手机网络总爱在关键时刻“掉链子”：

• 赶时间挤地铁，到演的朋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，友圈号源瞬间秒空；
• 演唱会现场想发条热乎的到演的朋朋友圈，结果等到散场才发送成功。唱会出去

图丨giphy

好消息是友圈：你的手机没坏，也不是到演的朋你运气差。
坏消息是唱会出去：你正身处一个被数百人同时挤爆的“无线小区”。

什么是友圈“无线小区”？

你可以把“无线小区”想象成酒店里的不同房间，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”，友圈带宽被瓜分，到演的朋网速自然卡顿。唱会出去

无线小区示意图，友圈中心为基站。这就是“蜂窝网络”名称的由来。丨作者供图

除了抢不到号、发不出朋友圈，如果遭遇突发大事件，网络能否自我“抢救”？

传统思路：多建基站，分散人群

最直观的逻辑是：基站越多，容量越大，覆盖越广。

就像酒店房间多了，每位客人分到的资源就多了。此外，电磁波在空间中传播会衰减，距离天线越远、经过墙壁树木越多，信号越弱。因此，增加基站数量是补盲和扩容的关键。

我国已建成数百万个4G和5G基站，但基站多了，新问题也随之而来。

航拍视角下的5G基站丨图虫创意

基站越多，干扰越乱

电磁波空间是共享资源。手机、邻居的设备、车载终端，甚至基站之间，都可能挤在同一片频率上。

为了避免“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。运营商为每个小区分配编号，帮助手机识别信号来源，择优接入。

但这里有个悖论：
手机往往只认“信号最强”的小区，却不知该小区可能已严重拥堵。强行接入，体验反而更差。

令人怀念的拨号上网时代丨giphy

初步优化：基站“引导”用户

基站可以主动干预。通过人工操作、历史记录或预设规则，给空闲小区“加分”。

注意，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，这边请~丨图虫创意

但这够吗？不够。

根本解决：让网络学会“强化学习”

用户分布往往与规划预期大相径庭。例如，美食广场的基站平日空闲，饭点却挤爆；而旁边的停车场基站可能无人问津。依靠人工或固定规则，难以实时动态调整。

于是，从业者引入了强化学习（Reinforcement Learning）。

强化学习不依赖人工编写规则，而是通过“试错”和“奖励”机制自我进化。这就像人类成长：上课睡觉→考试不及格（负奖励）→决定认真听讲→取得好成绩（正奖励）。

AI在无线网络中的学习路径：

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：目标是降低高负载小区的负荷。负载率越低，获得的奖励越高。

在仿真环境中，AI经过成千上万轮试错，总结出经验法则：
* 若本小区负载>80%且隔壁<60%？→ 迁移用户！
* 若两个小区都繁忙？→ 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

实测效果：体验翻倍，节能显著

慕尼黑工业大学的研究团队通过仿真验证了这一方法的有效性：

• 负载均衡：在4个小区、15名用户移动的仿真中，传统策略导致单个小区平均接入超11人，而强化学习将其控制在6人以内。用户从“与10人抢网速”变为“最多与5人共享”，体验大幅提升。
• 节能降耗：
• 定时关停（如深夜12点）：节省 7.91%能耗。
• 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。

更关键的是，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，优于传统静态策略。

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，遇到周末居家场景可能出现“水土不服”。更多样化的仿真数据将帮助其填补漏洞，实现更丝滑的现实体验。

不止于网络：强化学习的广泛应用

除了基站管理，强化学习已深入我们的生活。例如 ChatGPT和 DeepSeek背后的 RLHF（基于人类反馈的强化学习），原理异曲同工：
* AI 生成回答（动作）
* 人类或AI打分（奖励）
* AI 根据分数优化模型（进步）

三种AI策略的“舒适区”

让系统变聪明，主要有三种路径：

1. 强化学习：擅长应对动态、无固定规律的环境（如网络负载均衡）。通过不断试错寻找最优解。
2. 传统机器学习：依赖历史数据找规律（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，仅靠历史数据往往滞后。
3. 规则系统：将专家经验写成“如果……就……”的逻辑。优点是可靠、无需训练；缺点是面对未预设场景时容易失效。

图丨giphy

未来趋势：三者协同作战。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。随着AI技术的迭代，我们的网络体验将更加智能、稳定。

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