مع الارتفاع المستمر في تردد الحامل والنشر الواسع لمصفوفات الهوائيات كبيرة الحجم، أصبح تشكيل الحزمة القائم على المحولات التماثلية تقنية مميزة للجيل القادم من الاتصالات اللاسلكية. في هذا الوقت، يُستخدم إدارة الحزمة للحصول على والحفاظ على أزواج الحزم المثلى بين محطة القاعدة والمستخدم والتي تحقق أقصى قدرة استقبال لضمان خدمة اتصالات لاسلكية موثوقة. تعتمد طرق إدارة الحزمة التقليدية غالبًا على البحث الشامل. بالإضافة إلى ذلك، فإن النماذج الرياضية التقليدية غير قادرة على وصف الارتباط الداخلي للحزم اللاخطية وخصائص بيئة الاتصالات اللاسلكية ذات الأبعاد العالية بشكل شامل ودقيق، مما يصعب تحقيق أداء مكسب الحزمة المرضي. في السنوات الأخيرة، وبفضل القدرة القوية للتعلم العميق على التكيف والتقريب، حظيت إدارة الحزمة المعززة بالتعلم العميق باهتمام واسع في الداخل والخارج. تلخص هذه الورقة التقدم البحثي في إدارة الحزمة المعتمدة على التعلم العميق، وتتطلع إلى اتجاهات البحث المستقبلية. أولاً، توضح السيناريوهات النموذجية والمزايا المحتملة لتطبيق التعلم العميق في إدارة الحزمة؛ بعد ذلك، من خلال التطرق إلى النطاق المكاني/الزمني/الترددي، تناقش الخطوط البحثية الرئيسية والأعمال التمثيلية الحالية في هذا المجال؛ وأخيرًا، تجاه شبكات لاسلكية ذات حجم أكبر، ووظائف أكثر تنوعًا لإدارة الحزمة، ونماذج تعلم عميق أكثر متانة، توضح التحديات والفرص البحثية المستقبلية.

التعلم العميق; إدارة الحزمة; النطاق المكاني; النطاق الزمني; النطاق الترددي