半免授权NOMA网络中基于混合优化与深度强化学习的资源分配方法
信号处理
2023-07-19 v1
摘要
半免授权非正交多址接入（semi-GF NOMA）已成为第五代新空口（5G-NR）网络的一项有前景的技术，支持大量具有不同服务质量需求的随机连接共存。然而，在具有异构服务的5G-NR网络中实施半免授权NOMA机制引发了若干资源管理问题，涉及由免授权接入策略引起的不可预测干扰。为应对此挑战，本文提出了一种基于混合优化和多智能体深度（HOMAD）强化学习的资源分配设计，以最大化半免授权NOMA 5G-NR系统的能效（EE）。在该设计中，采用多智能体深度Q网络（MADQN）方法在用户间进行子信道分配（SA），而基于优化的方法用于优化每种SA设置下的传输功率。此外，为比较目的也考虑了执行SA和功率分配的全MADQN方案。仿真结果表明，HOMAD方法在收敛时间和平均EE方面显著优于其他基准方案。
引用
@article{arxiv.2307.09061,
title = {A Hybrid Optimization and Deep RL Approach for Resource Allocation in Semi-GF NOMA Networks},
author = {Duc-Dung Tran and Vu Nguyen Ha and Symeon Chatzinotas and Ti Ti Nguyen},
journal= {arXiv preprint arXiv:2307.09061},
year = {2023}
}