使用神经块求解器进行同余分解以实现大规模 PCI 分配

arXiv:2608.21485v1 公告类型：新 摘要：物理小区标识 (PCI) 分配对于密集 5G 网络中的干扰管理至关重要。随着蜂窝网络的扩展，PCI 重用变得不可避免，这可能会导致冲突、混乱和多种形式的模块化干扰。共同减轻这些影响会产生大规模、多目标组合优化问题，该问题很难在实际网络规模上有效解决。在这项工作中，我们提出了一个带有神经块求解器的同余分解框架，用于大规模 PCI 分配。所提出的分解利用 PCI 值的算术结构将多个模块化干扰目标解耦为块式 Min-$k$-Partition 子问题的集合，然后通过图形着色过程来解决 PCI 冲突。对于由此产生的 NP-hard Min-$k$-Partition 子问题，我们通过使用图神经网络参数化其松弛二次公式来开发神经块求解器，从而实现大规模的高效优化。离散赋值通过具有理论保证的条件期望舍入来恢复。对合成细胞图和真实 5G 网络的实验表明，所提出的方法在模块化干扰减少、冲突消除和计算效率方面始终优于现有的模块化干扰感知基线。