Inovasi Penguatan Network Slicing, Efisiensi dan Skalabilitas DRL

Namun, tantangan tetap ada, terutama dalam hal implementasi pada jaringan nyata yang lebih dinamis dan kompleks. Ke depan, penelitian ini dapat diperluas dengan memperhatikan aspek ketergantungan antar Network Functions (NFs) serta interaksi antar slice yang dapat memperkaya model lebih jauh. Dengan terus berkembangnya teknologi 5G dan kehadiran teknologi 6G di masa depan, metode ini memiliki potensi besar untuk diadopsi lebih luas dalam berbagai industri, dari manufaktur hingga otomasi pintar, serta aplikasi Internet of Things (IoT) lainnya.

REFERENSI

Tan, Y., Wang, J., & Liu, J. (2023). Strengthening network slicing for Industrial Internet with deep reinforcement learning. Digital Communications and Networks, 10(2024), 863-872. https://doi.org/10.1016/j.dcan.2023.06.009