人工智能计划方法及实时网络智能控制器技术

技术编号:37298923 阅读:51 留言:0更新日期:2023-04-21 22:45
本发明专利技术实施例提供一种人工智能计划方法及实时网络智能控制器。所述方法包括:取得当下输入数据;使用一因果推理模型基于当下输入数据预测一预测结果;至少基于预测结果产生当下状态;以当下状态作为人工智能计划器的初始状态,并使用人工智能计划器基于初始状态而在计划树中找出特定计划路径;以及基于多个动作指令控制目标系统。指令控制目标系统。指令控制目标系统。

【技术实现步骤摘要】
人工智能计划方法及实时网络智能控制器


[0001]本专利技术是有关于一种人工智能(AI)技术,且特别是有关于一种人工智能计划方法及实时网络智能控制器。

技术介绍

[0002]在开放式无线电接入网络(Open Radio Access Network,O

RAN)中,定义有非实时网络智能控制器(non realtime RAN intelligent controller,non

RT RIC)及近实时网络智能控制器(near

RT RIC),其中non

RT RIC的时延大于1秒,而near

RT RIC的时延介于1毫秒及1秒之间。
[0003]然而,O

RAN中并未定义有能够运行于蜂窝站(cell site)的实时网络智能控制器(realtime RIC,RT RIC)(其时延小于1毫秒)。

技术实现思路

[0004]有鉴于此,本专利技术提供一种人工智能计划方法及实时网络智能控制器,其可用于解决上述技术问题。
[0005]本专利技术提供一种人工智能计划方法,包括:取得一当下输入数据;使用一因果推理模型基于当下输入数据预测一预测结果;至少基于预测结果产生一当下状态;以当下状态作为一人工智能计划器的一初始状态,并使用人工智能计划器基于初始状态而在一计划树中找出一特定计划路径,其中特定计划路径包括多个动作指令;以及基于所述多个动作指令控制一目标系统。
[0006]本专利技术提供一种实时网络智能控制器,包括存储电路及处理器。存储电路存储一程序码。处理器耦接该存储电路并存取该程序码以执行:取得一当下输入数据;使用一因果推理模型基于当下输入数据预测一预测结果;至少基于预测结果产生一当下状态;以当下状态作为一人工智能计划器的一初始状态,并使用人工智能计划器基于初始状态而在一计划树中找出一特定计划路径,其中特定计划路径包括多个动作指令;以及基于所述多个动作指令控制一目标系统。
附图说明
[0007]图1A是依据本专利技术的一实施例绘示的人工智能计划装置示意图。
[0008]图1B是依据本专利技术的一实施例绘示的人工智能计划系统示意图。
[0009]图2是依据本专利技术的一实施例绘示的人工智能计划方法流程图。
[0010]图3是依据本专利技术的一实施例绘示的多个计划层的计划节点集合示意图。
[0011]图4是依据本专利技术的一实施例绘示的估计对应于第i个计划层的适应度分数的示意图。
[0012]图5是依据本专利技术的一实施例绘示的对应于编码层的计划树示意图。
[0013]图6是依据本专利技术的一实施例绘示的人工智能计划方法流程图。
[0014]图7A是依据本专利技术的一实施例绘示的O

RAN架构示意图。
[0015]图7B是依据图7A绘示的RT RIC示意图。
[0016]图8是依据本专利技术的一实施例绘示的人工智能计划方法流程图。
[0017]图9是依据本专利技术的一实施例绘示的产生预测结的示意图。
[0018]图10是依据图1B绘示的为RU进行频宽排程的示意图。
[0019]其中,附图标记说明如下:
[0020]100:人工智能计划装置
[0021]102,740a:存储电路
[0022]104,740b:处理器
[0023]10:人工智能计划系统
[0024]11:决策者
[0025]13:人工智能计划器
[0026]131:计划器
[0027]131a:结构性因果模型
[0028]133:排程器
[0029]15:控制器
[0030]17:目标服务器
[0031]171:目标系统
[0032]173:特定应用程序
[0033]310:架构模式集合
[0034]311~31M:架构模式
[0035]330:设计模式集合
[0036]331~33N:设计模式
[0037]350:编码模式集合
[0038]351~35O:编码模式
[0039]411:输入数据
[0040]413:输入注意函数
[0041]415:意识注意函数
[0042]417:适应度分数
[0043]421~42K:模式
[0044]431,432:特征值
[0045]500:计划树
[0046]511~599:状态节点
[0047]710:SMO平台
[0048]711:non

RT RIC
[0049]712:OAM实体
[0050]720:near

RT RIC
[0051]721:near

RT RIC平台
[0052]722:near

RT RIC应用程序
[0053]731:CU
[0054]740:RT RIC
[0055]741:RT RIC平台
[0056]742:RT RIC应用程序
[0057]751:DU
[0058]761:RU
[0059]900:因果推理模型
[0060]901:输入层
[0061]902:贝氏网络层
[0062]903:输出层
[0063]a1~a3,a11~a13,A1~AZ,A1

~AZ

:动作指令
[0064]C1~CZ,C1

~CZ

:控制命令
[0065]CS:当下状态
[0066]E1,E1

:运行事件
[0067]E2

:实时控制界面
[0068]ES1,ES1

:执行状态
[0069]e0:第一初始状态
[0070]e1,e3,e11,e13:状态
[0071]eZ:目标状态
[0072]F1:域文件
[0073]F2:问题文件
[0074]O1,O1

:运行观察
[0075]O1a:OAM界面
[0076]P1,P2:候选路径
[0077]S210~S240,S610~S680,S810~S850:步骤
[0078]Z01:第一计划路径
[0079]Z01

:特定计划路径
[0080]Z03:第一排程计划
[0081]Z03

:排程计划
[0082]X1~X3:当下输入数据
[0083]y1~y3:输出特征向量
[0084]M1~M3:机率向量
[0085]P
t
‑1~P
t+本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种人工智能计划方法,包括:取得一当下输入数据;使用一因果推理模型基于该当下输入数据预测一预测结果;至少基于该预测结果产生一当下状态;以该当下状态作为一人工智能计划器的一初始状态,并使用该人工智能计划器基于该初始状态而在一计划树中找出一特定计划路径,其中该特定计划路径包括多个动作指令;以及基于所述动作指令控制一目标系统。2.如权利要求1所述的人工智能计划方法,其中该因果推理模型为一递归贝氏网络,且该递归贝氏网络包括一输入层、一贝氏网络层及一输出层,其中使用该因果推理模型基于该当下输入数据预测该预测结果的步骤包括:取得在第t个时间点的该当下输入数据,其中t为索引值;由该贝氏网络层至少基于所述第t个时间点的该当下输入数据与该贝氏网络层在第t

1个时间点输出的机率向量产生对应于所述第t个时间点的输出特征向量及机率向量;基于对应于所述第t个时间点的该输出特征向量产生对应于所述第t个时间点的该预测结果。3.如权利要求2所述的人工智能计划方法,其中由该贝氏网络层至少基于所述第t个时间点的该当下输入数据与该贝氏网络层在第t

1个时间点输出的机率向量产生对应于所述第t个时间点的该输出特征向量及该机率向量的步骤包括:由该贝氏网络层基于所述第t

1个时间点的该预测结果、所述第t个时间点的该当下输入数据、该贝氏网络层在第t

1个时间点输出的机率向量产生对应于所述第t个时间点的该输出特征向量及该机率向量。4.如权利要求1所述的人工智能计划方法,其中至少基于该预测结果产生该当下状态的步骤包括:将该预测结果与至少一给定结果结合为该当下状态。5.如权利要求4所述的人工智能计划方法,其中该预测结果包括在至少一时间区段中的至少一预测频宽使用情形,该至少一给定结果包括一第一频宽预订情形及一第二频宽预订情形,其中该第一频宽预订情形包括在该至少一时间区段中的至少一第一指定时间区段的频宽预订情形,该第二频宽预订情形包括在该至少一时间区段中的至少一第一不指定时间区段的频宽预订情形。6.如权利要求1所述的人工智能计划方法,其中该目标系统包括一分布单元,且基于所述动作指令控制该目标系统的步骤包括:要求该分布单元控制一无线电单元在至少一时间区段预订至少一频宽。7.如权利要求1所述的人工智能计划方法,其中该人工智能计划器包括一结构性因果模型,该计划树包括多个状态节点,且使用该人工智能计划器基于该初始状态而在该计划树中找出该特定计划路径的步骤包括:对于该计划树上的一第一状态节点而言,由该结构性因果模型基于多个环境变数及该第一状态节点的一状态从该计划树的所述状态节点中挑选接续于该第一状态节点的至少一参考状态节点;
取得该计划树的各该状态节点对应的该至少一参考状态节点,并将该计划树的各该状态节点与对应的该至少一参考状态节点连接以在该计划树中形成至少一候选路径,其中各该候选路径从该初始状态连接至一目标状态;以该计划树的该至少一候选路径的其中之一作为该计划树的该特定计划路径。8.如权利要求1所述的人工智能计划方法,其中该计划树的该特定计划路径为包括所述动作指令的一未排程计划,且基于所述动作指令控制该目标系统的步骤包括:由一排程器将该未排程计划中的所述动作指令指派对应的一执行时间点及一执行方式,以产生一排程计划;依据各该动作指令的该执行时间点依序对该目标系统下达所述动作指令。9.如权利要求1所述的人工智能计划方法,其中所述人工智能计划方法由一实时网络智能控制器执行,且所述人工智能计划方法更包括:由该实时网络智能控...

【专利技术属性】
技术研发人员:陈志明
申请(专利权)人:纬创资通股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1