车联网中信息年龄感知的无线资源管理：一种主动深度强化学习视角
人工智能
2019-11-18 v2 机器学习
摘要
在本文中，我们研究了曼哈顿网格车对车网络中面向期望长期性能优化的信息年龄（AoI）感知无线资源管理问题。在每个调度时隙观测全局网络状态后，路边单元（RSU）为所有车辆用户设备对（VUE-pairs）分配频带并调度数据包传输。我们将该随机决策过程建模为离散时间单智能体马尔可夫决策过程（MDP）。求解最优控制策略的技术挑战源于VUE-pairs的高空间移动性与时变业务信息到达。为使问题可解，我们首先将原始MDP分解为一系列逐VUE-pair的MDP。随后，我们提出一种基于长短期记忆与深度强化学习技术的主动算法，以应对每个VUE-pair所面临的部分可观测性与局部网络状态空间的高维灾难。借助所提算法，RSU依据VUE-pairs对全局网络状态的部分观测，以分散方式在每个调度时隙做出最优频带分配与数据包调度决策。数值实验验证了理论分析，并展示了所提算法的显著性能提升。
引用
@article{arxiv.1908.02047,
title = {Age of Information-Aware Radio Resource Management in Vehicular Networks: A Proactive Deep Reinforcement Learning Perspective},
author = {Xianfu Chen and Celimuge Wu and Tao Chen and Honggang Zhang and Zhi Liu and Yan Zhang and Mehdi Bennis},
journal= {arXiv preprint arXiv:1908.02047},
year = {2019}
}