计算机技术与发展2023，Vol.33Issue(1) ：114-120,129.DOI:10.3969/j.issn.1673-629X.2023.01.018

基于强化学习的异构超密度网络资源分配算法

Resource Allocation Algorithm for Heterogeneous Ultra-dense Networks Based on Reinforcement Learning

吴锡 任正国 孙君
计算机技术与发展2023，Vol.33Issue(1) ：114-120,129.DOI:10.3969/j.issn.1673-629X.2023.01.018
✕
  • 维普
  • 万方数据

基于强化学习的异构超密度网络资源分配算法

Resource Allocation Algorithm for Heterogeneous Ultra-dense Networks Based on Reinforcement Learning

吴锡 1任正国 1孙君1
扫码查看

作者信息

  • 1. 南京邮电大学 江苏省无线通信重点实验室,江苏 南京 210003
  • 折叠

摘要

为了保证下行链路用户服务质量(Quality of Service,QoS),提升异构超密度网络的频谱利用率(Spectrum Efficient,SE)和能源效率(Energy-Efficient,EE),提出了一种基于多智能体强化学习(Deep Reinforcement Learning,DRL)的频谱和功率联合分配算法.首先,以频谱利用率和能源效率为优化目标,用户服务质量为约束,得到资源分配优化函数.然后定义多智能体用户状态空间,奖励以及动作空间,通过较小的通信开销获得状态空间信息,得到一维状态空间数据,减少网络的输入数据量,用户利用自身的信道状态信息(Channel State Information,CSI)而不依赖全局信道状态信息,再根据状态空间信息得到频谱和功率分配策略.最后,通过训练深度神经网络找到最佳的资源分配策略.仿真结果表明,该算法可以实现较快的收敛速度,对比贪婪算法以及其他强化学习方法,能源效率均提升20％以上,频谱利用率分别提升27％和11％.

关键词

异构超密度网络/强化学习/资源分配/功率分配/用户服务质量

引用本文复制引用

基金项目

国家自然科学基金(61771255)

中国科学院重点实验室开放基金(20190904)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量2
参考文献量3
段落导航相关论文