Optimization of Reconfigurable Intelligent Surfaces: From Metaheuristics to Learning. PhD thesis, King Fahd University of Petroleum and Minerals.

PDF KFUPM_Thesis_dissertation__g202211920_PhDEE.pdf - Other Restricted to Repository staff only until 17 December 2026. Download (3MB)

Arabic Abstract

تُعدّ الأسطح الذكية القابلة لإعادة التشكيل (RIS) من الممكنات الرئيسة لشبكات الاتصالات اللاسلكية من الجيل القادم، إذ تتيح تحكّمًا قابلًا للبرمجة في بيئة انتشار الموجات الكهرومغناطيسية. ويمكن إعادة تهيئة القنوات اللاسلكية لتحسين التغطية وسعة النظام من خلال تحسين إزاحات الطور لعناصر الـRIS. إلا أن التنفيذ لهذه التقنية يواجه تحديات جوهرية، من أبرزها الطبيعة غير المحدبة لمسائل التحسين، والعبء العالي للإشارات الإرشادية، وصعوبات القابلية للتوسع مع ازدياد عدد عناصر الـ RIS. تطوّر هذه الأطروحة وتقيّم استراتيجيتين لتحسين أداء الـRIS في سيناريو نظام MIMO لمستخدم واحد. تعتمد الاستراتيجية الأولى، المسماة (UW) Walrus Ultimate، على تحسين البحث الخوارزميات ما وراء الاستدلالية من خلال دمج Memoization Fitness Vectorized ، ودمج الأطوار، وتقييد البحث المحلي الديناميكي. تؤدي هذه التحسينات إلى تسريع التقارب وتحقيق توازن أفضل بين الاستكشاف والنظر عن كثب، خصوصًا في مسائل تحسين الأطوار المتقطعة واسعة النطاق. أما الاستراتيجية الثانية، GumbelRIS، فتعتمد نهجًا تعلّميًا هجينًا يجمع بين أخذ العينات الاحتمالية المعتمدة على توزيع Gumbel، والشبكات العصبية الالتفافية، مع تحسين قائم على مفاهيم الخوارزميات ما وراء الاستدلالية مثل التلدين (Annealing). يساهم هذا النهج في تحسين كفاءة الطيّارات، وزيادة القدرة على التكيّف مع القنوات الديناميكية، وتعزيز القابلية للتوسع في السيناريوهات اللاسلكية المدعومة بـRIS ذات الأبعاد الكبيرة. تم تقييم النماذج المقترحة تحت افتراض حالة قناة شبه ساكنة باستخدام قنوات واقعية مولّدة عبر SimRIS. وتُظهر النتائج أن UW يوفّر خط أساس قويًا وفعّالًا، في حين يحقق GumbelRIS قدرة أعلى على التكيّف، واستدلالًا أسرع، وتحسينًا ملحوظًا في سعة النظام. وتُعدّ إسهامات هذا العمل قابلة للتطبيق على نطاق واسع في أنظمة ما بعد الجيل الخامس وشبكات الجيل السادس (6G)

English Abstract

Reconfigurable Intelligent Surfaces (RIS) are a key enabler of next-generation wireless networks, as they enable programmable control over the propagation environment. These wireless channels can be reconfigured to enhance coverage and spectral efficiency by optimizing RIS phase shifts. However, practical RIS deployment faces challenges including non-convex optimization, excessive pilot overhead, and scalability with large RIS arrays. This dissertation develops and evaluates two optimization strategies for single-user MIMO scenario. The first, the Ultimate Walrus (UW) , refines metaheuristic search by integrating Vectorized Fitness Memoization, Phase Fusion, and Dynamic Local-Search Bounding. These enhancements accelerate convergence and improve the exploration–exploitation balance for large-scale discrete phase optimization. The second, GumbelRIS, combines Gumbel-based stochastic sampling with convolutional neural networks and optimized using metaheuristic concept - annealing. This hybrid learning approach improves pilot efficiency, adaptability in dynamic channels, and scalability in large RIS aided wireless scenarios. The models are evaluated under quasi-static channel state information using realistic SimRIS-generated channels. The results demonstrate that UW provides a strong and efficient baseline while GumbelRIS achieves superior adaptability, faster inference and improved system capacity. The contributions of this work are broadly applicable to beyond-5G and 6G systems.

Item Type:	Thesis (PhD)
Subjects:	Engineering Research Research > Engineering Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Alhassoun, Mohammad
Committee Co-Advisor:	Hassan Saleh, Haitham
Committee Members:	Mugaibel, Ali Hussain Abdallah and Alharbi, Fahhad and Ahmed Abdelmotalleb Abdelfattah Attia, Omar
Depositing User:	KINZA SHAFIQUE (g202211920)
Date Deposited:	18 Dec 2025 08:57
Last Modified:	18 Dec 2025 08:57
URI:	http://eprints.kfupm.edu.sa/id/eprint/143794