Utilizando o algoritmo de Levenberg-Marquardt (LM) para estimação de parâmetros, apresentamos neste artigo as funções de utilidade sigmoidal que modelam a probabilidade de sucesso por unidade de potência consumida por um usuário. A simulação é proposta em redes móveis para os usuários localizados sob a área de cobertura das pequenas células, com uma faixa de 3,5 GHz e com diferentes Esquemas de Modulação e Codificação (MCS - Modulation and Coding Schemes) padronizados no Projeto de Parceria de Terceira Geração (3GPP - 3rd Generation Partnership Project).

In this paper, we present an approach for resource scheduling in wireless networks based on the Network Slicing (NS) paradigm using Double Deep Q-Network (DDQN) Reinforcement Learning (RL) algorithm. More specifically, we propose a joint power and Scheduling Block (SB) allocation algorithm for networks with NS. The reinforcement learning algorithm applied to the resource allocation problem is formulated using state transitions regarding the system dynamics. We also present an algorithm, namely Network Slicing based on Reinforcement Learning (NSRL) that combines the proposed reinforcement learning based resource allocation with an approach based on reservation and sharing of resources among the slices where each RL agent acts in one slice. Simulations are carried out considering User Equipments (UEs) within a small cell coverage area - (Small Cells) with different Modulation and Coding Schemes (MCS) standardized by the 3rd Generation Partnership Project (3GPP) based on a simplified NS scenario with fifth generation wireless network (5G) characteristics. In the simulations, two slices are considered for the UEs: one considering Ultra-reliable and Low Latency Communications (URLLC) and other related to enhanced Mobile Broadband (eMBB) services. Simulation results show that the NSRL algorithm efficiently allocates power and SBs, outperforming other algorithms in the literature.

No abstract

Neste artigo considera-se o problema de alocação eficiente de recursos no processo de admissão e escalonamento de gestantes para uma rede perinatal composta por duas maternidades. Para tanto, utiliza-se um algoritmo de balanceamento de carga baseado no comportamento das abelhas. Apresenta-se, por meio dos resultados obtidos nas simulações, que o algoritmo reduz o tempo médio de atendimento às gestantes que entram no sistema perinatal, em comparação a outros algoritmos de balanceamento de carga presentes na literatura.

Resumo-Neste artigo, propõe-se uma solução para o problema de otimização utilizando escalonadores de recursos em redes móveis 5G. Estes escalonadores alocam largura de banda para os Equipamentos dos Usuários (UEs -User Equipments) dentro da área de cobertura de pequenas células -(Small Cells), considerando o paradigma de fatiamento de rede (NS -Network Slicing). A simulação é proposta para os UEs que utilizam os serviços de comunicações ultra confiáveis e de baixa latência (URLLC -Ultra-Reliable and Low-Latency Communications) e banda larga móvel melhorada (eMBB -Enhanced Mobile Broadband) com diferentes Esquemas de Modulação e Codificação (MCS -Modulation and Coding Schemes).

No abstract