Técnicas de optimización avanzada para la mejora de la eficiencia energética en redes 5G/6G ultradensas

Abstract

En el panorama de constante evolución de las tecnologías de comunicación inalámbrica, esta tesis se enfoca en mejorar la eficiencia energética de las redes ultra-densas 5G/6G mediante la aplicación de técnicas avanzadas de optimización con algoritmos evolutivos multiobjetivo (MOEAs). Para afrontar el doble reto, por un lado, de incrementar el rendimiento de red dada la demanda creciente de los requisitos de los casos de uso, y, por otro, la minimización del impacto ambiental de las redes de próxima generación, se ha modelado, formulado y abordado el problema multi-objetivo del apagado de celdas (CSO), que trata de reducir el consumo energético del sistema sin perjudicar su rendimiento. En este sentido, se ha evaluado la importancia de la severidad en la heterogeneidad espacial del tráfico de red, demostrando ser un factor clave en la complejidad asociada al problema de optimización subyacente. Así, la eficacia de los MOEAs mejora notablemente mediante operadores de búsqueda especializados basados en un análisis detallado del espacio de búsqueda del problema CSO. Estos operadores informados y específicos del problema contribuyen significativamente a encontrar mejores aproximaciones al frente óptimo de Pareto, ofreciendo un enfoque más eficaz que los métodos convencionales. Además, el trabajo de investigación amplía su enfoque a otros desafíos 5G/6G, introduciendo una metodología optimizada para analizar y clasificar flujos de red mediante la teoría de los L-momentos, subrayando la importancia y la aplicabilidad de técnicas de optimización en MOEAs en la gestión de redes de próxima generación.

In the constantly evolving landscape of wireless communication technologies, this thesis focuses on enhancing the energy efficiency of ultra-dense 5G/6G networks through the application of advanced optimization techniques with multi-objective evolutionary algorithms (MOEAs). To address the dual challenge of, on one hand, increasing network performance given the growing demand of use case requirements, and, on the other hand, minimizing the environmental impact of next-generation networks, the Cell Switch-Off multi-objective problem (CSO) has been modeled, formulated, and addressed, which aims to reduce the energy consumption of the system without harming its performance. In this regard, the importance of the severity in the spatial heterogeneity of network traffic has been evaluated, proving to be a key factor in the complexity associated with the underlying optimization problem. Thus, the efficacy of MOEAs significantly improves through specialized search operators based on a detailed analysis of the CSO problem's search space (landscape). These informed and problem-specific operators significantly contribute to finding better approximations to the Pareto optimal front, offering a more effective approach than conventional methods. Additionally, the research work broadens its scope to other 5G/6G challenges, introducing an optimized methodology to analyze and classify network flows using L-moments theory, highlighting the importance and applicability of optimization techniques in MOEAs in next-generation network management.