Análisis del estado de arte de Técnicas de Soft Computing aplicadas a problemas de planificación de red en 5G.

Contenido principal del artículo

Vasconez Núñez Vanessa Alexandra

Resumen

En el presente artículo se realizó una revisión del estado del arte de la aplicación de las técnicas de Soft Computing en la resolución de problemas de planificación de redes 5G, para lo cual se clasificó las diferentes técnicas de soft computing existentes (redes neuronales, lógica difusa, algoritmos evolutivos) y de los trabajos e investigaciones realizados sobre el tema según sus autores, los modelos planteados y los métodos de solución. Adicionalmente se describieron las investigaciones más relevantes en donde se especifican técnicas para dar solución a los problemas de arquitecturas y funcionalidades cruciales en el desarrollo de esta tecnología, entre los cuales se resalta: encontrar una posición óptima para una Estación Base (BS) en un área de interés determinada, operar en las bandas de frecuencias múltiples deseadas mientras se mantiene una alta ganancia, limitar el consumo de energía en las infraestructuras de red 5G y tratar de incrementar la calidad del servicio al disminuir la probabilidad de bloqueo de llamadas. Finalmente se concluyó que las técnicas de soft computing más aplicadas a la solución de problemas de planificación de las redes 5G son lógica difusa, para limitar el consumo de energía en las infraestructuras de red 5G, además de las redes neuronales artificiales y algoritmos genéticos para la admisión de llamadas en redes 5G con la finalidad de incrementar la calidad del servicio al disminuir las interferencias.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Cómo citar
Vanessa Alexandra, V. N. (2020). Análisis del estado de arte de Técnicas de Soft Computing aplicadas a problemas de planificación de red en 5G. ConcienciaDigital, 3(2.2), 60-79. https://doi.org/10.33262/concienciadigital.v3i2.2.1246
Sección
Artículos

Citas

Abdelbari, A., & Haci, H. (noviembre de 2019). Fuzzy Logic-Based User Scheduling Scheme for 5G Wireless Networks and Beyond. Springer Link.
Agredo, G., Jojoa, P., & Almenar, V. (julio-diciembre de 2015). Sistemas MIMO con un elevado número de antenas: clave para la 5G inalámbrica. Entramado, 11(2), 250-261.
Albarracin, L., & Puerto, G. (2017). Fuzzy Systems: An Approach to 5G Networks under the Software Defined. Revista Científica, 31(1), 96-110.
Al-Maitah, M., Semenova, O., Semenov, A., Kulakov, P., & Kucheruk, V. (octubre de 2018). A Hybrid Approach to Call Admission Control in 5G Networks. Hindawi: Advances in Fuzzy Systems, 1-7.
Angulo, K., Gil, D., & Salcedo, O. (mayo de 2017). Optimización utilizando lógica difusa de dispositivo de análisis de componentes químicos de ingredientes naturales basados en el internet de las cosas IoT. Revista Científica, 30(3), 207-223.
Atayero, A., & Luka, M. (mayo de 2012). Applications of Soft Computing in Mobile and Wireless Communications. International Journal of Computer Applications, 45(22), 48-52.
Cardoso, A., & Vieira, F. (2019). Adaptive fuzzy flow rate control considering multifractal traffic modeling and 5G communications. Journals, 14(11).
Castañeda, E., Garmendia, L., & Santos, M. (2011). Algoritmos Genéticos Difusos: Una Aproximación Práctica para la Creatividad Computacional. Segundo Congreso Internacional de Matemáticas en la Ingeniería y la Arquitectura, 279-290.
Chabbouh, O., Ben, S., & Choukair, Z. A. (2018). A Two-stage RRH Clustering Mechanism in 5G Heterogeneous C-RAN. 5th International Workshop on ADVANCEs in ICT Infrastructures.
Crespo, J., Peña, E., Pascual, V., & Fustiel, J. (2016). Elección entre una metodología ágil y tradicional basado en técnicas de soft computing. Revista Cubana de Ciencias Informáticas, 10.
Demestichas, K., Adamopoulou, E., & Choras, M. (abril de 2017). 5G Communications: Energy Efficiency. Hindawi, 3.
Fundacio Universitat Empresa. (2019). Estudio sobre la planificación, el impacto y la cobertura de redes 4G y 5G de comunicaciones móviles. Recuperado el 24 de septiembre de 2019, de Ministerio de Ciencias, Innovación y Universidades: https://fueib.org/es/investigadors/65/otri/catalogo/5/741/servicio/estudio-sobre-la-planificacion-el-impacto-y-la-cobertura-de-redes-4g-y-5g-de-comunicaciones-moviles
Gjokaj, V., Doroshewitz, J., Nanzer, J., & Chahal, P. (2017). A Design Study of 5G Antennas Optimized Using Genetic Algorithms. 2017 IEEE 67th Electronic Components and Technology Conference.
González, C. (2011). Lógica Difusa: Una introducción práctica. La Mancha: Universidad de Castilla.
González, J., & Salamanca, Ó. (enero-junio de 2016). El camino hacia la tecnología 5G. Revista Electrónica de Estudios Telemáticos, 15(1), 27-47.
Hossain, E., Rasti, M., Tabassum, H., & Abdelnasser, A. (2014). Evolution Towards 5G Multi-tier Cellular Wireless Networks: An Interference Management Perspective. arXiv, 2, 1-10.
Kaloxylos, A., Barmpounakis, S., & Alonistioti, N. (2014). An efficient RAT selection mechanism for 5G cellular networks. (Mobile and Wireless Communications Enablers for the 2020 Information Society.
Khan, A., Abolhasan, M., Ni, W., Lipman, J., & Jamalipour, A. (2019). A Hybrid-Fuzzy Logic Guided Genetic Algorithm (H-FLGA) Approach for Resource Optimization in 5G VANETs. IEEEexplore, 68(7), 6964 - 6974.
Kumar, P., & Mahajan, A. (2009). Soft Computing Techniques for the Control of an Active Power Filter. IEEE Transactions on Power Delivery, 24(1), 452-461.
Kumar, S., Kumar, A., Das, B., & Burnwal, A. (2013). On Soft Computing Techniques in varios areas. Computer Science & Information Technology (CS & IT), 59–68.
Liu, Q., Chuai, G., & Gao, W. (2018). uzzy Logic-based Virtual Cell Design in Ultra-Dense Networks. Wireless Com Network 2018, 87.
Liu, Q., Foong, C., Zhang, S., & Li, L. (septiembre de 2019). A fuzzy-clustering based approach for MADM handover in 5G ultra-dense networks. Springer.
López, M., Guerra, M., & Izaquirre, S. (junio de 2017). Profundización en la introducción de las redes móviles 5G. Revista Técnica de la Empresa de Telecomunicaciones de Cuba S.A., 14, 36-45.
Lounis, A., Alilat, F., & Nazin, A. (2018). Neural Network Model of QoE for Estimation Video Streaming over 5G network. 6th International Workshop on ADVANCEs in ICT Infrastructures and Services, 21–27.
Lynch, D., Saber, T., & Kucera, S. (2019). Evolutionary learning of link allocation algorithms for 5G heterogeneous wireless communications networks. Proceedings of the Genetic and Evolutionary Computation Conference, 1258–1265.
Maldonado, S. (2013). Técnicas de soft-computing para el desarrollo de redes de acceso móvil con control de polución electromagnética. Madrid: Universidad de Alcalá.
Martín, A. (2015). Integración de técnicas de soft-computing n la planificación basada en conocimiento de tareas de desarrollo software. La Mancha, España: Universidad de Castilla.
Ministerio de Tecnologías de la Información y las Comunicaciones de Colombia. (2019). Plan 5g: El futuro digital es de tods. Colombia.
Murugadass, A. (2019). A Fuzzy Logic Based Pico Serving Node Placement for 5G Ultra Dense Networks. International Journal of Advanced Science and Technology, 28(19), 108-115.
Panda, M., & Patra, M. (2013). Soft: Computing:Concepts and Techniques (Primera ed.). New Delhi, Boston, USA: University Science Press.
Peñaranda, C. (2015). Aplicación de Técnicas Soft Computing y Heurísticas para la identificación y clasificación de la información empleada por un recomendador de recetas. Valencia: Universitat Politecnica de Valencia.
Pierucci, L. (2015). The Quality of experience perspective toward 5G technology. IEE Wireless Comunnications, 22(4), 10-16.
Popovski, P., Trillingsgaard, Kasper, Simeone, O., & Durisi, G. (2018). 5G Wireless Network Slicing for eMBB, URLLC, and mMTC: A Communication-Theoretic View. Open Access Journal, 6.
Premnath, K. N., Srinivasan, R., & Elijah, B. (septiembre de 2014). Magnetic Field Model (MFM) in Soft Computing and parallelization techniques for Self Organizing Networks (SON) in Telecommunications. International Journal of Energy Optimization and Engineering, 3(3), 57-71.
Ramírez, J., Sarmiento, H., & López, J. (2018). Diagnóstico de fallas en procesos industriales mediante inteligencia artificial. Revista Espacios, 39(24), 12.
Rashad, C. (2019). Fuzzy-Neural based Cost Effective Handover Prediction Technique for 5G-IoT networks. International Journal of Innovative Technology and Exploring Engineering, 9, 191-197.
Rodríguez, A., & Pérez, A. (2017). Métodos científicos de indagación y de construcción del conocimiento. Revista Escuela de Administración de Negocios(82), 1-26.
Sachan, R., Jong Choi, T., & Wook, C. (abril de 2016). A Genetic Algorithm with Location Intelligence Method for Energy Optimization in 5G Wireless Networks. Hindawi, 1-9.
Sanou, B. (2018). Sentando las bases para la 5G: Oportunidades y desafíos. Desarrollo de las Telecomunicaciones de la UIT.
Santos, M., & Miranda, E. (junio de 2012). Aplicación de la lógica difusa en el ámbito de las energías renovables. Revista Elementos, 2(1), 102-114.
Subramani, M., & Kumaravelu, V. (2018). A Three-Stage Fuzzy-Logic-Based Handover Necessity Estimation and Target Network Selection Scheme for Next Generation Heterogeneous Networks. Journal of Circuits.
Sun, J., shi, W., Yang, Z., & Yang, J. (2019). Behavioral Modeling and Linearization of Wideband RF Power Amplifiers Using BiLSTM Networks for 5G Wireless Systems. IEEE Transactions on Vehicular Technology, 1(1).
Sun, S., Gong, L., Rong, B., & Lu, K. (2015). An Intelligent SDN Framework for 5G Heterogeneous Networks. IEEE Communications Magazine, 53(11), 142-147.
UI Najam, H., Ejaz, W., Ejaz, N., Kim, H., Anpalagan, A., & Jo, M. (2016). Network Selection and Channel Allocation forSpectrum Sharing in 5G Heterogeneous Networks. IEEE Access, 4, 980-992.
Veslin, E. (2013). Aplicación de algoritmos genéticos en problemas de Ingeniería . Revista de Investigación, Innovación e Ingeniería, 10-29.
Xu, S., Li, R., & Yang, Q. (2018). Improved Genetic Algorithm Based Intelligent Resource Allocation in 5G Ultra Dense Networks. 2018 IEEE Wireless Communications and Networking Conference (WCNC).
Xu, X., Zhang, H., Dai, X., Hou, Y., & Tao, X. Z. (2014). SON Based Next Generation Mobile Network With Service Slicing and Trials. China Communications, 11(2), 65-77.
You, X., Zhang, C., Tan, X., Jin, S., & Wu, H. (2019). AI for 5G: research directions and paradigms. Sci China Inf Sci, 62(2).
Zapata, P., Luna, F., Valenzuela, J., Mora, A., & Padilla, P. (2018). Metaheurísticas híbridas para el problema del apagado de celdas en redes 5G. XIII Congreso Espanol en Metaheurísticas y Algoritmos Evolutivos y Bioinspirados, 18, 665-670.
Zhang, H., Liu, N., Chu, X., Long, K., Aghvami, A., & Leung, V. (2017). Red segmentada de redes 5G y redes móviles futuras: movilidad, gestión de recursos y desafíos. IEEE Communications Magazine, 55(8), 138-145.
Zhao, X., Yang, H., Guo, H., Peng, T., & Zhang, J. (2019). Accurate Fault Location based on Deep Neural Evolution Network in Optical Networks for 5G and Beyond. ptical Fiber Communication Conference (OFC) 2019.