1.2　智能化必要性

智能化通常基于人工智能（Artificial Intelligence，AI）实现。近年来，我国政府、学术界、产业界都在不遗余力地推动智能化在5G中的研究和应用。国务院发布的《新一代人工智能发展规划（2017—2030）》和中华人民共和国工业和信息化部发布的《促进新一代人工智能产业发展三年行动计划（2018—2020）》明确指出在智能化网络基础设施领域率先取得突破，加快高度智能化5G的实现。学术界发力智能化5G的研究，调研智能化5G的现状并不断探索进一步的研究方向。产业界也致力于智能化5G网络的实现。2018年由中国电信牵头的中国电信终端产业联盟第九次会议上，多名国内电信领域重量级专家指出，5G和AI的完美结合，以海量数据为依托，极快速的传输加上智能化的运算处理，构成了通信行业下一轮大创新的基础。华为2016 HIRP指南中包含17+项课题使用人工智能技术实现智能化5G，2017年发布了全球首个搭载AI芯片的Mate10手机。中兴2017通信产学研合作论坛合作项目中包含“AI在5G中的应用研究和验证”的课题，旨在探索智能化5G的实现。智能化是当前无线通信低迷和徘徊不前的爆发点、拐点和超级引擎，也是5G除了大带宽、大连接和低时延的第四个典型特征。面对传统工具在复杂网络中的乏力，5G期望变得智能化，以AI为指引，从用户体验、网络效率等方面实现网络的自主优化及性能的极大提升。

针对超密集移动通信系统中资源调度面临的挑战，引入智能化被认为是有效的解决方式，如图1.2所示，智能化在提升用户体验和实现资源自动化管理等方面具有优势，主要体现在以下几方面：

图1.2　资源调度研究思路

（1）基于智能化，资源调度问题不需要被清晰化建模，采用AI算法可解决资源调度问题难建模的挑战。而且，通过自学习和自调整，获取最优资源分配策略是可实现的，可以解决不具有良好特性的优化问题难求解或只能获取近似解的挑战。

（2）基于智能化，不需要为每种服务或每种场景设计或选择一种合适的调度算法，采用AI算法可灵活应对多种业务对应的多样QoS需求，且QoS需求不局限于对单个性能指标的优化，如时延、吞吐量、可靠性等，可以是多个性能指标间的联合优化。

（3）基于智能化，资源调度可以被设计成分布式算法，采用AI算法，基站通过自学习自决策实现资源调度，从而降低额外的信令开销和反馈。

（4）基于智能化，用户调度模块和资源分配模块可以被聚合，实现模块一体化，求解全局最优解，避免策略间匹配的时延造成的增益损失。

针对超密集移动通信系统中网络选择面临的挑战，引入智能化迫在眉睫。研究网络选择技术时，一方面需要避免不必要的切换引起的业务中断及终端不必要的耗电问题；另一方面，又要保证在需要切换的时候切换以提升用户的传输速率。因此研究更精准的链路质量指标及利用该指标选网以减少频繁重选/切换提升用户体验迫在眉捷。然而传统选网算法通过单一指标作为衡量链路质量的标准，驻留及切换的阈值均由人工设置，不能满足复杂多变的场景及用户多样的需求。因此本书研究基于人工智能算法的网络选择技术，可以摆脱人工设置参数的局限性，提升算法自适应性，从而提升用户体验。