Deep Reinforcement Learning applique aux telecommunications

Le "Deep Reinforcement Learning" est appliqu la stratgie de connectivit 5G. Des simulations python sur l'alignement de faisceaux sont prsentes (librairies Scikitlearn et Keras). Le "Reinforcement Learning" (RL) est une technique d'apprentissage statistique par renforcement bas sur des actions et des rcompenses, avec exploration des arbres de possibilits. Il amliore l'algorithme Minimax invent par C. Shannon en 1949 appliqu au jeu d'checs contre ordinateur. Le RL calcule galement le chemin de sortie d'un labyrinthe.Si l'espace des tats-actions est trs grand, le "Deep Reinforcement Learning" (DRL) est utilis. C'est une amlioration du RL par un rseau de neurones, permettant la prise de dcision locale en n'ayant qu'une information parcellaire (problme distribu).Le DRL, outil universel, peut rsoudre les questions d'optimisation non convexe. -C'est l'objet de la premire partie.-La seconde partie dtaille des applications aux tlcommunications sans fils comme l'alignement de faisceaux. Dans le cadre des jeux et de la gestion de rseaux en tlphonie 5G, des problmes de prise de dcision et d'optimisation squentiels sont poss.