5G 기반 산업 무선 네트워크(IWN)에서는 성능 요구 간 본질적인 모순으로 인해 초신뢰 저지연 통신(URLLC)과 강화 이동 광대역(eMBB) 서비스의 공존 문제가 자원 슬라이싱에 큰 도전을 제기합니다. 이를 해결하기 위해 본 논문은 모델 기반 심층 강화 학습(DRL)을 활용한 침투 전송 방법을 제안하여 5G 상향 링크에서 URLLC 서비스가 eMBB 자원을 동적으로 선점할 수 있도록 합니다. 우선 URLLC 지연 및 신뢰성 제약을 엄격히 준수하는 조건 하에 최대 eMBB 누적 속도를 목표로 하는 침투 최적화 문제를 구성했습니다. 둘째, 간헐적으로 발생하는 URLLC 서비스를 위해 확률적 반복 부호화 기반 경쟁 접속(RRCC) 방법을 설계하고, 신뢰성 해석 모델을 도출했습니다. 이후 해당 신뢰성 모델을 바탕으로 URLLC와 eMBB 스케줄링 매개변수를 공동 최적화하는 DRL 알고리즘을 제안했으며, 이 알고리즘은 동적 네트워크 환경에 적응할 수 있습니다. 시뮬레이션 결과 제안된 모델 보조 DRL 알고리즘이 더 빠른 수렴 속도를 가지며 자원 효율성에서 기존 방법보다 크게 우수함을 보여줍니다.

상향 5G 네트워크; 강화 이동 광대역(eMBB); 초신뢰 저지연 통신(URLLC); 자원 슬라이싱; 침투 전송; 심층 강화 학습(DRL)