(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023162092
(43)【公開日】2023-11-08
(54)【発明の名称】最適化方法とそのサーバ
(51)【国際特許分類】
H04W 56/00 20090101AFI20231031BHJP
G06N 99/00 20190101ALI20231031BHJP
H04W 24/08 20090101ALI20231031BHJP
H04W 16/00 20090101ALI20231031BHJP
【ＦＩ】
H04W56/00 110
G06N99/00 180
H04W24/08
H04W16/00
【審査請求】有
【請求項の数】5
【出願形態】ＯＬ
(21)【出願番号】P 2022146722
(22)【出願日】2022-09-15
(11)【特許番号】
(45)【特許公報発行日】2023-07-20
(31)【優先権主張番号】111115835
(32)【優先日】2022-04-26
(33)【優先権主張国・地域又は機関】TW
(71)【出願人】
【識別番号】504429600
【氏名又は名称】緯創資通股▲ふん▼有限公司
【氏名又は名称原語表記】ＷＩＳＴＲＯＮ ＣＯＲＰＯＲＡＴＩＯＮ
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(74)【代理人】
【識別番号】100135079
【弁理士】
【氏名又は名称】宮崎 修
(72)【発明者】
【氏名】陳 志明
【テーマコード（参考）】
5K067
【Ｆターム（参考）】
5K067AA21
5K067DD25
5K067DD57
5K067EE10
5K067FF05
5K067HH21
(57)【要約】
【課題】 分散ユニットの無線ユニットパラメータを最適化すること。
【解決手段】 最適化方法は、分散ユニットから受信した観測データに従って制約付き因果関係グラフを生成するステップと、制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化の後に複数の無線ユニットパラメータについての作用データを生成するステップと、作用データを分散ユニットへ出力するステップと、を含む。制約付き因果関係グラフの複数の因果関係変数の数と制約付き因果関係グラフの因果関係構造は、一度に決定される。
【選択図】 図２
【解決手段】 最適化方法は、分散ユニットから受信した観測データに従って制約付き因果関係グラフを生成するステップと、制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化の後に複数の無線ユニットパラメータについての作用データを生成するステップと、作用データを分散ユニットへ出力するステップと、を含む。制約付き因果関係グラフの複数の因果関係変数の数と制約付き因果関係グラフの因果関係構造は、一度に決定される。
【選択図】 図２
【特許請求の範囲】
【請求項1】
分散ユニットから受信した観測データに従って制約付き因果関係グラフを生成するステップであって、前記制約付き因果関係グラフの複数の因果関係変数の数と前記制約付き因果関係グラフの因果関係構造とが一緒に決定される、ステップと、
前記制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化された複数の無線ユニットパラメータに関連する作用データを生成するステップと、
前記作用データを前記分散ユニットに出力するステップと、を含む最適化方法。
前記制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化された複数の無線ユニットパラメータに関連する作用データを生成するステップと、
前記作用データを前記分散ユニットに出力するステップと、を含む最適化方法。
【請求項2】
前記分散ユニットから受信した前記観測データに従って前記制約付き因果関係グラフを生成する前記ステップは、
前記観測データを基礎データに変換するステップと、
前記制約付き因果関係グラフを前記基礎データから最大事後および点推定に基づいて生成するステップと、を含む、請求項１に記載の最適化方法。
前記観測データを基礎データに変換するステップと、
前記制約付き因果関係グラフを前記基礎データから最大事後および点推定に基づいて生成するステップと、を含む、請求項１に記載の最適化方法。
【請求項3】
前記観測データは、前記分散ユニットのログファイルである、請求項１に記載の最適化方法。
【請求項4】
前記制約付き因果関係グラフを用いて前記有限領域表現計画を実行する前記ステップは、
初期状態と前記制約付き因果関係グラフを用いて前記有限領域表現計画を実行するステップであって、前記初期状態は、構造的因果関係モデルまたはベイズネットワークに従って別の因果関係グラフから生成される、ステップを含む、請求項１に記載の最適化方法。
初期状態と前記制約付き因果関係グラフを用いて前記有限領域表現計画を実行するステップであって、前記初期状態は、構造的因果関係モデルまたはベイズネットワークに従って別の因果関係グラフから生成される、ステップを含む、請求項１に記載の最適化方法。
【請求項5】
分散ユニットから受信した観測データに従って制約付き因果関係グラフを生成することであって、前記制約付き因果関係グラフの複数の因果関係変数の数と前記制約付き因果関係グラフの因果関係構造とが一緒に決定される、生成することと、
前記制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化された複数の無線ユニットパラメータに関連する作用データを生成することと、
前記作用データを前記分散ユニットに出力することと、の命令を記憶するように構成された記憶回路と、
記憶デバイスに結合し、前記記憶回路に記憶された前記命令を実行するように構成された処理回路と、を備えるサーバ。
前記制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化された複数の無線ユニットパラメータに関連する作用データを生成することと、
前記作用データを前記分散ユニットに出力することと、の命令を記憶するように構成された記憶回路と、
記憶デバイスに結合し、前記記憶回路に記憶された前記命令を実行するように構成された処理回路と、を備えるサーバ。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、最適化方法及びそのサーバに関し、より詳細には、無線ユニットパラメータの設定の効率及び精度を改善する最適化方法及びそのサーバに関する。
【背景技術】
【0002】
異なるベンダーは、異なる方法で無線ユニットおよび分散ユニットを実装する可能性があり、異なるベンダーからの無線ユニットおよび分散ユニット間の統合またはマルチベンダー相互運用性を困難または不可能にする。第５世代移動体ネットワーク（５Ｇ）ユーザシナリオでは、あるベンダの無線ユニットが別のベンダの分散ユニットに接続されるとき、ワーキンググループ４（ＷＧ４）相互運用性テスト（ＩＯＴ）にリストされた無線ユニットパラメータが手動で分散ユニットに設定され、非常に時間がかかりエラーが発生しやすい。
【0003】
例えば、無線ユニットと分散ユニットが同一のベンダからの場合、無線ユニットと分散ユニットは、信号を送信するタイミングおよび信号を受信するタイミングに関してマッチングされる。しかし、無線ユニットと分散ユニットが異なるベンダからの場合、制御プレーン（Ｃプレーン）とユーザプレーン（Ｕプレーン）のタイミングの調整をサポートするために、オープン無線アクセスネットワーク（Ｏ－ＲＡＮ）インタフェースは、制御プレーンメッセージが、ユーザプレーンメッセージが到着する可能性のある最新の時刻にいくらかの時間（例えば、表１にリストされたＴｃｐ＿ａｄｖ＿ｄｌによる）だけ先立って、無線ユニットに到着しなければならないことを規定する。無線ユニットと分散ユニットとの間のインタフェースは非常に遅延に敏感であるので、無線ユニットと分散ユニットとの間の厳密な同期を達成するために、無線ユニットパラメータを正しく設定しなければならない。
【0004】
従って、無線ユニットパラメータの設定の効率と精度に関しては、まだ改善の余地がある。
【発明の概要】
【0005】
従って、本発明の主要な目的は、無線ユニットパラメータを設定する効率及び精度を改善するための最適化方法及びそのサーバを提供することである。
【0006】
本発明の一実施形態は、分散ユニットから受信した観測データに従って制約付き因果関係グラフを生成して、制約付き因果関係グラフの複数の因果関係変数の数と制約付き因果関係グラフの因果関係構造とを一緒に決定することと、制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化された複数の無線ユニットパラメータに関連する作用データを生成することと、作用データを分散ユニットに出力することと、を含む最適化方法を開示する。
【0007】
本発明の一実施形態は、命令を記憶するように構成された記憶回路と、記憶デバイスに結合し、記憶回路に記憶された命令を実行するように構成された処理回路とを備えるサーバを開示する。この命令は、分散ユニットから受信した観測データに従って制約付き因果関係グラフを生成することであって、制約付き因果関係グラフの複数の因果関係変数の数と制約付き因果関係グラフの因果関係構造とが一緒に決定される、生成することと、制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化された複数の無線ユニットパラメータに関連する作用データを生成することと、作用データを分散ユニットに出力することと、を含む。
【0008】
本発明のこれらおよび他の目的は、種々の図面に示されている好ましい実施形態の以下の詳細な説明を読んだ後に、当業者には明らかになるであろう。
【図面の簡単な説明】
【0009】
【図1】本発明の一実施形態による通信システムの概略図である。
【図2】本発明の一実施形態による最適化方法のフローチャートである。
【図3】本発明の一実施形態による基礎データ及び因果関係グラフの一部の概略図である。
【図4】本発明の一実施形態による状態及び因果関係グラフの一部の概略図である。
【図5】本発明の一実施形態による計画ツリーの概略図である。
【図6】本発明の一実施形態による、深層学習モデルを用いた（一般的な）因果関係グラフの取得／導出方法の概略図である。
【図7】本発明の一実施形態による通信システムの一部の概略図である。
【発明を実施するための形態】
【0010】
図１は、本発明の一実施形態による通信システム１０の概略図である。通信システム１０は、サーバ１０ＳＶＲ、分散ユニット（ＤＵ）１０ＤＵ、および無線ユニット（ＲＵ）１０ＲＵを含んでもよい。
【0011】
一実施形態では、分散ユニット１０ＤＵおよび無線ユニット１０ＲＵは、異なるベンダーから来てもよい。あるベンダの無線ユニット１０ＲＵが別のベンダの分散ユニット１０ＤＵに接続される場合、サーバ１０ＳＶＲは、アルゴリズム（例えば、図２に示す最適化方法２０）を用いて最も可能な／最適化された無線ユニットパラメータを選択して（例えば、各無線ユニットパラメータに対して最もありそうな／最適化された値を決定して）、分散ユニット１０ＤＵに無線ユニットパラメータ（すなわち、無線ユニット１０ＲＵに対するパラメータ）を手動で適用することの非効率性および高いエラー率を回避することができる。従って、選択された無線ユニットパラメータは、分散ユニット１０ＤＵ内で最適に設定されてもよい。
【0012】
図２を参照されたい。図２は、本発明の一実施形態による最適化方法２０のフローチャートである。最適化方法２０は、コードにコンパイルされ、それは処理回路によって実行され、記憶回路に記憶されてもよい。処理回路によって実行され、記憶回路に記憶され得る得る。最適化方法２０のステップは以下の通りである：
【0013】
ステップＳ２００：開始する。
【0014】
ステップＳ２０２：分散ユニット１０ＤＵから受信した観測データ１０ｂに従って制約付き因果関係グラフを生成し、ここで、制約付き因果関係グラフの複数の因果関係変数の数と制約付き因果関係グラフの因果関係構造とを併せて決定する。
【0015】
ステップＳ２０４： 制約付き因果関係グラフを用いて有限領域表現計画を実行して、最適化された複数の無線ユニットパラメータについての作用データ１０ｃを生成する。
【0016】
ステップＳ２０６：作用データ１０ｃを分散ユニット１０ＤＵに出力する。
【0017】
ステップＳ２０８：終了する。
【0018】
図１において、サーバ１０ＳＶＲは、因果関係推論モジュール１１０Ｒおよび因果関係計画モジュール１２０Ｐを含んでもよい。図２のステップＳ２０２～Ｓ２０６は、因果関係計画モジュール１２０Ｐによって実行されてもよい。
【0019】
ステップＳ２０２において、因果関係計画モジュール１２０Ｐは、分散ユニット１０ＤＵから観測データ１０ｂを受信してもよい。観測データ１０ｂは、システムまたはネットワークの性能の説明に関連してもよい。一実施形態では、観測データ１０ｂは、分散ユニット１０ＤＵのログファイルであってもよい。一実施形態では、因果関係計画モジュール１２０Ｐは、観測データ１０ｂを基礎データに変換してもよい。
【0020】
ステップＳ２０２において、因果関係計画モジュール１２０Ｐは、基礎データから制約付き因果関係グラフを導出／取得してもよい。因果関係計画モジュール１２０Ｐは、最大事後（ＭＡＰ）および点推定に基づく最適化のための因果関係モデルを選択してもよい。従って、制約付き因果関係グラフの因果関係変数（または、因果関係変数の数）と制約付き因果関係グラフの因果関係構造は、一緒に（一度に、または一遍に）決定／発見／作成される。因果関係変数と因果関係構造を同時に決定することは、まず因果関係変数を決定し、次に因果関係構造を決定することによって生じる問題を回避することができる。
【0021】
例えば、図３は、本発明の一実施形態による基礎データ３０ｇおよび因果関係グラフＣＧの一部の概略図である。図３において、（ａ）及び（ｂ）は、それぞれ、基礎データ３０ｇ及び因果関係グラフＣＧの２つの可能性を示す。因果関係グラフＣＧは、最適化方法２０のための制約付き因果関係グラフとして機能し得る。図３において、因果関係グラフＣＧの因果関係構造は、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊの間の関係を示し得る。観測関数ｆ（ｉ－１）、ｆｉ、ｆ（ｊ－１）、およびｆｊを用いて、基礎データ３０ｇのデータｗ（ｉ－１）、ｗｉ、ｗ（ｊ－１）、およびｗｊを、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊにマッピングして、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊと、基礎データ３０ｇのデータｗ（ｉ－１）、ｗｉ、ｗ（ｊ－１）、およびｗｊとの間の関係を提供してもよい。因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊは、分散ユニット１０ＤＵと無線ユニット１０ＲＵとの間のユーザシナリオに従って定義／選択される。一実施形態では、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊは、手動的／人工的に定義され得る（例えば、専門家によって提供され得る）。ここで、ｉとｊは正の整数である。
【0022】
ステップＳ２０２において、因果関係計画モジュール１２０Ｐは、基礎データ３０ｇのデータｗｉを観測関数ｆｉと因果関係グラフＣＧの因果関係構造に割り当てることの事後確率Ｐ（ｆｉ，Ｃ｜ｗｉ）を最大化して、基礎データ３０ｇのデータｗｉに基づいて、対応する因果関係構造と対応する因果関係変数ｃｖｉを決定／導出してもよい。従って、因果関係モデルの推論は、（例えば、因果関係構造についての）ベイズネットワークを観測関数ｆ（ｉ－１）、ｆｉ、ｆ（ｊ－１）、およびｆｊと組み合わせることによって説明することができる。なお、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊと、因果関係グラフＣＧの因果関係構造が共に取得／決定される（すなわち、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊは、因果関係構造に沿って／併せて学習される）ため、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊと、因果関係構造とは互いに相互作用／影響／制約される可能性がある。
【0023】
一実施形態では、事後確率Ｐ（ｆｉ，Ｃ｜ｗｉ，Ｉｎｔ）は、ベイズの規則に従いＰ（ｆｉ，Ｃ｜ｗｉ，Ｉｎｔ）∝Ｐ（ｆｉ，Ｃ）Ｐ（ｗｉ｜ｆｉ，Ｃ，Ｉｎｔ）を満たすことができる。ここで、ｆｉは対応する観測関数を表し、Ｃは対応する因果関係構造を表し、ｗｉは基礎データ３０ｇの一部を表し、Ｉｎｔは干渉を表す。一実施形態では、事後確率Ｐ（ｆｉ，Ｃ｜ｗｉ）は、Ｐ（ｆｉ，Ｃ）Ｐ（ｗｉ｜ｆｉ，Ｃ）または
に比例してもよく、ここで、ｓｔ－１は、時刻ｔ－１における状態を示し、Ｔは、現在時刻を示し、γは０．５でもよいが、これに限定されない。一実施形態では、Ｐ（ｗ｜ｆｉ，Ｃ）は、
であってもよい。一実施形態では、
は、
または
であってもよく、ここで、ｓｉ，ｔは、時刻ｔおける因果関係変数ｃｖｉの状態を示してもよく、Ｎは、全ての因果関係変数（例えば、ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊを含む）の総数を示してもよく、Ｎは正の整数であり、
は、基礎データ３０ｇ内の因果関係変数ｃｖｉの状態ｓｉと互換性のあるデータｗｉのデータ量を示してもよい。一実施形態では、本発明は、データ量
を最小化する因果関係変数ｃｖｉを選択／見つけることができ、その結果、頻繁に使用される基礎データ３０ｇ内のデータ（例えば、データｗｉ）は、まれに使用されるものよりも細かい部分に切断することができる。
【数1】
【数2】
【数3】
【数4】
【数5】
【数6】
【数7】
【0024】
上記のように、ベイズ確率機構は、因果関係変数（例えば、因果関係変数ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊを含む）の数、因果関係変数の状態、因果関係変数の因果関係構造、および因果関係変数に対する観測関数（例えば、観測関数ｆ（ｉ－１）、ｆｉ、ｆ（ｊ－１）、およびｆｊを含む）を組み合わせ、関連する結合推論を引き出して、基礎データ３０ｇを説明／解釈し、それによって、因果関係グラフＣＧを作成することができる。因果関係グラフＣＧの（例えば、ｃｖ（ｉ－１）、ｃｖｉ、ｃｖ（ｊ－１）、およびｃｖｊを含む）因果関係変数（または因果関係変数の数）と因果関係構造（例えば、因果関係構造Ｃ）は、同時に決定されるので、因果関係計画モジュール１２０Ｐは、図３の（ａ）を（ｂ）から区別することができ、その逆も可能である。
【0025】
図３に示すように、各因果関係変数（例えば、因果関係変数ｃｖｉ）は、観測関数（例えば、観測関数ｆｉ）に対応し得る。一実施形態では、観測関数（例えば、観測関数ｆｉ）は、因果関係意味生成（ＣＳＧ）モデルを使用して計算／導出されて、高次元の環境変数（例えば、基礎データ３０ｇ）から低次元の状態属性（例えば、因果関係変数ｃｖｉの状態の属性）を予測してもよい。さらに、因果関係意味生成モデルは、変動要因が因果関係変数（例えば、因果関係変数ｃｖｉ）の原因であるとみなすことを回避し、因果関係変数の原因である意味要因を正しく決定することができる。一実施形態では、因果関係意味生成モデルは、主として因果関係不変性原理に基づいており、変分ベイズを含む。
【0026】
一実施形態では、観測関数ｆｉはｓｉ，ｔ＝ｆｉ（ｗｉ，ｔ）を満たし得る。一実施形態では、観測関数ｆｉは、多変量ガウス分布を用いて実施することができ、例えば、観測関数ｆｉは、
を満たすことができる。あるいは、観測関数ｆｉは、
と関係してもよく、ここで、ｚは、基礎データ３０ｇ内の（因果関係変数ｃｖｉに寄与しない）データを示し、
およびμνは、ゼロベクトルとして固定された手段を示し、Σは、コレスキー分解によってパラメータ化されて、例えばΣ＝ＬＬＴを満たしてもよい。行列Ｌは、正の対角成分を有する下三角行列であってもよく、例えば、パラメータ化されて、
満たしてもよい。行列
およびＬｚｚの各々は、より小さい下三角行列であってもよい。行列
は任意の行列であってもよい。行列
およびＬｚｚの各々は、（指数写像によって保証される）正の対角成分と（正の対角成分を含まない）下三角行列の和によってパラメータ化されてもよい。
【数8】
【数9】
【数10】
【数11】
【数12】
【数13】
【数14】
【0027】
別の実施形態では、観測関数（例えば、観測関数ｆｉ）は、深層学習モデルを使用して計算／導出されて、高次元の環境変数（例えば、基礎データ３０ｇ）から低次元の状態属性（例えば、因果関係変数ｃｖｉの状態の属性）を予測してもよい。しかしながら、意味要因に加えて、深層学習モデルは、変動要因を因果関係変数（例えば、因果関係変数ｃｖｉ）の原因として誤って判断することがある。
【0028】
図１に示すように、因果関係計画モジュール１２０Ｐは、有限領域表現（ＦＤＲ）計画モジュール１２２ＦＤＲを含んでもよい。
【0029】
ステップＳ２０４において、有限領域表現計画モジュール１２２ＦＤＲは、制約付き因果関係グラフ（例えば、因果関係グラフＣＧ）を利用して、有限領域表現計画を動的に実行してもよい。有限領域表現計画において、事前状態は、どの状況（例えば、状態）で作用が行われ得るかを定義する。作用は、状態を変化させ、新しい状態を生成し（すなわち、ある結果を作り出し）、それによって最終的にある目標状態（例えば、目標状態ｓｇ）を達成することができる。有限領域表現計画の解は、探索空間における初期状態（例えば、初期状態ｅ０）から目標状態（例えば、目標状態ｓｇ）への計画である。一実施形態では、有限領域表現計画の解は有向グラフであってもよい。
【0030】
一実施形態では、有限領域表現計画タスクは、II＝（Ｖ、Ａ、ｃ、Ｉ、Ｇ）であってもよく、ここで、Ｖは状態変数の有限集合を示すことができ、Ａは作用の有限集合を示すことができ、ｃは損失関数を示すことができ、Ｉは初期状態を示すことができ、Ｇは目標状態を示すことができる。例えば、図４は、本発明の一実施形態による、状態ｕおよびｖならびに因果関係グラフＣＧ（II）の一部の概略図である。図４において、（ａ）および（ｂ）は、それぞれ、因果関係グラフＣＧ（II）の２つの可能性を示している。状態ｕが状態ｖと等しくなく、かつ、ａ∈Ａを満たす作用ａが存在して、「事前状態ｐｒｅ＿ａ（ｕ）と結果ｅｆｆ＿ａ（ｖ）の両方が定義されるようなａ∈Ａが存在する」または「結果ｅｆｆ＿ａ（ｕ）と結果ｅｆｆ＿ａ（ｖ）の両方が定義されるようなａ∈Ａが存在する」場合には、有限領域表現計画タスクIIの因果関係グラフＣＧ（II）は、頂点Ｖおよび弧／経路（例えば、経路（ｕ，ｖ））を有する有向グラフであリ得る。状態ｕとｖの間に経路（ｕ，ｖ）が存在し得る。事前状態ｐｒｅ＿ａ（ｕ）は、作用ａが与えられた場合の（事前状態としての）頂点ｕの状態（事前状態）を示し得る。結果ｅｆｆ＿ａ（ｖ）は、作用ａが与えられた場合の（結果としての）頂点ｖの（結果）状態を示し得る。言い換えると、本発明において、有限領域表現計画タスクIIの因果関係グラフは、制約付き因果関係グラフである。制約付き因果関係グラフは、ユーザのシナリオに従って最適化されて、検索空間における他の可能性を排除することができ、それによって性能を改善し、計算を削減し、電力消費を低減することができる。
【0031】
一実施形態では、ステップＳ２０４において、アルゴリズムを使用して制約付き因果関係グラフが構築／作成された後、制約因果関係関係グラフは、有限領域表現計画モジュール１２２ＦＤＲの有限領域表現計画を実行するために、計画領域記述ライブラリ（ＰＤＤＬ）（すなわち、システムの記述）の領域ファイルに変換／転換され得る。換言すれば、本発明の領域ファイルは、手動的／人工的に定義され得ない（例えば、専門家によって提供され得ない）。
【0032】
一実施形態では、領域ファイルは、作用を記述するように構成することができ、問題ファイルは、初期状態および目標状態を記述するように構成することができる。一実施形態において、領域ファイルの内容は、以下を含み得る。
【0033】
ｐｒｅｃｏｎｄ＿１－＞ａｃｔｉｏｎ＿１－＞ｅｆｆｅｃｔ＿１
【0034】
ｐｒｅｃｏｎｄ＿２－＞ａｃｔｉｏｎ＿２－＞ｅｆｆｅｃｔ＿２
【0035】
．．．
【0036】
ｐｒｅｃｏｎｄ＿ｎ－＞ａｃｔｉｏｎ＿ｎ－＞ｅｆｆｅｃｔ＿ｎ
【0037】
ｐｒｅｃｏｎｄ＿１からｐｒｅｃｏｎｄ＿ｎまでの状態を事前状態として使用してもよい。Ａｃｔｉｏｎ＿１からａｃｔｉｏｎ＿ｎまでは作用であり得る。ｅｆｆｅｃｔ＿１からｅｆｆｅｃｔ＿ｎまでの状態を結果として使用してもよい。ここでｎは正の整数である。状態ｅｆｆｅｃｔ＿ｉは、ａｃｔｉｏｎ＿ｉが状態ｐｒｅｃｏｎｄ＿ｉに作用した後に発生してもよい。一実施形態では、ｐｒｅｃｏｎｄ＿ｉ－＞ａｃｔｉｏｎ＿ｉ－＞ｅｆｆｅｃｔ＿ｉは、因果関係グラフ（例えば、因果関係グラフＣＧまたはＣＧ（II））の一部に対応し得る。例えば、図４の（ａ）に示す因果関係グラフＣＧ（II）では、原因となる状態ｕは事前状態ｐｒｅｃｏｎｄ＿ｉに対応し、結果となる状態ｖは結果ｅｆｆｅｃｔ＿ｉに対応し得る。言い換えれば、因果関係グラフは、状態と作用の構造を提示し得る。
【0038】
一実施形態では、結果ｅｆｆｅｃｔ＿１は状態ｐｒｅｃｏｎｄ＿３の原因であり得、結果ｅｆｆｅｃｔ＿３は状態ｐｒｅｃｏｎｄ＿７の原因であり得る。従って、有限領域表現計画の解は、少なくとも、作用ａｃｔｉｏｎ＿１、ａｃｔｉｏｎ＿３、ａｃｔｉｏｎ＿７の（作用）シーケンスを含んでもよいが、例えば、作用ａｃｔｉｏｎ＿２を含み得ない。
【0039】
例えば、図５は、本発明の一実施形態による計画ツリー５０の概略図である。有限領域表現計画モジュール１２２ＦＤＲのプランナが領域ファイルを読み込むと、プランナは、領域ファイルに対応する計画ツリー５０（または制約付き因果関係グラフ）を生成することができる。計画ツリー５０は、有向グラフとして表すことができる。計画ツリー５０の経路（すなわち、図５の矢印）は、作用であり、計画ツリー５０の頂点は、状態である。各状態は、状態変数の集合によって表されてもよく、各作用は、状態変数の集合をマッピングする関数によって表されてもよい。経路は、状態の依存性を示し得る。作用ａｃｔ１に対しては、初期状態ｅ０を事前状態として使用し、状態ｅ１を結果として使用してもよい。作用ａｃｔ１１に関しては、作用ａｃｔ１の結果（すなわち、状態ｅ１）を事前状態として使用し、状態ｅ１１を結果として使用してもよい。計画ツリー５０は、探索スペースとして機能し得る。有限領域表現計画モジュール１２２ＦＤＲの解は、初期状態ｅ０から始まり目標状態ｓｇで終わる計画ツリー５０内の作用の（順序付けられた）シーケンスであってもよい。例えば、アクションａｃｔ１のブランチは、現在（環境）の状態に従って、有限領域表現計画モジュール１２２ＦＤＲの解ではないと決定される一方で、作用ａｃｔ２およびａｃｔ３のブランチは、有限領域表現計画モジュール１２２ＦＤＲの解であると決定される。しかし、本発明はこれに限定されるものではない。
【0040】
一実施形態では、特定の作用は、過去の状態（例えば、状態ｅ１１）が現在の状態（例えば、状態ｅ１）から達成可能であり得るように、可逆的であり得る。一実施形態では、２つの隣接状態（例えば、状態ｅ１、ｅ１１）の間にループが形成されてもよい。一実施形態では、特定の状態（例えば、状態ｅ１１）は、非確定的状態であってもよい。
【0041】
一実施形態では、プランナは、有限領域表現計画モジュール１２２ＦＤＲの解を見つけるために、探索アルゴリズム（ベスト・ファースト探索、反復深化探索、ヒル・クライミング探索、または貪欲ベスト・ファースト探索など）を使用して探索を実行することができる。
【0042】
ステップＳ２０４において、因果関係推論モジュール１１０Ｒは、初期状態ｅ０を因果関係計画モジュール１２０Ｐに提供することができる。因果関係計画モジュール１２０Ｐは、初期状態ｅ０を出発点として使用し、有限領域表現計画を実行するために制約付き因果関係グラフに依存してもよい。
【0043】
図１に示すように、因果関係推論モジュール１１０Ｒは、構造的因果関係モデル（ＳＣＭ）モジュール１１２ＳＣＭまたはベイズネットワークモジュール１１２Ｂを含んでもよい。ステップＳ２０４において、因果関係推論モジュール１１０Ｒは、構造的因果関係モデルモジュール１１２ＳＣＭまたはベイズネットワークモジュール１１２Ｂに（一般的）因果関係グラフを入力して、初期状態ｅ０を出力することができる。因果関係推論モジュール１１０Ｒは、構造的因果関係モデルまたはベイズネットワークに従って（一般的な）因果関係グラフを検証または処理し、次いで、現在の状態を予測／推測し、現在の状態を因果関係計画モジュール１２０Ｐの初期状態ｅ０として使用してもよい。換言すれば、初期状態ｅ０をどのように決定するかに関して、本発明は、因果関係グラフを制約することなく、因果関係推論を用いることができる。本発明は、一般的因果関係グラフを用いて働く構造的因果関係モデルまたはベイズネットワークを使用し、次いで、現在の状態を予測（すなわち推論）し、次いで、それを因果関係計画の初期状態に供給することができる。一般的因果関係グラフは、制約のない因果関係グラフであってもよいが、別の実施形態では、一般的因果関係グラフは、制約付き因果関係グラフであってもよい。
【0044】
一実施形態では、因果関係推論モジュール１１０Ｒは、構造的因果関係モデルモジュール１１２ＳＣＭおよびベイズネットワークモジュール１１２Ｂのうちの１つのみを含む／使用する／構成することができる。構造的因果関係モデルモジュール１１２ＳＣＭおよびベイズネットワークモジュール１１２Ｂの他方は、因果関係推論モジュール１１０Ｒから除去／不存在とすることができる。
【0045】
一実施形態では、因果関係グラフＣＧと同様に、因果関係推論モジュール１１０Ｒは、最大事後および点推定に基づいて、分散ユニット１０ＤＵの観測データ１０ｂ（または観測データ１０ｂから変換されたデータ）から（一般的）因果関係グラフを取得／導出することができる。
【0046】
一実施形態では、因果関係推論モジュール１１０Ｒは、深層学習モデルに基づいて、分散ユニット１０ＤＵの観測データ１０ｂ（または観測データ１０ｂから変換されたデータ）から（一般的）因果関係グラフを取得／導出することができる。例えば、図６は、本発明の一実施形態による深層学習モデルを用いた（一般的）因果関係グラフを取得／導出する方法の概略図である。（一般的）因果関係グラフには、ＣＶ１からＣＶｎまでの因果関係変数を含めることができ、ここで、ｎは正の整数である。図６において、状態ｖ１からｖｍまでの属性は、特徴ベクトルを形成するための因果関係変数ＣＶ１を構成し得る。ここで、ｍは正の整数である。因果関係変数ＣＶ１は、深層学習モデルの入力層に対応し得る。因果関係変数ＣＶ２～ＣＶｎ－１は、それぞれ、活性化関数によって処理された深層学習モデルの隠れ層ＨＤ２～ＨＤｎ－１の出力であり、活性化関数の各々は、その対応する入力の加重和が、隠れ層内のその対応するノードからその対応する出力にどのように変換されるかを定義し、その対応するノードの内部処理内または内部処理後に使用される。因果関係変数ＣＶｎは予測状態であり得、因果関係変数ＣＶｎは深層学習モデルの出力層に対応し得る。図６に示されるように、図６の上部に示される深層学習モデルは、図６の下部に示される因果関係グラフに対応し得る。
【0047】
上述のように、サーバ１０ＳＶＲのソフトウェアのアルゴリズムは、因果関係推論および因果関係計画に分割されてもよい。因果関係推論では、高次元環境変数から初期状態を推論または推定することができる。因果関係計画では、初期状態に応じて計画が行われ、現在の状態が考慮されてもよい。因果関係計画では、最も実現可能／最適化された無線ユニットパラメータが計画されるか、見出される。
【0048】
ステップＳ２０６において、因果関係推論モジュール１１０Ｒは、最も実現可能／最適化された無線ユニットパラメータが分散ユニット１０ＤＵに設定されるように、作用データ１０ｃを分散ユニット１０ＤＵに出力することができる。無線ユニットパラメータが分散ユニット１０ＤＵに適用される場合、異なるベンダの分散ユニット１０ＤＵおよび無線ユニット１０ＲＵが、統合されてもよく、または協調して協働してもよい。
【0049】
一実施形態では、作用データ１０ｃは、有限領域表現計画の解を含んでもよく、またはそれに関連してもよく、例えば、作用データ１０ｃは、有限領域表現計画の解におけるすべての作用を含んでもよい。一実施形態では、作用データ１０ｃは、最も実現可能／最適化された無線ユニットパラメータを含んでもよく、またはそれに関連してもよい。
【0050】
一実施形態では、ステップＳ２０６において最も実現可能／最適化された無線ユニットパラメータが分散ユニット１０ＤＵ内に設定された後、アルゴリズムの判断に基づいて最適であるのではなく、分散ユニット１０ＤＵ内に設定された無線ユニットパラメータがテスト後に最適であるように、設定された無線ユニットパラメータが手動で微調整されてもよい。無線ユニットパラメータが分散ユニット１０ＤＵに対して設定されると、分散ユニット１０ＤＵと、分散ユニット１０ＤＵとは異なるベンダからの無線ユニット１０ＲＵとが統合され、協調することができる。
【0051】
図７は、本発明の一実施形態による通信システム７０の一部の概略図である。通信システム７０は、サーバ７０ＳＶＲおよび分散ユニット７０ＤＵを含むことができる。
【0052】
分散ユニット７０ＤＵは、アプリケーションモジュール７８２ｐおよびシステムモジュール７８２ｓを含んでもよい。アプリケーションモジュール７８２ｐは、イベントの信号をシステムモジュール７８２ｓに出力し、システムモジュール７８２からコマンドを受信することができる。システムモジュール７８２ｓは、観測データ１０ｂをサーバ７０ＳＶＲに出力し、サーバ７０ＳＶＲから作用データ１０ｃを受信することができる。
【0053】
サーバ７０ＳＶＲは、コントローラ７２２ｃ、スケジューラ７２２ｓ、プランナ７２２ｐ、およびポリシーメーカモジュール７２２ｐｍを含むことができる。コントローラ７２２ｃは、受け取った観測データ１０ｂを拡張可能マークアップ言語（ＸＭＬ）フォーマットに変換し、それに応じて拡張可能マークアップ言語フォーマットの実行状態をスケジューラ７２２ｓに出力することができる。スケジューラ７２２ｓは、可変長の拡張可能なマークアップ言語フォーマットを固定長のフォーマットに変換することができ、それに応じて、反応性信号（例えば、基礎データ３０ｇ）をプランナ７２２ｐに出力することができる。
【0054】
プランナ７２２ｐは、初期状態ｅ０、目標信号、スケジューラ７２２ｓからの反応性信号、およびポリシーメーカモジュール７２２ｐｍからのシステムの記述に従って、それ／それらが何であるかについてのスケジュールされていない計画をスケジューラ７２２ｓへ出力することができる。スケジューラ７２２は、それに応じて、いつ／どのようにそれ／それらができるかについてのスケジュールされた計画をコントローラ７２２ｃへ出力することができる。
【0055】
一実施形態では、実現可能な／最適化された無線ユニットパラメータがステップＳ２０６で分散ユニット１０ＤＵに設定された後（または、分散ユニット１０ＤＵに設定された実現可能な／最適化された無線ユニットパラメータが手動で微調整された後）、プランナ７２２ｐは、反応性信号に従って再計画するかどうかを決定することができる。プランナ７２２ｐが、設定された無線ユニットパラメータを再度調整する必要があると判断した場合、サーバ７０ＳＶＲは、分散ユニット７０ＤＵに調整された作用データ１０ｃを出力して、分散ユニット７０ＤＵ内の無線ユニットパラメータをリセットすることができる。
【0056】
一実施形態では、無線ユニットと分散ユニットとの間のインタフェースは、ｅＣＰＲＩインタフェースであってもよいが、これに限定されない。例えば、ＣＰＲＩインタフェースを採用してもよい。
【0057】
一実施形態では、サーバ１０ＳＶＲは、Ｏｒａｃｌｅアクセスマネージャ（ＯＡＭ）サーバであってもよい。
【0058】
一実施形態では、記憶回路は、画像データまたは命令を記憶するように構成される。記憶回路は、加入者識別モジュール（ＳＩＭ）、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、ランダムアクセスメモリ（ＲＡＭ）、ディスク読取り専用メモリ（ＣＤ－ＲＯＭ／ＤＶＤ－ＲＯＭ／ＢＤ－ＲＯＭ）、磁気テープ、ハードディスク、光データ記憶デバイス、不揮発性記憶デバイス、非一時的コンピュータ読取り可能媒体であり得るが、これらに限定されない。
【0059】
一実施形態では、処理回路は、記憶回路に記憶された命令を実行するように構成される。処理回路は、中央処理ユニット（ＣＰＵ）、マイクロプロセッサ、または特定用途向け集積回路（ＡＳＩＣ）であってもよいが、これらに限定されない。
【0060】
表１に、相互運用性試験（ＩＯＴ）プロファイルの一部を示す。表１によれば、どの項目が無線ユニットパラメータに含まれ得る／であり得るか、どのオープン無線アクセスネットワーク（Ｏ－ＲＡＮ）仕様セクションに項目が関連するか、および項目がどの設定範囲内である得るかを見出すことができる。ただし、無線ユニットパラメータは、表１に示すものに限定されない。表１によれば、無線ユニットパラメータは制約される可能性がある。
【0061】
【表1-1】
【0062】
【表1-2】
【0063】
要約すると、無線ユニットパラメータを手動で設定することの非効率性および高いエラー率を回避するために、本発明は、現在の状態を推論し、無線ユニットパラメータを手動で適用する代わりに、分散ユニット上に無線ユニットパラメータを最適なように設定するために取るべきアクションを計画し得る。
【0064】
当業者は、本発明の教示を保持しつつ、デバイスおよび方法の多くの修正および変更を行うことができることを容易に理解するであろう。従って、上記の開示は、添付の特許請求の範囲によってのみ限定されると解釈されるべきである。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
