Хэндовер  это головная боль любой сети 5G. Контроллеру надо угадать момент, когда абонента (UE) пора передать другой базовой станции: слишком поздно связь просядет, слишком рано и слишком часто начнутся ping-pong-переключения и обрывы. Мы собрали симуляционную среду, которую легко повторить, и прогнали в ней несколько стратегий хэндовера. Сценарий: четыре базовые станции, десять движущихся UE, канал по модели 3GPP Urban Macro с логнормальным затенением. Сравнивали четыре контроллера на 100 независимых эпизодах 3GPP A3-event с гистерезисом и временем срабатывания, идеализированный Strongest-Cell, вариант вообще без хэндоверов и обученный контроллер на PPO. Победил старый добрый A3-event. Он вытянул 89,1 Мбит/с средней пропускной способности, 21,7 хэндовера за эпизод и ping-pong-rate 0,098 лучшие цифры по всем трём метрикам сразу. Strongest-Cell по скорости почти не отстаёт, но переключается примерно в 2,6 раза чаще. А обученный контроллер, хотя учился ровно и без срывов, обойти настроенный A3 так и не смог, по крайней мере с той функцией вознаграждения и тем набором наблюдений, что были у нас. Дальше в статье разбираемся, почему связка гистерезиса и time-to-trigger оказывается такой крепкой базой и что должно измениться, чтобы обученная политика всё-таки вышла вперёд. Всю среду и конвейер оценки мы выложили можно проверить самим.