Biyolojiden Esinlenen Çok Hedefli Lte Aşağı Yönlü Çizelgeleyici

Abstract

3. Nesil Ortaklık Projesi (3GPP) tarafından uzun vadeli evrim (LTE) standartları geliştirilerek hücresel haberleşme 4. Nesil (4G) dönemine taşınmıştır. Bir önceki hücresel teknojilerin aksine radyo ağ kontol (RNC) mekanizmasi baz istasyonlarına taşınarak radyo kaynak yönetimi (RRM) görevleri burada gerçekleşmektedir. MAC çizelgeleleyici radyo kaynaklarının kullanıcılarak atama işlemini gerçekleştiren önemli bir kaynak yönetim mekanizmasıdır. LTE, IP tabanlı mimarisi ve daha yüksek veri taşıma kapasitesi ile çok kullanıcı çeşitlilik palanlamasını destekler. Son dönemde mobil iletişimde VoIP ve video trafiklerindeki artış, gerçek zamanlı trafiklerin önceliklendirilmesi ihtiyacını doğurmuştur. Yeni nesil haberleşme ağlarında karmaşıklığın artması, kaynakların daha akıllı bir şekilde yönetilmesi ishtiyacını doğurmuştur. Bu tezde, biyolojiden esinlenen, sunulan hizmet kalitesini(QoS) gözeten çok hedefli LTE aşağı yönlü çizelgeleyici önerilmiştir. Öncelikle, literatürde sunulmuş olan Round Robin ve Best CQI çizelgeleyicileri, gerçek zamanlı trafikler için QoS desteği sağlayacak şekilde geliştirilmiştir. Geliştirilen çizelgeleyiler QRR ve QBC ismini almıştır. QRR ve QBC çizelgeleyicilerinde, gerçek zamanlı trafiklere öncelik tanınmış ve öncelik seviyelerini belirlemede ayarlanabilir parametreler sunulmuştur. Ağ yöneticisi,değişen ağ koşullarına göre, bu parametreleri dinamik olarak ayarlayarak toplam gerçek zamanlı trafik çıktısı ve toplam sistem çıktısı arasındaki ödünleşmeyi kontrol edebilmektedir. $\tau$ ile gösterilen ayarlanabilir parametre, Round Robin çizelgeleyicisini geliştirerek QRR çizelgeleyicisini tasarımında kullanılmıştır. Bu $\tau$ parametresi gerçek zamanlı trafik kullanıcılarının gerçek zamanlı olmayan trafik kullanıcılarına göre kaç kaç daha fazla kaynak alacağını belirler. Bir anlamda ağırlıklandırılmış Round Robin (Weighted RR) çizelgeleyicisindeki ağırlık parametresine karşılık gelmektedir. $\delta$ ile temsil edilen benzer bir parametrede Best CQI çizelgeleyicisini değiştirmek için kullanılmaktadır. Burada $\delta$ gerçek zamanlı trafik kullanıcılarına, en iyi kanala sahip kullanıcı gibi davranılmasını belirleyecek eşik değeri olarak belirlenmiştir. Bu sayede eşik değerini geçen gerçek zamanlı trafik kullanıcıları, kendilerinden daha iyi kanala sahip gerçek zamanlı olmayan trafik kullanıcıları ile eşit değerde kaynak alma şansı yakalar. Farklı senaryolarda bu çizelgeleyicilerin davranışları simulasyon sonuçları ile gösterilmiştir. İkinci olarak, bir önceki çalışmadaki yakınsama eksikliklerinin önlemek amacıyla, biyolojiden esinlenen algoritmalar üzerinde çalışılmıştır. Önceden belirlenen hedefleri gerçekleyecek, genetik algoritma tabanlı LTE aşağı yönlü çizelgeleyici geliştirilerek radyo kaynaklarının kullanıcılara dağıtımı işlemi gerçekleştirilmiştir. Radyo kaynak yönetim işlemini genetik algoritma ile gerçekleştirmek için öncelikle, bu probleme uygun bir kromozom yapısı belirlenmiştir. Belirlenen kromozom yapısına göre, bir kromozom mevcut kaynak sayısı adedince genden oluşmaktadır ve bu genlerin alabileceği değerler baz istasyonuna bağlı bulunan kullanıcılardır. Örneğin bir baz istasyonuna bağlı 5 kullanıcı için 6 adet kaynak bloğumuz olduğunu düşünelim. Kromozom zincirinin alabileceği $6^5$ farklı varyasyon bulunmaktadır. Genetik algoritmanın önemli adımlarından biri olan çaprazlama işlemi, iki adet ebeveyn kromozomunun seçilen bir çaprazlama noktasından itibaren genlerini değiştirmesi şeklinde gerçekleştirilmiştir. Bir diğer önemli genetik algoritma adımı mutasyondur. Mutasyon işlemi kromozomdaki genlerden birinin rastgele değiştirilmesi ile gerçekleştirilmiştir. Çaprazlama ve mutasyon işlemlerinin sonunda kromozomlara uygunluk fonksyonuna ile bir uygunluk değeri atanır. İyi kromozomların bir sonraki nesile aktarılması için, yüksek uygunluk değerine sahip kromozomların seçilmesi işlemi de genetik algoritmanın seçme adımını oluşturur. Bu işlem uygun sayıda iterasyon boyunca tekrarlanarak en iyi çözüm seçilir. Önerilen genetik algoritma tabanlı çok hedefli çizelgeleyicinin uygunluk fonksyonu için iki mod bulunmaktadır. Bunlar, veri çıktısı şartlı ve adalet şartlı olarak adlandırılmıştır. Veri çıktısı şartlı modu seçildiğinde, önerilen algoritma ilk olarak önceden belirlenmiş hedef veri çıktısı değerine ulaşmayı amaçlar. Uygunluk fonksiyonu hedeflenelen veri çıktısı değeri üzerindeki çözümlere öncelik verir. İkinci hedefi ise, veri çıktısı hedefini sağlayan çözümler arasından en yüksek adalet değerine sahip çözümü sunmaktır. Burada belirtilen adalet değeri kullanıcılara ulaşan veri miktarının birbirlerine yakınlığı ile ifade edilmektedir. Adalet şartlı modu seçildiğinde, uygunluk fonksiyonu belirtilen eşik değerini geçen çözümlere öncelik verecektir. Belirtilen eşik değerini geçen çözümlerden en yüksek veri çıktısı değerine sahip olan çözüme, uygunluk fonksiyonu tarafından en yüksek uygunluk değeri atanacaktır. Her iki mod içinde geçerli olmak üzere, eğer hiçbir çözüm önceden belirlenen birincil hedefe erişememişse, çözümler arasından birincil hedefe en yakın çözüm en yüksek uygunluk değeri alacaktır. Gerçek zamanlı trafik kullanıcılarının ihtiyacını karşılamak amacıyla genetik algoritma tabanlı çizelgeleyici geliştirilerek QoS desteği eklenmiştir ve QGA olarak adlandırılmıştır. Kromozom yapısı, mutasyon ve çaprazlama adımları genetik algoritma tabanlı çizelgeleyici ile aynı kalmak üzere uygunluk fonksiyonu güncellenerek QoS yeteneği eklenmiştir. QGA çizelgeleyicisi, birçok hedefi birlikte gerçekleştirmek için tasarlanmıştır. Bu hedeflerden birincisi QoS ihtiyaçlarını karşılamaktır. Bu amaçla, ayarlanabilir bir eşik değeri sunulmuştur ($\beta$). $\beta$ değeri gerçek zamanlı kullanıcıların toplam veri çıktısını belirlemek için bir eşik değeridir. Ağ yöneticisi bu eşik değerini düzenleyerek gerçek zamanlı trafik veri çıktısı, toplam sistem veri çıktısı ve toplam sistem adalet değeri arasındaki ödünleşmeyi dengeleyebilir. İkincil hedef olarak iki mod bulunmaktadır. Bunlar en yüksek veri çıktısı modu ve en yüksek adalet modu olarak sunulmuştur. En yüksek veri çıktısı modu seçildiğinde, birincil hedefi sağlayan, çözümler arasından en yüksek veri çıktısını sağlayan çözüm en yüksek uygunluk değerini alır. En yüksek adalet modu seçildiğinde ise, uygunluk fonksiyonu, birincil hedefi sağlayan çözümler arasında en yüksek adalet değerine sahip çözüme en yüksek uygunluk değerini atar. Birincil hedefin sağlanamadığı durumlarda ise uygunluk fonksiyonu belirlenen eşik değerine en yakın çözüme yani en yüksek gerçek zamanlı veri çıktısına sahip çözüme en yüksek uygunluk değerini atar. Genetik algoritma tabanlı çizelgeleyicileri değerlendirmek için C\# tabanlı bir benzetim aracı gerçeklenmiştir. Bu araç, farklı ağ senaryolarını gerçekleştirmeye olanak sağlamaktadır. Örneğin ağ parametrelerinden olan, kullanıcı sayısı, kaynak sayısı, kullanıcıların hızı parametreleri önerilen algoritmaların performanslarını değerlendirmek için kullanılmıştır. Bunun yanında genetik algoritma parametrelerinden olan çaprazlama oranı, mutasyon oranı, başlangıç nüfusu ve maksimum iterasyon sayısı parametreleri genetik algoritmanın çözüme yakınsama hızını belirlemektedir. Sayısal sonuçlar incelendiğinde, arama uzayı genişledikçe, genetik algoritmanın optimum çözüme ulaşması için daha yüksek iterasyon sayısına ihtiyaç duyduğu gözlenmiştir. Bu sebeple genetik algoritmanın parametre seçimi yakınsama hızı ve önerdiği çözümün kalitesini belirlemede son derece önemlidir. Önerilen genetik algoritma tabanlı çok hedefli çizelgeleyicilerin, dinamik ağ senaryolarına hızlı bir şekilde uyum sağlayabildiği gözlenmiştir. Bu çizelgeleyicilerde sunulan ayarlanabilir parametreler yardımıyla ağ yöneticisi, veri çıktısı ve adalet değerleri arasındaki ödünçleşmeyi verimli bir şekilde kontrol edebilmektedir.

The voice, video, and data traffic can be carried as IP packets over Long Term Evolution (LTE) networks which bring the cellular communication to the fourth generation (4G) era. LTE enables digital convergence by offering higher capacity, including inherent IP support in its architecture, and supporting multi-user diversity scheduling. Recent increases in Voice over IP (VoIP) and video traffic usage require the prioritization of the real-time traffic to meet its stringent QoS requirements. As the complexity of networks increases significantly, cognitive networking becomes an essential tool to provide efficient management of the valuable resources. In this thesis, we propose a bio-inspired QoS-aware LTE downlink scheduler to enable cognitive networking mechanism. Firstly, the existing Round Robin and Best CQI schedulers are enhanced to enable the QoS support for the real-time traffic. For both schedulers, a configurable parameter, which determines the degree of priority level, is introduced so that the real-time traffic throughput can be administratively controlled without jeopardizing the overall network performance. Simulation results demonstrate the trade-off among the real-time traffic throughput, the overall system throughput and the overall system fairness for various scenarios. Secondly, in order to avoid the convergence inadequacies of the previous work bio-inspired algorithm has been studied. GA based cognitive LTE downlink schedulers is proposed to allocate radio resources to the users. In the proposed scheme, a network administrator defines high level network policies by setting the operational mode to throughput or fairness and a target threshold for the selected mode. For example, the proposed scheduler dynamically and quickly adapts its decisions to ensure the best fairness among the solutions satisfying the target throughput or the highest throughput if none of the solutions achieves the desired throughput. In addition QoS support is added to GA based scheduler in order to satisfy the realtime traffic users requirements. While assuring the throughput level of realtime flows, QoS-aware GA scheduler ensures the highest throughput or highest fairness for users by providing an option for the network administrator. We implemented a C\# based simulation tool and demonstrated the trade-off between the convergence speed and the quality of the solution by varying the parameters of LTE and GA. Numerical results demonstrated that the proposed GA scheduler can be effectively used to manage throughput and fairness objectives in dynamic network scenarios.