A Study on Interference Management and Resource Allocation Optimization Using Reinforcement Learning

무선 통신 환경에서 사용자의 증가하는 요구를 충족시키기 위해 초고밀도 네트워크(Ultra-Dense Network, UDN)의 도입이 필수적이다. UDN은 높은 기지국 밀도를 특징으로 하며, 이를 통해 네트워크 용량을 증가시키고 신호의 강도 및 신뢰성을 개선하여 서비스 품질을 향상시킨다. 그러나 이러한 고밀도화는 기지국 간의 간섭을 유발하여 네트워크 성능에 부정적인 영향을 미친다. 이에 따라, 효과적인 간섭 관리는 자원 할당을 최적화하는 데 있어 필수적이다. 본 논문에서는 실제 네트워크 환경을 모사하여 간섭 관리와 자원 할당 최적화 문제를 해결하기 위해 Proximal Policy Optimization(PPO) 알고리즘을 적용하는 방법을 제안한다. 제안된 방법은 채널 상태와 네트워크 공정성을 고려한 자원 할당 최적화를 통해 무선 통신 시스템의 전반적인 효율성과 성능을 향상시킬 수 있는 가능성을 보여준다. 이 연구는 UDN 환경에서의 자원 할당 및 간섭 관리 전략에 대한 실질적인 해결책을 제공함으로써 무선 통신 시스템의 성능 개선에 기여할 것으로 기대된다.