ТЕОРЕТИЧНІ ТА ПРИКЛАДНІ АСПЕКТИ ЗАСТОСУВАННЯ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ОПТИМІЗАЦІЇ МЕРЕЖ 5G У ЗАДАЧАХ РОЗПОДІЛУ РЕСУРСІВ, КЕРУВАННЯ ТРАФІКОМ ТА МЕРЕЖЕВОГО СЕГМЕНТУВАННЯ

Владислав Паламарчук; Костянтин Лаврінець; Вадим Грінченко

doi:10.36074/grail-of-science.20.02.2026.106

ТЕОРЕТИЧНІ ТА ПРИКЛАДНІ АСПЕКТИ ЗАСТОСУВАННЯ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ОПТИМІЗАЦІЇ МЕРЕЖ 5G У ЗАДАЧАХ РОЗПОДІЛУ РЕСУРСІВ, КЕРУВАННЯ ТРАФІКОМ ТА МЕРЕЖЕВОГО СЕГМЕНТУВАННЯ

Authors

Владислав Паламарчук Державний університет інформаційно-комунікаційних технологій, Україна https://orcid.org/0009-0007-9860-6885
Костянтин Лаврінець Державний університет інформаційно-комунікаційних технологій, Україна https://orcid.org/0009-0000-4846-3977
Вадим Грінченко Державний університет інформаційно-комунікаційних технологій, Україна https://orcid.org/0009-0002-2618-9908

DOI:

https://doi.org/10.36074/grail-of-science.20.02.2026.106

Keywords:

5G, штучний інтелект, оптимізація мереж, розподіл ресурсів, керування трафіком, мережеве сегментування

Summary

У статті подано огляд підходів оптимізації мереж 5G на основі штучного інтелекту з акцентом на розподіл ресурсів, керування трафіком та мережеве сегментування. Проаналізовано можливості машинного навчання й навчання з підкріпленням, а також ключові компроміси їх упровадження в динамічних мережевих середовищах.

Downloads

PDF

Downloads

Download data is not yet available.

License

References

Кашуба Н. ШТУЧНИЙ ІНТЕЛЕКТ СПОСОБИ ВИКОРИСТАННЯ В СФЕРІ ТЕЛЕКОМУНІКАЦІЙ. THEORETICAL AND EMPIRICAL SCIENTIFIC RESEARCH: CONCEPT AND TRENDS. 2023. URL: https://doi.org/10.36074/logos-23.06.2023.28 (дата звернення: 29.01.2026). DOI: https://doi.org/10.36074/logos-23.06.2023.28

Bikkasani D., Yerabolu M. AI-Driven 5G Network Optimization: A Comprehensive Review of Resource Allocation, Traffic Management, and Dynamic Network Slicing. American Journal of Artificial Intelligence. 2024. Vol. 8, no. 2. P. 55–62. URL: https://doi.org/10.11648/j.ajai.20240802.14 (date of access: 29.01.2026). DOI: https://doi.org/10.11648/j.ajai.20240802.14

Network Slicing and Softwarization: A Survey on Principles, Enabling Technologies, and Solutions / I. Afolabi et al. IEEE Communications Surveys & Tutorials. 2018. Vol. 20, no. 3. P. 2429–2453. URL: https://doi.org/10.1109/comst.2018.2815638 (date of access: 29.01.2026). DOI: https://doi.org/10.1109/COMST.2018.2815638

Nikitina L., Dzheniuk N., Borysova L. ІТ ТА ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ У ПІДГОТОВЦІ ІНЖЕНЕРІВ З ТЕЛЕКОМУНІКАЦІЙ. Системи управління, навігації та зв’язку. Збірник наукових праць. 2023. Т. 3, № 73. С. 189–195. URL: https://doi.org/10.26906/sunz.2023.3.189 (дата звернення: 29.01.2026). DOI: https://doi.org/10.26906/SUNZ.2023.3.189

Omheni N., Koubaa H., Zarai F. Artificial Intelligence for 5G and 6G Networks: A Taxonomy-Based Survey of Applications, Trends, and Challenges. Technologies. 2025. Vol. 13, no. 12. P. 559. URL: https://doi.org/10.3390/technologies13120559 (date of access: 29.01.2026). DOI: https://doi.org/10.3390/technologies13120559

Zhang C., Patras P., Haddadi H. Deep Learning in Mobile and Wireless Networking: A Survey. IEEE Communications Surveys & Tutorials. 2019. Vol. 21, no. 3. P. 2224–2287. URL: https://doi.org/10.1109/comst.2019.2904897 (date of access: 29.01.2026). DOI: https://doi.org/10.1109/COMST.2019.2904897