Grafik sinir ağları tabanlı aktarım optimizasyon sistemi

Bu tezde, mobil ağların gelişen yapısında, Açık Radyo Erişim Ağı (O-RAN) ortamlarında sonraki nesil ağlar için yenilikçi bir el değiştirme (handover) optimizasyon çerçevesi sunulmaktadır. Grafik Sinir Ağları (GNN) tabanlı bir çerçeve kullanılarak, araştırmada, el değiştirme kararlarında ağ dinamiklerini daha iyi yakalamak için Kullanıcı Ekipmanları (UE) ve Baz İstasyonları (BS) dahil olmak üzere mobil ağları gömme üzerine odaklanılmaktadır. Temel amaç, yük dengeleme, el değiştirme maliyeti, veri akışı kazancı ve kapsama alanı kazancı gibi kritik yönlerin optimize edilmesidir. GNN-HOF (Graph Neural Network Based Handover Optimization Framework - Grafik Sinir Ağları Tabanlı Aktarım Optimizasyon Çerçevesi) ismi verilen bu çerçeve, geleneksel yakınlık tabanlı yöntemlerden önemli bir ayrılık göstermekte, ağ dinamiklerini daha iyi anlamak ve öngörmek için ileri düzey makine öğrenimi tekniklerinden faydalanmaktadır. Yaklaşımın etkinliği, Stuttgart ve Monaco'daki gerçek dünya kentsel senaryolarında yanı sıra simüle edilmiş ortamlarda kapsamlı testlerle doğrulanmıştır ve Şehirsel Hareketlilik Simülasyonu (SUMO) aracı kullanılmıştır. Önerilen çerçevenin tüm anahtar metriklerde temel yöntemi tutarlı bir şekilde aştığı görülmektedir.