improving network performance in 5G mec through optimal node placement

A 5G network must meet stringent requirements, including ultra-low latency and ultra-high reliability. Thus, bringing computing, storage, and networking resources to the edge of the network has become a key aspect of the 5G deployment process. To achieve cost-effectiveness in this context, capital and operational expenditures must be carefully considered; with edge nodes geographically distributed, efficiency is directly related to their placement and capacity planning. Optimal node placement in 5G Mobile Edge Computing (MEC) involves strategically positioning computing nodes at the edge of the cellular network based on user distribution, network coverage, and node capacity. Therefore, network performance can be improved for users. Determining site selection criteria is one of the steps to develop an efficient strategy for deploying Edge Computing infrastructure for 5G services. This paper presents a formulation of the Edge Computing nodes placement problem. In this work, two models are suggested. The first model seeks to maximize the coverage of Radio Access nodes, and the second model seeks to minimize costs while providing coverage for all Radio Access nodes that fall below a predetermined threshold. For these models, there are two solutions offered. A machine learning approach is employed for the first model, while AMPL is used for the second model.

Una rete 5G deve soddisfare requisiti rigorosi, tra cui latenza ultra-bassa e affidabilità ultra-alta. Pertanto, portare risorse di calcolo, archiviazione e rete all'estremità della rete è diventato un aspetto chiave del processo di implementazione 5G. Per raggiungere l'efficienza in questo contesto, le spese di capitale e operativi devono essere attentamente considerate; con i nodi di edge geograficamente distribuiti, l'efficienza è direttamente correlata al loro posizionamento e alla pianificazione della capacità. Il posizionamento ottimale dei nodi in Edge Computing Mobile (MEC) 5G implica il posizionamento strategico dei nodi di calcolo all'estremità della rete cellulare in base alla distribuzione degli utenti, alla copertura della rete e alla capacità del nodo. Pertanto, le prestazioni della rete possono essere migliorate per gli utenti. Determinare i criteri di selezione del sito è uno degli step per sviluppare una strategia efficiente per implementare l'infrastruttura Edge Computing per i servizi 5G. Questo documento presenta una formulazione del problema di posizionamento dei nodi Edge Computing. In questo lavoro vengono suggeriti due modelli. Il primo modello cerca di massimizzare la copertura dei nodi Radio Access, mentre il secondo modello cerca di minimizzare i costi fornendo copertura per tutti i nodi Radio Access che scendono al di sotto di una soglia predeterminata. Per questi modelli sono offerte due soluzioni. Un approccio machine learning viene utilizzato per il primo modello, mentre AMPL viene utilizzato per il secondo modello.