Vers un placement et une association optimaux dans l'architecture Open RAN

Cette thèse porte sur le problème de placement de fonctions réseaux virtualisées dans les réseaux d'accès radio ouverts et désagrégés (Open RAN), où les fonctions de la station de base sont divisées en composants virtualisés — unités centralisées (CU), unités distribuées (DU) et unités radio (RU) — déployés sur des infrastructures cloud en périphérie (edge) et régionales. Cette architecture désagrégée introduit de nouveaux défis pour la gestion conjointe des ressources informatiques, radio et de transport tout en répondant à des exigences variées de qualité de service (QoS). Dans la première partie de ce travail, nous étudions le placement des CU et DU avec des associations fixes entre les utilisateurs (UE) et les RU. Nous formulons le problème comme un modèle de programmation linéaire en nombres entiers (PLNE) visant à maximiser l'admission des utilisateurs tout en respectant les capacités de calcul et les contraintes de délai. Pour surmonter les limites de passage à l'échelle de ce modèle, nous développons une heuristique basée sur un réseau de neurones récurrents (RNN) utilisant une architecture Bi-LSTM (Bi-directional Long Short-Term Memory), capable d'approcher la solution optimale avec une inférence en temps réel. Dans la seconde partie, nous élargissons le modèle pour optimiser conjointement le placement des CU/DU et l'association dynamique entre UE et RU. Une heuristique de décomposition séquentielle est proposée afin de diviser le problème complexe en étapes plus simples. De plus, une version améliorée de l'heuristique RNN est présentée pour traiter efficacement de grands réseaux tout en conservant une forte précision et un temps d'exécution réduit. Les modèles proposés surpassent les architectures conventionnelles statiques en termes d'admission et d'équité entre utilisateurs. Enfin, nous introduisons un cadre de placement aconome en énergie, avec pour objectif de minimiser la consommation électrique totale du système. Ce modèle prend en compte à la fois la consommation énergétique des serveurs et le coût d'activation des RU au niveau radio. En activant de façon sélective les composants de l'infrastructure et en consolidant les charges de travail, notre approche permet de réaliser d'importantes économies d'énergie tout en garantissant la QoS.