所述一部分与所述自组织通信网络中的接收到针对其的用于所述相似性分析的相似性数据的每个部分之间的相似性，

基于所述相似性分析，至少确定一部分所述预训练的网络优化模型，所述一部分所述预训练的网络优化模型要被提供给从其接收到所述相似性数据的、形成所述自组织通信网络中的一部分的所述至少一个通信网络元件或功能，以及

引起将所确定的一部分所述预训练的网络优化模型的发送给从其接收到所述相似性数据的、形成所述自组织通信网络的一部分的所述至少一个通信网络元件或功能。

2.根据权利要求1所述的装置，其中所述至少一个存储器和所述指令还被配置为与所述至少一个处理电路系统一起使所述装置至少：

通过从属于所述自组织通信网络的一部分的通信网络元件或功能接收包括所述预训练的网络优化模型的数据，来获得所述预训练的网络优化模型，其中所述装置被包括在中央单元中，所述中央单元负责收集和管理所述自组织通信网络中得出的预训练的网络优化模型的使用情况。

3.根据权利要求1所述的装置，其中所述至少一个存储器和所述指令还被配置为与所述至少一个处理电路系统一起使所述装置至少：

通过从在所述自组织通信网络的一部分中实施的数据和测量得出所述预训练的网络优化模型，来获得所述预训练的网络优化模型，其中所述装置被包括在以下通信网络元件或功能中，所述通信网络元件或功能形成用于管理所述自组织通信网络中得出的预训练的网络优化模型的使用情况的分布式系统的一部分。

4.根据权利要求1至3中任一项所述的装置，其中所述预训练的网络优化模型通过使用基于多个卷积层和多个完全连接层的深度增强学习算法而被得出，所述多个卷积层被采用来捕获所述自组织通信网络的所述一部分的所述网络环境之间的空间和时间相关性，所述多个完全连接层被采用来将所述多个卷积层中的数据处理的维度减小到所期望的输出维度，其中所述预训练的网络优化模型由一组模型参数和超参数来定义。

5.根据权利要求4所述的装置，其中用于得出所述预训练的网络优化模型，输入数据通过以下操作被准备：

确定所述通信网络部分的用户在所述自组织通信网络的所述一部分中在空间上如何分布，以及所述用户的所述空间分布如何随时间演变，

确定所述用户在指定时间段内的用户活动级别，以及

生成包括图像和图像序列中的至少一项的输入样本，其中每个像素的位置对应于所述用户的地理网格或物理地点，以及每个像素的强度或颜色值对应于在所述指定时间段、在所述地理网格上聚合的用户活动级别。

6.根据权利要求4或5所述的装置，其中

所述模型参数包括以下至少一项：所述多个卷积层和所述多个完全连接层的每两个连续层之间的权重矩阵，以及所述多个卷积层和所述多个完全连接层的每两个连续层之间的偏置向量，以及

所述超参数包括以下至少一项：所述多个卷积层和所述多个完全连接层的层数、在所述多个卷积层和所述多个完全连接层中的每层处的单元数、激活函数的类型、所述多个卷积层的每层中的滤波器数目和滤波器大小、每个最大或平均池化层的步长大小。