TACSTechnology and Application of Computer Science2998-89262998-8934Art and Design10.61369/TACS.12459Article基于AI 的智能通信网络管理与优化策略https://artdesignp.com/journal/TACS/1/2/10.61369/TACS.12459许斌2024122024-10-20人工智能（AI）与通信网络的深度融合正驱动网络管理向智能化、自适应方向演进。针对5G/6G 超密集组网负载不均衡、时延敏感业务服务质量瓶颈等问题，研究提出基于深度强化学习（DRL）、图神经网络（GNN）的动态资源调度与异常流量检测方法，结合联邦学习实现跨域隐私协同优化。实验表明，AI 驱动策略使频谱效率提升30%，异常检测准确率达98.5%。《关于加强极端场景应急通信能力建设的意见》（2025年）进一步强调AI 在应急通信与网络韧性中的核心作用。未来需突破轻量化模型部署与数字孪生仿真平台构建，推动智能内生网络架构落地。智能通信网络,人工智能驱动优化,联邦学习

[1] 刘予峰 , 蒋觐阳 . 基于人工智能技术 (AI) 的智能网络优化方法分析 [J]. 电子世界 , 2012(10):2. [2] 张鹏 . 无线边缘网络智能资源管理技术研究 [D]. 北京邮电大学 ,2023. [3] 沈纲祥 . 基于人工智能技术的光通信网络应用研究 [J]. 通信学报 , 2020, 41(1):7. [4] 马方明 , 韩龙刚 , 邱禹 . 基于 AI 的基站全生命周期智能运维策略研究 [J]. 通讯世界 , 2023, 30(1):184-186. [5] 朱文涛 , 吴远 , 杨晓康 , 等 . 基于5G+ 智慧 MIMO 技术的网络自智优化研究 [J]. 电信工程技术与标准化 , 2022, 35(11):55-59. [6] 胡晓娜 . 基于人工智能的网络资源智能管理与优化研究 [J]. 通信电源技术 , 2023, 40(24):271-273. [7] 徐丹 , 王海宁 , 袁祥枫 , 等 . 基于 AI 的5G 网络切片管理技术研究 [J]. 电子技术应用 , 2020, 46(1):7. [8] 万宏谋 , 刘兵 , 蔡林峰 , 等 . 基于 AI 的网络智能监控研究与应用 [J]. 江西通信科技 , 2023(4):4-8. [9] 周云 , 刘月华 . 基于深度强化学习的智能网络安全防护研究 [J]. 通信技术 , 2021(011):054. [10] 陈爽 . 基于 AI 的无线网络规划与优化解决方案 [J]. 无线互联科技 , 2023, 20(13):151-154.