В данной статье представлен Agentic-LTPO — вложенная двухуровневая структура оптимизации, предназначенная для преодоления ограничений методов с фиксированной целевой функцией в системах физического уровня, сталкивающихся с динамическими политиками операторов и ограничениями реального времени. Структура использует агентный ИИ для генерации конфигураций верхнего уровня, которые преобразуют изменяющиеся политики и исторический опыт в структурированные задачи нижнего уровня для принятия решений в реальном времени.
- Agentic-LTPO использует вложенную двухуровневую структуру, где верхний уровень генерирует конфигурации на основе изменений политик и сводок об окружающей среде, а нижний уровень решает эти задачи для принятия решений физического уровня в реальном времени.
- В качестве примера применения исследуется формирование луча MIMO без ячеек; реализуется многоагентный процесс принятия решений с проверкой опыта, дополненной поиском (retrieval-augmented), на верхнем уровне и формирователем луча в замкнутой форме на нижнем уровне.
- Эксперименты показывают, что Agentic-LTPO эффективно повышает долгосрочную производительность системы на 57,2% по сравнению с традиционными методами, сохраняя при этом высокую адаптивность к динамическим политикам операторов.
Этот подход позволяет системам физического уровня оставаться эффективными и адаптивными несмотря на изменяющиеся требования к услугам и строгие ограничения реального времени, обеспечивая значительное улучшение долгосрочной производительности по сравнению с методами статической оптимизации.