手机网络总是到演的朋“专挑细处断”：

• 眼看迟到，地铁出站过闸机时二维码死活刷不出；
• 盯着倒计时抢专家号，唱会出去页面加载转圈，友圈号源瞬间秒光；
• 演唱会现场想发条“热乎”的到演的朋朋友圈，结果散场后才发送成功。唱会出去

图丨giphy

好消息是友圈：你的手机没坏，也不是到演的朋老了。
坏消息是唱会出去：你正站在一个被数百人同时挤爆的“无线小区”里。

什么是友圈“无线小区”？

你可以把“无线小区”想象成酒店里划分的一个个房间，每个房间由基站负责接待。到演的朋平时人少，唱会出去大家都能顺畅上网；但当几百人涌入同一个房间（无线小区），友圈网络资源瞬间被瓜分殆尽，到演的朋谁也别想流畅上网。唱会出去

无线小区简单示意图，友圈中心为基站。这也解释了“蜂窝网络”名称的由来。丨作者供图

面对闸机刷不开、号抢不到、朋友圈发不出的抓狂瞬间，我们不禁要问：如果遭遇突发大事件，网络还能自我“抢救”吗？

思路一：多修基站，分散人群

最直接的逻辑是：基站越多，容量越大，覆盖越广。

就像酒店房间多了，每个房间分到的客人就少了。此外，电磁波存在天然衰减，距离天线越远、经过墙壁树木越多，信号越弱。因此，想要消除信号死角，必须铺设更多基站。

我国已建成数百万个4G和5G基站。然而，基站铺满后，新的麻烦随之而来。

航拍的5G基站丨图虫创意

基站越多，干扰越复杂

电磁波空间是共享资源。手机、邻居的设备、车载终端可能挤在同一片频率上；基站之间也会产生相互干扰。

为了让成千上万台设备“不撞车”，网络必须在频率和时间上进行精密调度，如同十字路口的车流——分道行驶、分时放行。从业者为每个小区分配编号，帮助手机识别信号来源，择优接入。

但问题来了：手机往往不知道哪个无线小区最好。信号最强的小区，可能已经人满为患，接入即卡顿。

使人梦回拨号上网丨giphy

基站能“主动引导”吗？

可以。

通过人工操作、历史记录分析或预先设定，基站可以给空闲小区“加分”。这里的“加分”并非增强发射功率，而是让手机在感知上认为该小区信号更好，从而被“温柔地”引导至空闲小区。

基站：这位用户里面请~丨图虫创意

但这解决根本问题了吗？并没有。

思路二：让网络学会“变聪明”

更深层的痛点在于：用户实际分布往往与规划预期严重偏离。

例如，美食广场的基站平时闲置，饭点却挤爆；而旁边的停车场基站可能空空如也。依靠人工、预设或历史数据，很难实时将用户从拥挤区迁移至空闲区。

为此，从业者引入了“强化学习”（Reinforcement Learning）。

强化学习依靠“试错”和“奖励”机制，无需人类编写死板规则。这就像我们的成长过程：上课睡觉→考试不及格（负反馈）→决定认真听讲→取得好成绩（正反馈）。

AI拥有成千上万次的试错机会，其在无线网络中的学习逻辑如下：

1. 观察状态：监测每个小区的负载率、用户数量、信号质量。
2. 执行动作：调整天线功率、朝向及协议参数，引导终端接入。
3. 获取奖励：目标是让拥挤小区变空闲。负载率越低，奖励越高。

在仿真环境中，AI经过成千上万轮迭代，摸索出经验法则：
* 本小区负载 > 80% 且隔壁 < 60%？→ 迁移用户！
* 两个小区都忙碌？→ 按兵不动！

心理学家斯金纳曾用类似方法训练老鼠取食丨miepvonsydow.wordpress.com

实验数据：体验与节能双丰收

慕尼黑工业大学的研究团队利用强化学习进行小区分配仿真（4个小区、15名移动用户）：

• 负载均衡：传统策略下，单个小区平均接入超11人；强化学习将其控制在6人以内。用户从“和10人抢网速”变为“最多5人”，体验显著提升。
• 节能效果：
• 定时关停（如深夜12点）：节省 7.91%能耗。
• 基于固定阈值关停：节省 13.48%能耗。
• 强化学习动态关停：节省 15.26%能耗。

更重要的是，强化学习在节能的同时，保证了 97.40%的时段内，95%以上的用户能享受不低于 5Mbps的下载速率，优于传统固定策略。

挑战与未来

目前，强化学习管理基站主要处于仿真阶段。真实世界环境复杂，若系统仅适应早晚高峰地铁场景，而在周末居家场景下仍沿用旧规则，可能导致卡顿。更多样化的仿真数据将有助于填补漏洞，期待AI在现实中不断进化。

不止于网络：强化学习的广泛应用

除了基站管理，你可能早已在使用强化学习技术。

• ChatGPT 与 DeepSeek：其核心训练技术 RLHF（基于人类反馈的强化学习）原理相同。AI生成回答（动作），人类或AI打分（奖励），AI据此调整策略。训练聊天AI与管理基站的AI，底层逻辑均为“试错→打分→进步”。

三种AI方法的对比

让系统变聪明，主要有三种路径：

1. 强化学习：擅长应对动态变化、无固定规律的环境（如网络负载均衡）。系统自主摸索最优策略。
2. 传统机器学习：依赖历史数据寻找规律（如根据身高体重预测健康风险）。但在瞬息万变的网络环境中，仅靠历史数据往往不够。
3. 规则系统：将专家经验转化为“如果……就……”的代码。优点是可靠、无需训练；缺点是遇到未预设场景时容易失效。

图丨giphy

结论：网络负载管理恰好落在强化学习的舒适区。未来，规则系统处理常规场景，传统机器学习挖掘历史规律，强化学习应对动态变化，三者协同工作，将为我们带来更丝滑的网络体验。

参考文献

[1] A. Prado, F. Stöckeler, F. Mehmeti, P. Krämer and W. Kellerer, "Enabling Proportionally-Fair Mobility Management With Reinforcement Learning in 5G Networks," in IEEE Journal on Selected Areas in Communications, vol. 41, no. 6, pp. 1845-1858, June 2023, doi: 10.1109/JSAC.2023.3273705

[2] A.-K. Dang, H. Khalifé, M. Sintorn, S. Rovedakis and S. Secci, "Data-driven Energy Optimization in Mobile Networks with User Experience Guarantees," IEEE INFOCOM 2025 - IEEE Conference on Computer Communications, 2025, doi: 10.1109/INFOCOM55648.2025.11044545

作者：李明杰
编辑：李小葵

点个“小爱心”吧