| Summary: | Nos últimos anos, as redes de comunicação móveis se tornaram de fundamental importância para a infraestrutura dos sistemas de comunicação. Uma das áreas de maior crescimento é a computação móvel. Realizada através de sinais de rádio, a quantidade de canais disponíveis raramente é suficiente para atender a crescente demanda. Este trabalho apresenta uma solução para a questão da alocação de canais, um tópico desafiador dentro da área de redes móveis. A implementação de alocação dinâmica com uso de técnicas computacionais clássicas melhora a utilização dos recursos disponíveis,mas necessita de ajustes periódicos para se adequar a novos cenários. Para a construção de um sistema mais flexível e adaptável, a abordagem escolhida utiliza técnicas de Inteligência Artificial. O modelo proposto combina Teoria Nebulosa, Redes Neurais Artificiais e Sistemas Multi-Agentes. As características de cada técnica foram analisadas e identificamos as partes do sistema que poderiam ser beneficiadas por cada uma. O sistema é resultado da combinação coordenada das três técnicas, e constitui um método eficiente e flexível para gerenciamento de recursos de rádio. Após o detalhamento do modelo, realizamos uma simulação de uma rede celular com o sistema proposto e seu comportamento é comparado com uma rede de referência, para verificação das diferenças e melhorias alcançadas. Por fim, apresentamos a situação atual da pesquisa e os possíveis caminhos para aprimoramento do sistema. === In the last years, mobile networks became more important for communication systems infrastructure. One area of great growth is mobile computation, which is performed through radio signals. The amount of available channels rarely is enough to attend the increasing demand. This work presents a solution for the channel allocation topic, a challenging topic inside mobile networks area. The implementation of dynamic allocation using classic computational techniques improves the use of available resources, but it needs periodic and frequent adjustments for new scenarios. The construction of a more flexible and adaptable system was achieved using Artificial Intelligence techniques. Proposed model combines Fuzzy Logic, Artificial Neural Networks and Multi-Agents Systems. Features of each technique had been analyzed and we identified the system modules which could be benefited by them. The system is the result of coordinated combination of these three techniques, and constitutes an efficient and flexible method for radio resources management. After model detailing, we executed a cellular network simulation using proposed system, and its behavior is compared with a reference network, presenting reached differences and improvements. Finally, we present current situation of this research and possible ways for system improvement.
|
|---|
