基于深度强化学习的能量收集中继辅助状态更新网络平均 AoI 最小化
系统与控制
2023-06-05 v1 系统与控制
摘要
本文研究了一种由具有有限数据与能量缓冲区的能量收集（EH）中继辅助的双跳状态更新系统。为实现及时的状态更新，应选择最佳中继以最小化平均信息年龄（AoI），这是近期提出的用于评估信息新鲜度的指标。平均 AoI 最小化可建模为马尔可夫决策过程（MDP），但捕捉信道与缓冲区演化的状态空间随中继数量呈指数增长，导致求解复杂度高。我们基于每个中继的瞬时信道、包新鲜度及缓冲区信息，提出了一种基于深度强化学习（DRL）的中继选择（RS）方案。仿真结果表明，所提基于 DRL 的 RS 方案相较现有先进方法有明显改善。
引用
@article{arxiv.2306.01251,
title = {Average AoI Minimization for Energy Harvesting Relay-aided Status Update Network Using Deep Reinforcement Learning},
author = {Sin-Yu Huang and Kuang-Hao and Liu},
journal= {arXiv preprint arXiv:2306.01251},
year = {2023}
}
备注
This article has been accepted for publication in IEEE Wireless Communications Letters. Citation information: DOI 10.1109/LWC.2023.3278864